hit-miss变换实例

最新推荐文章于 2022-10-27 09:58:52 发布
最新推荐文章于 2022-10-27 09:58:52 发布
阅读量1.1w 收藏 24
点赞数 7
分类专栏： 图像处理 文章标签： opencv 击中不击中 钥匙匹配
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/jinshengtao/article/details/20707711
版权

本文依旧延续斯坦福的课程，讲解下如何用形态学操作来辨识钥匙。给定一把钥匙，如何从一串钥匙中匹配该钥匙，每把钥匙尾部都不同，但两幅图像中钥匙尺寸都相同。虽然还没想到它的经济价值，但是还是比较有趣的。

介绍内容：

1.      题目

2.      解题思路

3.      Matlab代码及实验结果

4.      击中不击中原理及opencv实现


老外原题：

DuplicateKey Detection

  In a large set of keys, we would like to use image processing to automatically detectif two keys are duplicates of each other. Two keys can be considered duplicateseven if they have different bows, as long as their blades are identical.

  Design and implement an image processing algorithm to automatically determinewhich key (if any) in hw3_keys_set.png is a duplicate of the key in hw3_key.png.


题目大意就是根据Blade找匹配的钥匙【不要管bow】

 

解题思路：

1.      二值化钥匙串的图片key_set

2.      二值化钥匙目标图片key，并对二值图像进行剪切，只保留blade部分【这算开挂！】

3.      对二值化目标图片的前景部分【白色】，使用1*3结构基元腐蚀

4.      对于二值化目标图像的背景部分【黑色】，分别使用1*7结构基元和1*5结构基元膨胀，然后计算他们的差分图像【3，4两步其实是计算hit-miss变换的两种模板】

5.      对钥匙串图片进行hit-miss操作【算法步骤后面介绍】

6.      对5的结果，用目标图片进行膨胀。

7.      展示结果，显示钥匙串的二值化图，通过阈值改变匹配的blade部分灰度值。

Matlab源码：

clc; clear all;
% Load and binarize test image
imgTest = im2double(imread('hw3_keys_set.png'));
imgTestGray = rgb2gray(imgTest);
imgTestBin = double(imgTestGray < 0.95);
% figure(1); clf;
% imshow(imgTestBin);
% Load and binarize template image
imgTemplate = im2double(imread('hw3_key.png'));
imgTemplateGray = rgb2gray(imgTemplate);
imgTemplateBin = double(imgTemplateGray < 0.95);
% figure(2); clf;
% imshow(imgTemplateBin);
% Prepare structuring elements
imgTemplateBin = imgTemplateBin(93:end,:);
SE1 = imerode(imgTemplateBin, ones(1,3));
SE2 = imdilate(imgTemplateBin, ones(1,7)) - imdilate(imgTemplateBin, ones(1,5));
% SE2 = imdilate(imgTemplateBin, ones(1,5));
figure(3); clf;
imshow(SE1);
figure(4); clf;
imshow(SE2);
% Perform hit-miss filtering
imgHitMiss = bwhitmiss(imgTestBin, SE1, SE2);
imgHitMissDilate = imdilate(imgHitMiss, imgTemplateBin);
figure(5); clf;
alpha = 0.3;
imshow(max(imgHitMissDilate, alpha*imgTestBin));

实验效果：







Hit-miss算法步骤：

击中击不中变换是形态学中用来检测特定形状所处位置的一个基本工具。它的原理就是使用腐蚀；如果要在一幅图像A上找到B形状的目标，我们要做的是：

首先，建立一个比B大的模板W；使用此模板对图像A进行腐蚀，得到图像假设为Process1;

其次，用B减去W，从而得到V模板(W-B)；使用V模板对图像A的补集进行腐蚀，得到图像假设为Process2;

然后，Process1与Process2取交集；得到的结果就是B的位置。这里的位置可能不是B的中心位置，要视W-B时对齐的位置而异；

其实很简单，两次腐蚀，然后交集，结果就出来了。


Hit-miss原理：

基于腐蚀运算的一个特性：腐蚀的过程相当于对可以填入结构元素的位置作标记的过程。

    腐蚀中，虽然标记点取决于原点在结构元素中的相对位置，但输出图像的形状与此无关，改变原点的位置，只会导致输出结果发生平移。

    既然腐蚀的过程相当于对可以填入结构元素的位置作标记的过程，可以利用腐蚀来确定目标的位置。

    进行目标检测，既要检测到目标的内部，也要检测到外部，即在一次运算中可以同时捕获内外标记。

    由于以上两点，采用两个结构基元H、M，作为一个结构元素对B＝（H，M），一个探测目标内部，一个探测目标外部。当且仅当H平移到某一点可填入X的内部，M平移到该点可填入X的外部时，该点才在击中击不中变换的输出中。

 

Hit-miss示意图：

在A图中寻找B图所示的图像目标的位置。


解：

1、确定结构元素

既然是寻找图B所示形状，选取H为图B所示的形状。再选一个小窗口W，W包含H，M＝W－H。如下图所示：


2、求


3、求


4、求



基于Opencv的实现：

// hist_miss.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"

int _tmain(int argc, _TCHAR* argv[])
{
	IplImage *src,*temp,*g_src,*g_temp,*g_blade,*e_blade,*b_blade,*b_blade_cha1,*b_blade_cha2;
	int i,j,pixel;

	src = cvLoadImage("b.png");
	temp = cvLoadImage("a.png");

	g_src = cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);
	g_temp = cvCreateImage(cvSize(temp->width,temp->height),IPL_DEPTH_8U,1);
	g_blade = cvCreateImage(cvSize(temp->width,temp->height - 93),IPL_DEPTH_8U,1);
	e_blade = cvCreateImage(cvSize(temp->width,temp->height - 93),IPL_DEPTH_8U,1);
	b_blade = cvCreateImage(cvSize(temp->width,temp->height - 93),IPL_DEPTH_8U,1);
	b_blade_cha1 = cvCreateImage(cvSize(temp->width,temp->height - 93),IPL_DEPTH_8U,1);
	b_blade_cha2 = cvCreateImage(cvSize(temp->width,temp->height - 93),IPL_DEPTH_8U,1);


	//彩色图转灰度图
	cvCvtColor(src,g_src,CV_BGR2GRAY);
	cvCvtColor(temp,g_temp,CV_BGR2GRAY);

	//二值化操作
	for (i=0;i<src->height;i++)
	{
		for (j=0;j<src->width;j++)
		{
			pixel = (unsigned char)g_src->imageData[i*src->width+j];
			if (pixel < 255*0.95)
			{
				g_src->imageData[i*src->width+j] = 255;
			}else{
				g_src->imageData[i*src->width+j] = 0;
			}
		}
	}

	for (i=0;i<temp->height;i++)
	{
		for (j=0;j<temp->width;j++)
		{
			pixel = (unsigned char)g_temp->imageData[i*temp->width+j];
			if (pixel < 255*0.95)
			{
				g_temp->imageData[i*temp->width+j] = 255;
			}else{
				g_temp->imageData[i*temp->width+j] = 0;
			}
		}
	}

	//仅保留blade部分，开挂了
	for (i=92;i<temp->height;i++)
	{
		for (j=0;j<temp->width;j++)
		{
			g_blade->imageData[(i-92)*temp->width+j] = g_temp->imageData[i*temp->width+j];
		}
	}

	//准备结构元素
	IplConvKernel *u1,*u2,*u3;
	int value1[3]={1,1,1};
	int value2[7]={1,1,1,1,1,1,1};
	int value3[5]={1,1,1,1,1};
	u1 =  cvCreateStructuringElementEx(3,1,1,0,CV_SHAPE_RECT,value1);
	u2 =  cvCreateStructuringElementEx(7,1,3,0,CV_SHAPE_CUSTOM,value2);
	u3 =  cvCreateStructuringElementEx(5,1,2,0,CV_SHAPE_CUSTOM,value3);

	//对Blade腐蚀
	cvErode(g_blade,e_blade,u1);

	//对Blade膨胀
	cvDilate(g_blade,b_blade_cha2,u3);
	cvDilate(g_blade,b_blade_cha1,u2);
	

