
图像处理
weixin_43812135
研究图像处理
展开
-
vs2013+opencv3.0.0详细配置及配置之中常遇到的问题详解
1、opencv环境变量的配置右击我的电脑——属性——高级系统设置…在Path变量值路径里添加如下库,也就是安装的opencv的路径本人的是:G:\opencv\opencv3.0_win\opencv\build*x86*\vc12\bin切记,无论你的电脑是64位还是32位,路径中都选“x86”中的vc12\bin。1)选择电脑右键点击-属性:2)高级系统设置3)选择环境变量...原创 2019-09-23 21:11:37 · 251 阅读 · 0 评论 -
联通域标记与联通域数量统计
联通域标记与联通域数量统计联通域标记分为8联通和4联通以8联通为例,过程比一般人的简单设,signal为联通域的个数,起初设为0.1.寻找二值化后的目标点,设f(i,j)为目标点,若该点最左,左上,最上,上右都为0(非目标点)则signal加1,并把signal的值赋给f(i,j)。2.如果f(i,j),最左,左上,最上,上右有非0的点,则将最小的非0点赋值给f(i,j),若f(i,j)...原创 2019-08-21 08:44:50 · 834 阅读 · 1 评论 -
基于matlab的XML文件批量处理
基于matlab的XML文件批量处理maindir = ’ ‘; %引号里面填XML文件所在的文件路径subdirpath = fullfile( maindir, ‘*.jpg’ ); %读取文件夹中jpg格式的图片(以jpg格式图片为例,也可以是其他格式)img = dir( subdirpath1 ); %将找到的所有XML文件内容传递给imgfor j = 1 : length(...原创 2019-04-16 09:30:36 · 673 阅读 · 0 评论 -
基于粒子群优化的 OTSU 图像分割
基于粒子群优化的 OTSU 图像分割思想:粒子群算法是一种优化算法,与狼群算法,遗传算法类似,用于求取全局最优解;将粒子群与 OTSU 相结合目的是为了快速找到图像分割的最佳阈值,提高图像分割的效率。粒子群算法原理:受飞鸟集群飞行觅食行为的启发,Kennedy等提出的一种优化算法。首先初始化一群具有随机位置和速度的粒子,然后通过迭代的方式改变每个粒子的位置和速度,使得所有粒子的位置都向最好...原创 2019-04-16 13:30:10 · 4039 阅读 · 3 评论 -
对图像进行批量处理——matlab
基于matlab的图像批量处理maindir = ’ ‘; %引号里面填图片所在的文件路径savedir =’ '; %引号里面填图片处理后要保存到的所在文件路径subdirpath = fullfile( maindir, ‘*.jpg’ ); %读取文件夹中jpg格式的图片(以jpg格式图片为例,也可以是其他格式)img = dir( subdirpath1 ); ...原创 2019-04-16 09:11:40 · 2023 阅读 · 0 评论 -
钢板表面不同种类的缺陷图
钢板表面不同种类的缺陷图19种钢板缺陷种类1.结疤:钢板表面出现不规则的“舌状”、“鱼鳞状”或条状翘起的金属起层2.夹杂:钢板表面出现不规则的“舌状”、“鱼鳞状”或条状翘起的金属起层3.分层:是基材内部的夹层,这种缺陷不一定出现在表面上,往往表现为单面或双面鼓泡4.抓痕:钢板表面呈现的深浅不等,类似于鸡爪形状的裂纹称为爪裂5.纵裂:钢板表面沿轧制方向具有一定深度和长度的裂纹称为...原创 2019-03-28 14:52:21 · 9089 阅读 · 0 评论 -
基于二维的Otsu(灰度级-梯度级)图像分割
原理:基于二维的Otsu(灰度级-梯度级)图像分割方式的思想与一维 Otsu 图像分割的思想一样。基于二维的Otsu(灰度级-梯度级)图像分割减少基于二维的Otsu(灰度级-灰度均值级)的计算量,同时进一步提高抗噪能力。用f(i,j)和g(i,j)取代像素点(i,j)处的灰度值f(i,j);其中g(i,j)为像素点(i,j)的灰度值f(i,j)与像素点(i,j)邻域像素值的均值的插值的绝对值...原创 2019-04-10 17:27:37 · 2286 阅读 · 0 评论 -
基于二维的Otsu(灰度级-平均灰度级)图像分割
原理:基于二维的Otsu(灰度级-平均灰度级)图像分割方式的思想与一维 Otsu 图像分割的思想一样。二维的Otsu提高了一维的抗噪能力。用f(i,j)和g(i,j)取代像素点(i,j)处的灰度值f(i,j);其中g(i,j)为像素点(i,j)处邻域像素值的均值。取代后变成二维形式:[ f(i,j),g(i,j) ]。设:灰度值为 i ,灰度均值为 j 的像素点个数为 ni,其概率 Pi...原创 2019-04-10 16:52:24 · 1452 阅读 · 0 评论 -
基于一维Otsu的图像分割
原理:设图像中灰度为 i 的像素数量为ni ,灰度范围为[0_[0 — L-1],其中L为256,图像中总像素数为N各个灰度值(0-255)出现的概率为Pi,选用阈值K,将图像灰度分成 A 和 B 两部分,两部分的概率分别为:A B 两部分的平均灰度为:两个部分的方差为:使两部分的方差达到最大的K值,就是图像分割的最佳阈值。分析:如图所示:对于灰度统计图为双峰的图像,用该...原创 2019-04-10 15:36:06 · 714 阅读 · 0 评论