opencvsharp实现blob工具

最新推荐文章于 2024-11-19 15:28:48 发布
原创 最新推荐文章于 2024-11-19 15:28:48 发布 · 395 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#c# #opencv 

 if (checkBoxArea.Checked)
            {

                parameters.FilterByArea = true;
                parameters.MinArea = Convert.ToInt32( textBoxAreaMin.Text);
                parameters.MaxArea = Convert.ToInt32(textBoxAreaMax.Text);
            }

            if (checkBoxCrcty.Checked)
            {
                parameters.FilterByCircularity = true;
                parameters.MinCircularity = Convert.ToSingle(textBoxCircleMin.Text);
                parameters.MaxCircularity = Convert.ToSingle(textBoxCircleMax.Text);
            }
            if (checkBoxCn.Checked)
            {
                parameters.FilterByConvexity = true;
                parameters.MinConvexity = Convert.ToSingle(textBoxConvMin.Text);
                parameters.MaxConvexity = Convert.ToSingle(textBoxConvMax.Text);
            }
            if (checkBoxRat.Checked)
            {
                parameters.FilterByInertia = true;
                parameters.MinInertiaRatio = Convert.ToSingle(textBoxRatioMin.Text);
                parameters.MaxInertiaRatio = Convert.ToSingle(textBoxRatioMax.Text);
            }
            if (checkBoxThresh.Checked)
            {
                parameters.FilterByColor = true;
                parameters.ThresholdStep = 15f;
                parameters.MinThreshold = Convert.ToInt32(textBoxThreshMin.Text);
                parameters.MaxThreshold = Convert.ToInt32(textBoxThreshMax.Text);
            }

 

 

提供发布版exe下载，欢迎使用 ，可到主页下载，不卖源码哈

matrix5065
关注
OpenCV中blob的概念以及OpenCV中BLOB特征提取与几何形状分类
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
04-27 1489
还可以提供相关斑点间的拓扑结构。在处理过程中不是对单个像素逐一分析，而是对图像的行进行操作。图像的每一行都用游程长度编码（RLE）来表示相邻的目标范围。这种算法与基于像素的算法相比，大大提高了处理的速度。经二值化（Binary Thresholding）处理后的图像中色斑可认为是blob。直观上来看，blob特征就是一团，一坨东西，它并不一定是圆形的，总之它就是那么。（颜色的）一小片，斑点。Blob分析：（Blob Analysis）是对图像中。首先要了解，什么是blob特征，我们来看下面两幅图片。
opencv官网 Blob检测
every place is the center of the universe
03-05 1495
将blobColor设为0以选择较暗的Blob，设为255则选择较亮的Blob。基于大小：你可以通过设定参数filterByArea为1，并设置合适的minArea和maxArea值，从而根据Blob的大小进行过滤。用于检测图像中的斑点或目标区域的方法，它可以识别具有特定属性（如颜色、大小、形状等）的连通区域。Blob 是图像中一组连接的像素，它们共享一些共同属性（例如，灰度值）。在上图中，深色连接区域是 Blob，Blob 检测旨在识别和标记这些区域。圆度： 这个参数衡量的是Blob接近圆形的程度。
基于opencv的blob分析代码
11-15
高性能的blob分析代码，在缺陷检测，目标定位中有着重要应用。希望对大家有帮助。
opencv SimpleBlobDetector blob分析斑点检测原理详解
weixin_44901043的博客
03-04 9586
文章目录概念一、SimpleBlobDetector算法原理二、代码示例：运行效果： 概念 Blob是图像中具有某些共同属性(如灰度值、圆度等如下图所示属性)的一组连通像素。 一、SimpleBlobDetector算法原理 SimpleBlobDetector从图像中提取blobs的算法流程如下: 根据阈值步距“thresholdStep”递增，从最小阈值‘minThreshold“(包含)到最大阈值maxThreshold(排除)计算几个阈值，第一个阈值minThreshold，第二个是minTh.
C#实现blob分析——分别基于OpenCvSharp和Emgu实现
风的博客
11-19 922
C#实现blob分析——分别基于OpenCvSharp和Emgu实现
基于C#的OpenCVSharp斑点检测自定义控件,利用C#和OpenCVSharp实现自定义控件中的斑点检测Blob技术,C# 自定义控件 opencvsharp 斑点检测blob ,C#;
02-18
该技术的核心在于OpenCVSharp库提供的Blob检测功能，它能够通过颜色、亮度和其他视觉属性来识别图像中的连通区域。结合自定义控件的设计，开发者可以为用户提供直观的参数设置和即时的结果反馈，使得斑点检测过程...
"利用C#与OpenCVSharp实现自定义控件中的斑点检测(Blob)算法",C# 自定义控件 opencvsharp 斑点检测blob ,C#; 自定义控件; OpenCvSharp; 斑点
02-06
本文主要探讨了如何利用C#语言与OpenCVSharp库来实现自定义控件中的斑点检测(Blob)算法。斑点检测是计算机视觉领域中的一个重要研究方向，它主要涉及对图像中具有相似特性的一组像素点的识别与分析。通过斑点检测，...
C#+OpenCvSharp拼接 .exe文件
08-09
总结来说，利用C#和OpenCvSharp实现图像拼接`.exe`文件，主要涉及的关键技术包括图像读取、特征检测与匹配、几何变换以及用户界面交互。通过熟练掌握这些技术，我们可以创建出功能强大的图像处理工具，满足自动或...
C#自定义控件结合OpenCVSharp实现高效斑点检测技术及其应用场景 · 自定义控件
最新发布
07-30
内容概要：本文介绍了如何利用C#自定义控件与OpenCVSharp库相结合，实现高效的斑点检测（Blob Detection）功能。文中详细讲述了项目的背景——即斑点检测在图像处理领域的广泛应用，以及该项目旨在创建一个快速准确...
opencvsharp例程
04-24
OpenCVSharp官方例程。亲测可以直接打开
opencvsharp-samples
01-24
opencvsharp的例子，给需要的人参考，目前我也没弄懂。
Opencvsharp示例代码
12-11
opencvsharp4代码示例教程，包含c#，VB.net,Core版本的示例代码，2019年11月更新的opencvsharp官方的例程。包含相机图像读取，形态学，Caffe,SVM,DNN,DFT,霍夫线提取，SIFT检测等共计40多个Sample Tutorial.建议使用Vs2017及以上版本打开项目。
在C#中使用OpenCV（使用OpenCVSharp）的实现
12-16
1、什么是OpenCVSharp 为了解决在Csharp下编写OpenCV程序的问题，我做过比较深入的研究,并且实现了高效可用的方法（GOCW）；这几天在搜集资料的时候，偶尔看见了OpenCVSharp，从时间上来看，它已经经过了更久的发展，应该有许多直接借鉴、或者直接使用的地方。 OpenCVSharp有一名日本工程师开发，项目地址为：https://github.com/shimat/opencvsharp。其是OpenCV的.NET wrapper，它比Emgucv更接近于原始的OpenCV，并且有很多的样例参考，其采用LGPL发行，对商业应用友好（基本上相当于BSD）。 2、Open
OPENCVsharp +C# 在picturebox上绘制
08-10
OPENCVsharp +C# 在picturebox上绘制
Python基于opencv的blob算法实现
热门推荐
dz4543的博客
04-11 1万+
       最近也是想试试blob算法检测个东西。发现Python方面讲这个的真不多，几乎都是说的算法原理，这里给出Python3代码，与 效果图。copy了别人的成果，代码什么的也是，原链接是：点击打开链接。这个网站是learnopencv，全英文的，无障碍的可以看看，我是为了自己学习整理了一下，如有错漏，欢迎指正。1.什么是Blob？       像素是图像中的一组连接像素，它们共享一些公共...