	//膨胀后两幅图像相减
	for (i=0;i<b_blade_cha1->height;i++)
	{
		for (j=0;j<b_blade_cha1->width;j++)
		{
			b_blade->imageData[i*temp->width+j] = b_blade_cha1->imageData[i*temp->width+j] - b_blade_cha2->imageData[i*temp->width+j];
		}
	}

	//准备结构元素
	IplImage *src_1,*src_2,*src_3;
	src_1 = cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);
	src_2 = cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);
	src_3 = cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);
	int *value_e,*value_b;

	value_e = (int *)malloc(sizeof(int)*e_blade->height*e_blade->width);
	value_b = (int *)malloc(sizeof(int)*e_blade->height*e_blade->width);
	memset(value_e,0,sizeof(int)*e_blade->height*e_blade->width);
	memset(value_b,0,sizeof(int)*e_blade->height*e_blade->width);

	for (i=0;i<e_blade->height;i++)
	{
		for (j=0;j<e_blade->width;j++)
		{
			if ((unsigned char)e_blade->imageData[i*e_blade->width+j] == 255)
			{
				value_e[i*e_blade->width+j] =1;
			}
			if ((unsigned char)b_blade->imageData[i*e_blade->width+j] == 255)
			{
				value_b[i*e_blade->width+j] =1;
			}
		}
	}
	
	IplConvKernel *e,*b;
	e = cvCreateStructuringElementEx(e_blade->width,e_blade->height,e_blade->width/2,e_blade->height/2,CV_SHAPE_CUSTOM,value_e);
	b = cvCreateStructuringElementEx(e_blade->width,e_blade->height,e_blade->width/2,e_blade->height/2,CV_SHAPE_CUSTOM,value_b);
	
	//分别使用e和b对g_src和~g_src腐蚀
	cvErode(g_src,src_1,e);

	cvNot(g_src,src_2);	//取反

	cvErode(src_2,src_3,b);

	cvAnd(src_1,src_3,src_2);//取交集

	//使用g_blade，对交集部分膨胀
	int *value_blade;
	value_blade = (int *)malloc(sizeof(int)*g_blade->width*g_blade->height);
	memset(value_blade,0,sizeof(int)*g_blade->width*g_blade->height);

	//int count =0;
	for (i=0;i<g_blade->height;i++)
	{
		for (j=0;j<g_blade->width;j++)
		{
			if ((unsigned char)g_blade->imageData[i*g_blade->width+j] == 255)
			{
				value_blade[i*g_blade->width+j] = 1;
			}
		}
	}
	IplConvKernel *and;
	and = cvCreateStructuringElementEx(e_blade->width,e_blade->height,e_blade->width/2,e_blade->height/2,CV_SHAPE_CUSTOM,value_blade);
	cvDilate(src_2,src_3,and);

	
	//修改g_src，以最终显示
	for (i=0;i<g_src->height;i++)
	{
		for (j=0;j<g_src->width;j++)
		{
			pixel = (unsigned char)src_3->imageData[i*g_src->width+j];
			
			if (!pixel)
			{
				g_src->imageData[i*g_src->width+j] = 0.3*(unsigned char)g_src->imageData[i*g_src->width+j];
			}else{
				g_src->imageData[i*g_src->width+j] = g_src->imageData[i*g_src->width+j];
			}
		}
	}

	//cvNamedWindow("src",0);
	cvNamedWindow("template",0);
	//cvShowImage("src",b_blade);
	cvShowImage("template",src_3);
	//cvSaveImage("src_2.jpg",src_2);
	cvWaitKey(0);

	return 0;
}

结果很不好，关键是最后一步用blade去膨胀src_2时，结果图像居然是倒过来的！同样两幅图，我用matlab的imdilate函数，结果是正的。

网上看了下，可能这是Opencv中cvCreateStructuringElementEx自身的BUG，主要是anchor的问题，而且直到2.4.2都没解决！

http://answers.opencv.org/question/5014/how-to-use-the-function/

唉，坑了！下面贴出悲剧的结果：

src_2.jpg:【其实没啥，就3个像素点】


g_blade.jpg:


膨胀后的结果，src_3.jpg:


