基于OpenCvSharp的数字图像处理 |
您所在的位置:网站首页 › OpenCVSharp提取字符 › 基于OpenCvSharp的数字图像处理 |
创建项目 | 文件与显示 | 像素操作 | 图像彩色类型转换 | 模糊、平滑、去噪 | 锐化、边缘检测 | 二值化 | 形态学 | 位置变换 | 直方图 | 霍夫变换 | 图像优化 | 图像分割 完整示例项目
图像分割是根据图像中各部分的特征,分割出不同的区域,这些区域可能代表了不同的物体。最简单的图像分割是区分出背景和前景。图像分割目前有一些比较成熟的技术,但想不通过一些辅助手段而达到比较好的分割效果,还是有一定难度的。 一、漫水填充如果用过Photoshop的读者,应该对这项功能很熟悉。先设定一个阈值,然后在图像中的某个区域点一下鼠标,类似这个区域的像素都会被填充为某一颜色。这项功能需要我们指出ROI大概在哪里,还要指出阈值使用多少。示例代码如下: Mat src = new Mat(img_desk); Cv2.FloodFill(src, new OpenCvSharp.Point(233, 102), new Scalar(0, 0, 255), out OpenCvSharp.Rect rect, new Scalar(30, 30, 30), new Scalar(30, 30, 30)); src.SaveImage(img_result);效果如下: 注:目标点在键盘的Space键里。 二、分水岭算法分水岭算法要求我们指出图像中的哪些区域是连通的。给定一个跟图像相同大小的矩阵,连通区域使用同一数字表示,例如上图,笔记本区域标记为1,键盘区域标记为2等。这些区域只需要模糊标记(如果我们能准确标记,那就不需要这个算法做什么事了)。 示例代码如下: Mat src = new Mat(img_desk); Mat marker = new Mat(src.Rows, src.Cols, MatType.CV_32SC1); for (int i = 0; i < 154; i++) { for (int j = 0; j < 91; j++) { marker.Set(40 + j, 45 + i, 1); } } for (int i = 0; i < 110; i++) { for (int j = 0; j < 234; j++) { marker.Set(176 + j, 369 + i, 2); } } for (int i = 0; i < 30; i++) { for (int j = 0; j < 30; j++) { marker.Set(194 + j, 191 + i, 3); } } Cv2.Watershed(src, marker); Mat result = new Mat(marker.Rows, marker.Cols, MatType.CV_8UC3); for (int i = 0; i < marker.Width; i++) { for (int j = 0; j < marker.Height; j++) { byte v = marker.Get(j, i); switch (v) { case 1: result.Set(j, i, new Vec3b(255, 0, 0)); break; case 2: result.Set(j, i, new Vec3b(0, 255, 0)); break; case 3: result.Set(j, i, new Vec3b(0, 0, 255)); break; } } } result.SaveImage(img_result);效果如下: Grabcuts算法利用标记区域的直方图特征,寻找相似的区域。标记区域需要为矩形。 示例代码如下: Mat src = new Mat(img_desk); Mat mask = new Mat(); Mat bgdModel = new Mat(); Mat fgdModel = new Mat(); Cv2.GrabCut(src, mask, new OpenCvSharp.Rect(90, 290, 180, 187), bgdModel, fgdModel, 12, GrabCutModes.InitWithRect); Mat result = new Mat(mask.Rows, mask.Cols, MatType.CV_8UC1); for (int i = 0; i < mask.Width; i++) { for (int j = 0; j < mask.Height; j++) { byte v = mask.Get(j, i); switch (v) { case 0: result.Set(j, i, 0); break; case 1: result.Set(j, i, 255); break; case 2: result.Set(j, i, 50); break; case 3: result.Set(j, i, 200); break; } } } result.SaveImage(img_result);效果如下: 注:灰色区域是标记的,白色区域是找出来的线球。 四、Mean-Shift算法Mean-Shift算法是本文唯一一个不需要事先标记区域的算法。它根据图像颜色空间分布的特征进行分割。 示例代码如下: Mat src = new Mat(img_desk); Mat result = new Mat(); Cv2.PyrMeanShiftFiltering(src, result, 5, 50); result.SaveImage(img_result);效果如下: 注:可以看到,笔记本和按键能够被分割出来。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |