提取图像里面的红色灯笼（二）

最新推荐文章于 2022-07-29 19:30:49 发布
置顶 最新推荐文章于 2022-07-29 19:30:49 发布
阅读量1.6k 收藏 1
点赞数
分类专栏： 图像处理
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。
本文链接：https://blog.csdn.net/hustlx/article/details/50817936
版权

首先对图像进行简单的阈值处理：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
/**************************************************************
 
函数功能：对图像hsi空间红色灯笼的提取
 
输入参数：源图像src；目标图像des；图像参数width,height,nChannels；
 
输出参数：目标图像
 
**************************************************************/
 
void  hsi_seg(unsigned  char * des,  const  unsigned  char * src,  int  width,  int  height,  int  nChannels)
 
{
 
printf ( "%d,%d,%d," ,nChannels,width,height);
 
unsigned  char * ocl =  new  unsigned  char [width * height * nChannels];
 
unsigned  char * hsi =  new  unsigned  char [width * height * nChannels];
 
rgb_hsi(hsi,src, width, height, nChannels); //hsi分量提取
 
for ( int  y = 0; y < height; y++)
 
{
 
for ( int  x = 0; x < width; x++)
 
{
 
int  img_H= hsi[y * width * nChannels + x * nChannels ] ;
 
int  img_S= hsi[y * width * nChannels + x * nChannels + 1] ;
 
int  img_I= hsi[y * width * nChannels + x * nChannels + 2] ;
 
if ((img_H<104)&&(img_H>102)&&(img_I>40)&&(img_S>60))
 
{
 
//printf("%d, ",img_S);
 
for ( int  n=0;n<nChannels;n++)
 
des[y * width * nChannels + x * nChannels + n] = src[y * width * nChannels + x * nChannels + n] ;
 
}
 
else
 
for ( int  n=0;n<nChannels;n++)
 
des[y * width * nChannels + x * nChannels + n] =255;
 
}
 
}
 
ImageDilation(ocl, des, width, height, nChannels,3); //进行3*3的模板膨胀

　　

提取红色分量如下图所示，再进行一次3*3模板的膨胀：

clip_image002 clip_image004

再进行一次腐蚀和填充，效果如下：

clip_image006clip_image008

下面是图像填充的代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
void  Imgfill(unsigned  char * des,  const  unsigned  char * src,  int  width,  int  height,  int  nChannels)
 
{
 
memcpy (des, src, nChannels*width*height);
 
// TODO: 在此添加命令处理程序代码
 
//记录填充行的最左位置
 
int  left_X=0;
 
//记录填充行的最右位置
 
int  right_X=0;
 
//记录填充列的最上位置
 
int  top_Y=0;
 
//记录填充列的最下位置
 
int  bottom_Y=0;
 
//横向填充
 
for ( int  y=0;y<height;y++)
 
{
 
for ( int  x=0;x<width-61;x++)
 
{
 
int  sl=src[y * width * nChannels + x * nChannels + 2];
 
if (sl!=255)
 
{
 
left_X=x; //找到最左边的白色点
 
for ( int  k=60;k>0;k--)
 
{
 
int  sr=src[y * width * nChannels + (x+k) * nChannels + 2];
 
if (sr!=255)
 
{
 
right_X=x+k;
 
break ;  //跳出寻找最右边点的循环
 
}
 
}
 
//将left_X与right_X之间的点设置为黑色
 
for ( int  x=left_X;x<right_X-1;x++)
 
{
 
for ( int  n=0;n<nChannels;n++)
 
des[y * width * nChannels + x * nChannels + n]=0;
 
}
 
//x=right_X;
 
//printf("L%d ",left_X);
 
}
 
}
 
}
 
//纵向填充
 
for ( int  x=0;x<width;x++)
 
{
 
for ( int  y=0;y<height-61;y++)
 
{
 
int  st=src[y * width * nChannels + x * nChannels + 2];
 
if (255!=st)
 
{
 
top_Y=y; //y到最上边的非白色点
 
for ( int  m=10;m>0;m--)
 
{
 
int  sb=src[(y+m) * width * nChannels + x * nChannels + 2];
 
if (sb!=255)
 
{
 
bottom_Y=m+y;
 
break ;  //跳出寻找最下边点的循环
 
}
 
}
 
//将top_Y与bottom_Y之间的点设置为黑色
 
for ( int  y=top_Y;y<bottom_Y-1;y++)
 
{
 
for ( int  n=0;n<nChannels;n++)
 
des[y * width * nChannels + x * nChannels + n]=0;
 
}
 
}
 
}
 
}
 
}

　　

再进行一次8*8的腐蚀和5*5的膨胀：

clip_image010clip_image012

最后重建图像：

clip_image014

二、对大窗户区阴影的增强
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
/**************************************************************
 
函数功能：对图像窗户里阴影进行直方图均衡
 
输入参数：源图像src；目标图像des；图像参数width,height,nChannels；
 
输出参数：目标图像
 
**************************************************************/
 
void  win_enhance(unsigned  char * des,  const  unsigned  char * src,  int  width,  int  height,  int  nChannels)
 
{
 
printf ( "%d,%d,%d," ,nChannels,width,height);
 
unsigned  char * ocl =  new  unsigned  char [width * height * nChannels];
 
unsigned  char * flag =  new  unsigned  char [width * height * nChannels];
 
int  r[256] = {0}, g[256] = {0}, b[256] = {0};
 
int  sum = 0;  //图像中像素点的综合
 
for ( int  y = 0; y < height; y++)
 
{
 
for ( int  x = 0; x < width; x++)
 
{
 
int  B= src[y * width * nChannels + x * nChannels ] ;
 
int  G= src[y * width * nChannels + x * nChannels + 1] ;
 
int  R= src[y * width * nChannels + x * nChannels + 2] ;
 
if ((R+G+B<120)&&(y < height-240)&&(y >250))
 
{
 
//printf("%d, ",img_S);
 
for ( int  n=0;n<nChannels;n++)
 
{
 
des[y * width * nChannels + x * nChannels + n] = src[y * width * nChannels + x * nChannels + n] ;
 
}
 
}
 
else
 
{
 
for ( int  n=0;n<nChannels;n++)
 
{
 
des[y * width * nChannels + x * nChannels + n] =255;
 
}
 
}
 
}
 
}
 
ImageErosion(ocl, des, width, height, nChannels,9);
 
ImageDilation(des, ocl, width, height, nChannels,10);

　　

下图分别为简单的阈值处理后进行一次9*9的腐蚀和10*10膨胀之后的图：

clip_image016clip_image018

下面进行对上图阴影区的直方图均衡：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
memcpy (ocl, des,nChannels*width*height);
 
for ( int  y=0; y<height; y++)
 
for ( int  x=0; x<width; x++)
 
{
 
if ( des[y * width * nChannels + x * nChannels]!=255)
 
{
 
sum=sum+1;
 
flag[y * width * nChannels + x * nChannels ]= 1;
 
b[des[y * width * nChannels + x * nChannels + 0]]++;
 
g[des[y * width * nChannels + x * nChannels + 1]]++;
 
r[des[y * width * nChannels + x * nChannels + 2]]++;
 
}
 
else
 
{
 
flag[y * width * nChannels + x * nChannels ]= 0;
 
}
 
}
 
double  val[3] = {0};
 
for ( int  y=0; y<255; y++)
 
{
 
val[0] += b[y];
 
val[1] += g[y];
 
val[2] += r[y];
 
b[y] = val[0]*255/sum;
 
g[y] = val[1]*255/sum;
 
r[y] = val[2]*255/sum;
 
}
 
for ( int  y=0; y<height; y++)
 
for ( int  x=0; x<width; x++)
 
{
 
if (flag[y * width * nChannels + x * nChannels]==1)
 
{
 
ocl[y * width * nChannels + x * nChannels + 0] = b[des[y * width * nChannels + x * nChannels + 0]] ;
 
ocl[y * width * nChannels + x * nChannels + 1] = g[des[y * width * nChannels + x * nChannels + 1]] ;
 
ocl[y * width * nChannels + x * nChannels + 2] = r[des[y * width * nChannels + x * nChannels + 2]] ;
 
}
 
}
 
//memcpy(des, ocl, nChannels*width*height);
 
for ( int  y=0; y<height; y++)
 
for ( int  x=0; x<width; x++)
 
{
 
if (flag[y * width * nChannels + x * nChannels ]==1)
 
{
 
for ( int  n=0;n<nChannels;n++)
 
des[y * width * nChannels + x * nChannels + n] = ocl[y * width * nChannels + x * nChannels + n] ;
 
}
 
else
 
{
 
for ( int  n=0;n<nChannels;n++)
 
des[y * width * nChannels + x * nChannels + n] = src[y * width * nChannels + x * nChannels + n] ;
 
}
 
}
 
}

　　