OpenCV4学习笔记（49）——Blob特征分析算法
邱小兵的博客
04-26 1万+
今天要整理记录的笔记是关于图像Blob特征分析算法的内容。计算机视觉中的Blob（斑点）是指图像中的一块连通区域，Blob分析就是对前景、背景分离后的二值图像，进行连通域提取和标记。标记完成的每一个Blob都代表一个前景目标，然后就可以计算Blob的一些相关特征。 也可以称Blob（斑点）是指二维图像中和周围像素点存在颜色差异和灰度差异的特征区域，针对这些特征区域所提取出某些具有区域代表性的信息，...
常用机器视觉工具----图像分析工具（blob分析）
weixin_34128839的博客
07-19 845
http://blog.sina.com.cn/s/blog_67cc4eb70100ivnt.html Blob分析：Blob分析目的在于对图像中的2-D形状进行检测和分析，得到诸如目标位置、形状、方向和目标间的拓扑关系（即包含关系）等信息。根据这些信息可对目标进行识别。在某些应用中我们不仅需要利用2D的形状特征，还要利用Blob分析之间的特征关系。 Blob分析的主要内容包括：（1）图像分...
opencv之Blob检测
weixin_42237615的博客
07-08 3491
原理 首先通过一系列连续的阈值把输入的灰度图像转换为一个二值图像的集合，阈值范围为[T1,T2]，步长为t，则所有阈值为： 第二步是利用Suzuki提出的算法通过检测每一幅二值图像的边界的方式提取出每一幅二值图像的连通区域，我们可以认为由边界所围成的不同的连通区域就是该二值图像的斑点；【不同的区域就像是不同的斑点】 第三步是根据所有二值图像斑点的中心坐标对二值图像斑点进行分类，从而形成灰度图像的...
Opencvsharp 中如何实现卷积网络？
03-29
<think>好的，用户现在问的是如何在OpenCvSharp中实现卷积网络。首先，我需要回顾一下之前的对话历史，看看用户之前的问题是什么。之前用户询问了神经网络是否可以用来提取特征，我详细介绍了使用PyTorch和OpenCV DNN模块的方法，其中提到了OpenCvSharp的示例代码。现在用户可能对如何在C#环境下使用OpenCvSharp构建或使用卷积网络感兴趣。 用户可能是C#开发者，习惯于使用OpenCV的.NET封装库OpenCvSharp，而不是Python。他们可能需要在C#项目中集成卷积神经网络，比如进行图像分类、目标检测等任务。用户的需求可能包括加载预训练模型、进行推理，或者可能想了解如何从零开始构建一个简单的CNN模型。 不过，需要注意的是，OpenCvSharp主要是OpenCV的包装库，而OpenCV的DNN模块虽然支持加载预训练的深度学习模型（如Caffe、TensorFlow、ONNX等），但并不直接支持训练网络。因此，用户可能更关心如何利用OpenCvSharp中的DNN模块来加载和运行已有的模型，而不是从头训练。 接下来，我需要确定OpenCvSharp中实现卷积网络的具体步骤。首先，用户需要准备好预训练好的模型文件，比如.prototxt和.caffemodel，或者其他框架的模型。然后，使用CvDnn.ReadNetFrom...方法加载模型，接着处理输入图像，生成Blob，进行前向传播，获取输出结果。 此外，用户可能想知道如何在C#中处理输入和输出数据，例如图像预处理、后处理（如非极大值抑制）等。另外，用户可能对如何获取中间层的特征感兴趣，这在之前的回答中也有涉及，比如使用特定层的名称来提取特征。 还需要注意OpenCvSharp的版本是否支持所需的模型格式，以及是否有已知的兼容性问题。例如，某些较新的模型可能需要更高版本的OpenCV，而OpenCvSharp可能尚未更新到对应的版本。 另外，用户可能误以为可以在OpenCvSharp中直接搭建和训练CNN，但实际上这通常需要使用深度学习框架如TensorFlow.NET或ML.NET，或者在C#中使用TorchSharp。因此，可能需要澄清OpenCvSharp的功能范围，并建议用户如果需要训练模型，可能需要结合其他库。 最后，要确保回答结构清晰，分步骤说明加载预训练模型、预处理、推理和后处理的过程，并提供代码示例，帮助用户快速上手。同时，提醒用户注意模型转换和输入输出格式的问题，以及可能的性能优化点，如使用GPU加速等。</think>--- ### **OpenCvSharp 中实现卷积神经网络的核心方法** OpenCvSharp通过DNN模块支持卷积神经网络的**推理部署**，但需注意：**训练网络需使用其他框架（如PyTorch/TensorFlow），OpenCvSharp主要用于加载预训练模型进行预测**。以下是具体实现步骤： --- ### **Step 1 - 模型准备（以Caffe模型为例）** 1. **获取模型文件**： - 定义网络结构的`.prototxt`文件（描述各层参数） - 包含训练权重的`.caffemodel`文件 - 示例：从[Caffe Model Zoo](https://github.com/BVLC/caffe/wiki/Model-Zoo)下载预训练模型 2. **模型转换（若使用其他框架）**： - TensorFlow/PyTorch模型需转为ONNX或Caffe格式 - 工具推荐：`tf2onnx` (TensorFlow转ONNX)、`torch.onnx.export` (PyTorch转ONNX) --- ### **Step 2 - 加载模型与配置** ```csharp using OpenCvSharp; using OpenCvSharp.Dnn; // 加载Caffe模型 var modelConfig = "deploy.prototxt"; // 网络结构文件 var modelWeights = "resnet50.caffemodel"; // 权重文件 Net net = CvDnn.ReadNetFromCaffe(modelConfig, modelWeights); // 设置计算后端（可选GPU加速） net.SetPreferableBackend(Net.Backend.OPENCV); // 默认CPU // net.SetPreferableBackend(Net.Backend.CUDA); // net.SetPreferableTarget(Net.Target.CUDA); ``` --- ### **Step 3 - 图像预处理与Blob生成** ```csharp // 读取图像并调整尺寸 Mat img = Cv2.ImRead("test.jpg"); Size inputSize = new Size(224, 224); // 