- 1、本文档共84页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第9章图像分割与测量;目录;9.1
概述;概述;9.2
阈值法分割;9.2.1
直方图门限选择法;理论基础;效果展示;9.2.2
半阈值选择法;理论基础;cv2.calcHist()函数用于统计图像直方图信息
hist=cv2.calcHist(image,channel,mask,histSize,range,accumulate)
hist:表示返回的统计直方图,数组内的元素是各个灰度级的像素个数;
image:表示原始图像,该图像需要用“[]”括起来;
channel:表示指定通道编号,通道编号需要用“[]”括起来;
mask:表示掩模图像,当统计整幅图像的直方图时,将这个值设为None;当统计图像某一部分的直方图时,需要用到掩模图像;
histSize:表示BINS的值,该值需要用“[]”括起来;
range:表示像素值范围;
accumulate:表示累计标识,默认值为False。如果被设置为True,则直方图在开始计算时不会被清零,计算的是多个直方图的累计结果,用于对一组图像计算直方图。该参数是可选的,一般情况下不需要设置。;效果展示;效果展示;9.2.3
迭代阈值法;理论基础;函数说明;效果展示;9.2.4
Otsu阈值法;理论基础;函数说明;效果展示;9.2.5
自适应阈值法;理论基础;函数说明;效果展示;9.2.6
分水岭算法;理论基础;理论基础;理论基础;函数说明;函数说明;效果展示;9.3
投影法分割;9.3.1
水平投影分割;理论基础;效果展示;9.3.2
垂直投影分割;理论基础;效果展示;9.4
轮廓检测;9.4.1
邻域判断轮廓法;理论基础;效果展示;9.4.2
边界跟踪法;理论基础;理论基础;效果展示;9.4.3
区域增长法;理论基础;函数说明;函数说明;函数说明;效果展示;9.4.4
轮廓检测与拟合;图像轮廓是指将边缘信息连接起来形成的一个整体。图像轮廓是图像中非常重要的一个特征,通过对图像轮廓进行操作,能够获取目标图像的大小、位置和方向等信息。
图像的轮廓由一系列的点组成,这些点以某种方式表示图像中的一条曲线。所以,图像轮廓的绘制就是将检测到的边缘信息和图像的前景信息进行拟合,从而得到图像的轮廓。;函数说明;函数说明;效果展示;效果展示;9.5
目标物体测量;9.5.1
区域标记;函数说明;效果展示;9.5.2
面积测量;在OpenCV中,cv2.contourArea()函数可以用于计算轮廓的面积,其一般格式为:
retval=cv2.contourArea(contour[,booled])
retval:表示返回的轮廓面积;
contour:表示输入的轮廓;
booled:表示轮廓的封闭性。;效果展示;9.5.3
周长测量;函数说明;效果展示;9.6
最小外包形状检测;9.6.1
最小外包形状检测;函数说明;效果展示;9.7
霍夫检测;9.7.1
霍夫直线检测;理论基础;理论基础;函数说明;效果展示;9.7.2
霍夫圆检测;理论基础;理论基础;函数说明;效果展示
您可能关注的文档
- 材料电子及中子分析技术 课件 10知识点5 聚焦离子束、 能量损失谱分析.pptx
- 数字图像处理与深度学习技术应用 课件 第1章基础.pptx
- 数字图像处理与深度学习技术应用 课件 第2章彩色图像特效处理.pptx
- 数字图像处理与深度学习技术应用 课件 第3章图像的合成处理.pptx
- 数字图像处理与深度学习技术应用 课件 第4章 图像的几何转变.pptx
- 数字图像处理与深度学习技术应用 课件 第5章 图像的灰度变化.pptx
- 数字图像处理与深度学习技术应用 课件 第6章 图像平滑处理.pptx
- 数字图像处理与深度学习技术应用 课件 第7章 图像边缘锐化处理.pptx
- 数字图像处理与深度学习技术应用 课件 第8章 图像形态学处理.pptx
- 数字图像处理与深度学习技术应用 课件 第10章 图像频域变换处理.pptx
文档评论(0)