最后效果如下：

image

hustlx
关注
专栏目录
java提取红色分量_提取图像里面的红色灯笼（一）
weixin_30023527的博客
02-13 329
图像的分割：RGB空间图像的分割：/**************************************************************函数功能：对图像rgb空间红色灯笼的提取输入参数：源图像src；目标图像des；图像参数width,height,nChannels；输出参数：目标图像********************************************...
利用python写福字【弄个不一样的五福~】
a55656aq的博客
01-22 2127
前言： 马上到春节了，支付宝 2022集五福活动又正式开启开始啦！不出意外，这个星期你会主动找我说话。不为别的，就为了敬业福。 今天小编用python给你们展示一个不一样的五福！感兴趣的小伙伴点击这里哦！ 一、头像福 这个福字是用微信好友的头像所组成。使用 itchat 和 PIL 库，详细方法和代码： 【第一步】 思路：我们自己输入汉字，根据字符串中汉字字符编码，去HZK16字库中获取点阵信息，拿到信息后根据16*16点阵每个点的数据，print 出不同字符。 #初始化16*1.
图片中提取红色区域
11-14
一个简单的提取图片里面红色区域的实例代码，程序为puthon2.X +opencv 2.X.
hsv红色分量的提取
05-10
用Pythonopencv提取图像中的红色区域
12-26
这段代码是通过把图片转为hsv颜色空间进行颜色提取 可以改变lower_red和upper_red的第一个参数来改变要提取的颜色
大红灯笼喜庆素材打包下载.rar
09-07
在解压后，用户可以查看和提取文件，也可以选择性地保存需要的图像，减少磁盘空间占用。 在使用这些素材时，版权问题也不容忽视。虽然这个压缩包可能是为了共享和下载，但确保正确使用这些图片，避免侵犯版权是非常...
喜庆灯笼福袋新年背景图片PPT模板
03-20
在给定的"喜庆灯笼福袋新年背景图片PPT模板"中，我们可以提取出几个重要的知识点： 1. **PPT模板设计**：模板是预先设计好的PPT布局，它包括了统一的颜色方案、字体样式和图形元素，为用户快速创建专业且吸引人的...
基于语义捆绑的零镜头图像检索
5089基于语义捆绑的成对循环一致性的零镜头草图图像检索Anjan Dutta计算机视觉中心巴塞罗那自治大学adutta@cvc.uab.esZeynep Akata阿姆斯特丹机器学习实验室阿姆斯特丹大学z. uva.nl摘要基于零拍摄草图的图像检索...
PSD新年吉祥模板下载
12-16
在网页模版中，PSD文件可以作为设计草图，设计师会将各个图层组织得井井有条，以便开发人员可以轻松地提取图像、CSS样式和HTML结构。开发人员通常会将PSD文件转换为HTML和CSS，以实现网页的动态效果和响应式布局，...
用Delphi实现热点(把图形的一部分实现热区)
02-23
用Delphi实现热点(把图形的一部分实现热区)用Delphi实现热点(把图形的一部分实现热区),不规则热区的实现 win2000,delphi7中编译通过。
提取图像里面的红色灯笼（一）
李鑫o_O
03-07 1570
图像的分割：RGB空间图像的分割： /************************************************************** 函数功能：对图像rgb空间红色灯笼的提取 输入参数：源图像src；目标图像des；图像参数width,height,nChannels； 输出参数：目标图像 **************************
RGB图像中特定颜色的提取
su_yuheng的博客
11-16 3万+
一、理论基础        在电脑中，RGB的所谓“多少”就是指亮度，并使用整数来表示。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2...直到255。注意虽然数字最高是255，但0也是数值之一，因此共256级。如同2000年到2010年共是11年一样。 按照计算，256级的RGB色彩总共能组合出约1678万种色彩，即256×256×256=16777216。通常也被简称为160
OpenCV提取显示一张图片（或者视频）的R,G,B颜色分量
dianyimo9099的博客
02-11 440
使用OpenCV可以提分别提取显示一张图片（或者视频）的R,G,B颜色分量。效果如下。 原图： R： G： B： 示例代码如下，貌似很久以前网上找的的，逻辑很清晰，就是把R，G，B三个分量分开，然后显示出来，就不注释了。 #include "cv.h" #include "highgui.h" #include ...
OPENCV2 获取彩色图中单一颜色分量
learn_sunzhuli的专栏
08-19 5488
在图像分割问题中，图像的灰度值做为一个重要的特征，有助于提取感兴趣的区域。提出一个问题： 给定一张自然图像，如何在复杂的背景中提取文字，并将文字与图分离？提取颜色分量有多种方法，本文提供两种思路： （1） 遍历整个图像，通过阈值法提取某个颜色分量 （2） 调用OPENCV中提供的split()函数，实现颜色通道分离。
Matlab提取图像的RGB分量以及RGB的阈值分割
热门推荐
文鸿开源工作室
05-09 4万+
本教程讲解如何将一副RGB图像，提取出图像的R,G,B分量的图像。如何将图像进行颜色的阈值分割。 原图像 ​ Matlab提取RGB颜色分量： 我们知道，一张RGB图像，对应着一个M xN x3 的三维图像。这里的3代表着R,G,B三个分量。其数据类型为uint8类型。数值大小在[0,255]之间。 例如：我们在Matlab中读入本次测试的图像。I=imread(‘test.bm...
根据HSV分量模型，提取红色的几种方法介绍
中国小宝
03-19 1万+
根据hsv分量模型，各种颜色范围分布如下： 红色的范围是：[0, 43, 46]~[10,255,255]∪[156, 43, 46]~[180,255,255]。 红色比较特殊，覆盖了多个范围，处理起来增加了不少难度，以下介绍两种方法去获取红色。 方法1： import cv2 import numpy as np def extract_red(pic): '''...
[matlab数字图像处理8]提取一副彩色图像中红色，用HIS模型处理，RGB模型对比显示
qq_46535765的博客
07-29 5590
数字图像处理8
UL1576:2018 手电筒与灯笼安全标准中文翻译
本标准主要关注由二次（可充电）电池和通用一次（不可充电）电池供电的电池驱动的手电筒和灯笼在非危险场所的应用。它不仅涵盖了独立的手电筒和灯笼，还涉及那些与电源电压连接，一旦电源中断即自动开启的设备。 ...
评论
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