摄影师网站,最新的高端网站建设,网站建设谈单流程,一级造价工程师报名时间小白导读学习计算机视觉最重要的能力应该就是编程了#xff0c;为了帮助小伙伴尽快入门计算机视觉#xff0c;小白准备了【OpenCV入门】系列。新的一年文章的内容进行了很大的完善#xff0c;主要是借鉴了更多大神的文章#xff0c;希望让小伙伴更加容易理解。如果小伙伴觉… 小白导读学习计算机视觉最重要的能力应该就是编程了为了帮助小伙伴尽快入门计算机视觉小白准备了【OpenCV入门】系列。新的一年文章的内容进行了很大的完善主要是借鉴了更多大神的文章希望让小伙伴更加容易理解。如果小伙伴觉得有帮助请点击一下文末的“好看”鼓励一下小白。关于形态学的基本操作上一篇文章已经进行了讲解遗忘的小伙伴可以回去查看一下→形态学基本操作提取步骤输入图像彩色图像 imread转换为灰度图像 – cvtColor转换为二值图像 – adaptiveThreshold相关函数adaptiveThreshold(Mat src,Mat dest,double maxValue,int adaptiveMethod,int thresholdType,int blockSize,double C)src输入的灰度图像dest二值图像maxValue二值图像最大值adaptiveMethod自适应方法( ADAPTIVE_THRESH_MEAN_C ADAPTIVE_THRESH_GAUSSIAN_C)thresholdType阈值类型blockSize块大小C常量C 可以是正数0负数定义结构元素一个像素宽的水平线——水平长度width/30一个像素宽的垂直线——垂直长度width/30开操作 (腐蚀膨胀)提取 水平与垂直线程序代码#include#includeusing namespace cv;int main(int argc,char** argv){ //1、加载源图像并检查它是否加载成功然后显示它 Mat src imread(E:/Experiment/OpenCV/Pictures/paint1.jpg); if(src.empty()){ printf(Could not load Image ...); return -1; } namedWindow(1.input,CV_WINDOW_AUTOSIZE); imshow(1.input,src); //2、如果图像不是灰度图像转换为灰度图像 Mat gray_src; if (src.channels() 3) cvtColor(src,gray_src,CV_BGR2GRAY); else gray_src src; imshow(2.Gray Image,gray_src); //3、然后将灰度图像转换为二值化。注意~符号表明我们使用逆操作后版本(即bitwise_not) Mat binary_src; /* adaptiveThreshold( // 局部自适应阈值 Mat src, // 输入的灰度图像 Mat dest, // 二值图像 double maxValue, // 二值图像最大值 int adaptiveMethod // 自适应方法只能其中之一 – // ADAPTIVE_THRESH_MEAN_C ADAPTIVE_THRESH_GAUSSIAN_C int thresholdType,// 阈值类型 THRESH_BINARY THRESH_BINARY_INV 阈值 T sum(blockSize X blockSize的像素平均值) - 常量C int blockSize, // 块大小只能为奇数取图像宽或高的 1/4 到 1/6 之间? 要确保足够大? double C // 常量C 可以是正数0负数 让结果变得更亮一点 更大一点? ) */ adaptiveThreshold(~gray_src, binary_src, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2); imshow(3.binary Image, binary_src); //4、以提取水平和垂直线作为从图像中分离的结果但首先让我们初始化的输出图像 Mat horizontal binary_src.clone(); Mat vertical binary_src.clone(); //5、为了提取我们所希望的对象我们需要创建相应的结构元素。由于这里我们要提取水平线一个相应的结构元素有以下形状 int horizontalsize horizontal.cols / 30; Mat horizontalStructure getStructuringElement(MORPH_RECT, Size(horizontalsize,1)); erode(horizontal, horizontal, horizontalStructure, Point(-1, -1)); dilate(horizontal, horizontal, horizontalStructure, Point(-1, -1)); imshow(4.1. horizontal, horizontal); //6、 垂直线条的的用法也是这样相应的结构元素如下: int verticalsize vertical.rows / 30; Mat verticalStructure getStructuringElement(MORPH_RECT, Size( 1,verticalsize)); erode(vertical, vertical, verticalStructure, Point(-1, -1)); dilate(vertical, vertical, verticalStructure, Point(-1, -1)); imshow(4.2. vertical, vertical); //7、图像的边缘是有点粗糙的。由于这个原因我们需要光顺处理边缘以获得更平滑的结果 // Inverse vertical image bitwise_not(vertical, vertical); imshow(5. vertical_bit, vertical); // Extract edges and smooth image according to the logic // 1. extract edges // 2. dilate(edges) // 3. src.copyTo(smooth) // 4. blur smooth img // 5. smooth.copyTo(src, edges) // Step 1 Mat edges; adaptiveThreshold(vertical, edges, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 3, -2); imshow(6.1. edges, edges); // Step 2 Mat kernel Mat::ones(2, 2, CV_8UC1); dilate(edges, edges, kernel); imshow(6.2. dilate, edges); // Step 3 Mat smooth; vertical.copyTo(smooth); // Step 4 blur(smooth, smooth, Size(2, 2)); // Step 5 smooth.copyTo(vertical, edges); // Show final result imshow(6.3. smooth, vertical); waitKey(0); return 0;}运行结果主要借鉴”Madcola“和”Micheal超“两位大神的文章。两位大神的博客主页是https://www.cnblogs.com/skyfsm/(Madcola)https://blog.csdn.net/qq_42887760(Micheal超)结束语由于时间和文章篇幅有限本次总结先到这里下次小白会为小伙伴们带来OpenCV的角点检测各位小伙伴敬请期待。如果小伙伴觉得本文对自己有帮助请帮忙点击一下右下角的“好看”鼓励一下小白。往期文章一览1、助力2019剩余2/3时光2、影响机器视觉的场景因素有哪些3、SLAM实习生面试基础知识总结4、如何让黑白相片恢复生机5、我竟然用OpenCV实现了卡尔曼滤波6、【走进OpenCV】滤波代码原来这么写7、【走进OpenCV】这样腐蚀下来让我膨胀8、小心你看到的图像可能隐藏了重大机密