根据模型要求设置 Mat resizedImg = new Mat(); Cv2.Resize(img, resizedImg, inputSize); // 生成Blob（标准化与通道顺序调整） // 参数说明：图像，缩放因子，尺寸，均值减除，交换RB通道 Mat blob = CvDnn.BlobFromImage( resizedImg, scalefactor: 1.0 / 255, size: inputSize, mean: new Scalar(0.485, 0.456, 0.406), // ImageNet标准化均值 swapRB: true // OpenCV默认BGR，模型通常需要RGB ); // 设置网络输入 net.SetInput(blob, name: "data"); ``` --- ### **Step 4 - 前向传播与结果解析** ```csharp // 执行推理 Mat output = net.Forward("prob"); // "prob"为输出层名称（需根据.prototxt确认） // 获取预测结果（示例：分类任务） Softmax(output); // 若模型未包含Softmax层需手动处理 var (maxVal, maxIdx) = GetMaxValue(output); Console.WriteLine($"预测类别ID: {maxIdx}, 置信度: {maxVal * 100:F2}%"); ``` #### **关键工具函数** ```csharp // Softmax处理 private static void Softmax(Mat mat) { Cv2.Exp(mat, mat); double sum = Cv2.Sum(mat).Val0; mat /= sum; } // 获取最大值及其索引 private static (double maxVal, int maxIdx) GetMaxValue(Mat mat) { mat = mat.Reshape(1, 1); // 展平为单行 Cv2.MinMaxLoc(mat, out _, out double maxVal, out _, out Point maxLoc); return (maxVal, maxLoc.X); } ``` --- ### **完整流程示意图** ```mermaid graph TD A[加载模型] --> B[图像预处理] B --> C[生成Blob] C --> D[前向传播] D --> E[解析输出] ``` --- ### **关键问题解决方案** #### **Q1: 如何获取中间层特征？** ```csharp // 前向传播到指定层 Mat conv5_features = net.Forward("conv5_3"); // 指定中间层名称 // 特征可视化（示例：取第一个通道） Mat featureMap; Cv2.ExtractChannel(conv5_features, featureMap, 0); Cv2.Normalize(featureMap, featureMap, 0, 255, NormTypes.MinMax); featureMap.ConvertTo(featureMap, MatType.CV_8UC1); Cv2.ImShow("Feature Map", featureMap); ``` #### **Q2: 如何处理多输出模型？** ```csharp // 设置多目标输出 string[] outputLayers = { "output1", "output2" }; Mat[] outputs = net.Forward(outputLayers); // 分别处理每个输出 foreach (var outMat in outputs) { // 根据具体任务解析 } ``` --- ### **性能优化技巧** 1. **输入尺寸标准化**：确保所有输入图像尺寸与模型要求严格一致 2. **批处理加速**：通过`BlobFromImages`同时处理多张图像 ```csharp Mat[] images = { img1, img2, img3 }; Mat batchBlob = CvDnn.BlobFromImages(images, scalefactor: 1.0/255, size: new Size(224,224)); ``` 3. **异步推理**：结合多线程实现流水线处理 ```csharp Task.Run(() => { net.SetInput(blob); Mat output = net.Forward(); }); ``` --- ### **模型支持列表** | 框架 | 加载方法 | 典型模型 | |------------|------------------------------|-----------------------| | Caffe | `ReadNetFromCaffe` | VGG16, ResNet | | TensorFlow | `ReadNetFromTensorflow` | Inception, MobileNet | | ONNX | `ReadNetFromONNX` | YOLOv4, EfficientNet | | Torch | `ReadNetFromTorch` (已弃用) | 需转为ONNX格式 | --- ### **与Python版OpenCV对比** | 功能 | OpenCvSharp | Python-OpenCV | |-------------------|---------------------------|------------------------| | GPU加速支持 | 需手动编译OpenCV+CUDA | `pip install opencv-contrib-python-headless` | | 多线程处理 | 依赖C# Task/Thread | 使用Python threading | | 模型加载速度 | 快（编译为本地代码） | 中等 | | 部署便捷性 | 需携带OpenCV DLL | 纯Python环境 | --- 如果需要进一步实现自定义网络训练，建议结合以下方案： - **训练端**：使用PyTorch/TensorFlow训练模型 → 导出为ONNX格式 - **部署端**：通过OpenCvSharp加载ONNX模型进行推理 提供具体场景（如人脸识别、目标检测）可获取更针对性的代码示例！
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值