最后的结果：【不对的！】


taotao1233
关注
  • 7
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
OpenCV 击中或没打中 Hit-or-Miss/Hit-and-Miss
希望我的博客，能帮上你解决学习中工作中所遇到的问题
04-20 448
OpenCV 击中或没打中 Hit-or-Miss/Hit-and-Miss击中或没打中 Hit-or-Miss/Hit-and-Miss目标Hit-or-Miss理论代码其他例子 击中或没打中 Hit-or-Miss/Hit-and-Miss 目标 在本教程中，您将学习如何使用Hit-or-Miss变换（也称为Hit-and-Miss变换）在二进制映像中查找给定的配置或模式。此转换也是更高级的形态学操作（例如稀疏或修剪）的基础。 我们将使用OpenCV函数morphologyEx（）。 Hit-or-Mi
matlab开发-Hit和MissAlgorithm的形态学细化
08-27
matlab开发-Hit和MissAlgorithm的形态学细化。细化形态学图像最基本的方法之一
论文研究-基于模糊Hit-Miss变换的信息填涂卡识别方法研究.pdf
07-22
介绍了一个针对信息填涂卡识别的OMR技术，这是自动阅卷系统中非常关键的一个环节。介绍了模糊Hit-Miss变换的原理，并基于该原理，详细介绍了OMR算法。为了增强系统的鲁棒性和适应性，对识别信度进行评估，并由用户根据实际情况设定适当的阈值。实验结果表明，本文方法性能优越，有很高的实用价值。
OpenCV-Python击中击不中HITMISS形态变换详解
老猿Python
12-06 2684
OpenCV-Python击中击不中HMT变换是形态变换的一个重要变换，也是目前老猿准备介绍的形态变换的最后一个变换，相对腐蚀、膨胀、开、闭等运算来说，HMT变换公开资料相对少一些，并且现有公开资料内容写得并不是很适合初学者理解，老猿将HMT变换相关的知识分成了多个有机完整但有相对独立的博文来介绍，部分文章内容是目前网上找不到相同内容且有助于快速理解HMT变换的关键知识点。其中尤其以涉及击中核和击不中核的构造方法以及一个完全等效OpenCV的HMT变换自定义函数对初学者理解HMT变换非常有帮助
4 Burrow-Wheeler 变换
qq_39678022的博客
12-03 491
从k阶熵和0阶熵的比较中可以看出，k阶熵能储存更多的信息，从而具有更强大的压缩能力。而相比来说，0阶熵就有点太弱了。而BW变换可以作用于0阶熵之前，让0阶熵也拥有强大的能力。 BW变换两种操作： 旋转（rotation）：把第一个字符放到字符串后面，可进行多次旋转操作，可看作每次操作将字符串分成两部分，交换前缀和后缀。对一个长度为n的串，共有n种可能 notation：首先要知道，前缀小于字符串，比如as < ash（只是字典的约定，不是法律）我们定义一个$符号作为文本的终结符，让美元符号小于所有字
hitmiss matlab,hit-miss变换实例
weixin_42813171的博客
03-20 453
本文依旧延续斯坦福的课程，讲解下如何用形态学操作来辨识钥匙。给定一把钥匙，如何从一串钥匙中匹配该钥匙，每把钥匙尾部都不同，但两幅图像中钥匙尺寸都相同。虽然还没想到它的经济价值，但是还是比较有趣的。介绍内容：1.题目2.解题思路3.Matlab代码及实验结果4.击中不击中原理及opencv实现老外原题：DuplicateKey DetectionIn ...
击中击不中变换
dazhuan0429的博客
01-14 6387
击中击不中变换定义 击中击不中变换(HMT)需要两个结构元素B1和B2,合成一个结构元素对B=(B1,B2) 一个用于探测图像内部,作为击中部分;另一个用于探测图像外部,作为击不中部分。显然,B1和B2是不应该相连接的,即B1∩B2=Φ。击中击不中变换的数学表达式为： g(x, y)=hitmiss[f(x, y), B]=erode[f(x, y), B1]AND erode[fc(x,...
形态学 - 击中-击不中变换
Henry的博客
10-27 2977
HMT全称是Hit miss transformation --- 击中 击不中变换，这里我们只对二值图像做处理二值图像是图像的灰度值只有两个值的图像，也就是非黑即白的图像，所以常用0表示黑，255表示白来表示二值图像通过结构元B1 对前景目标（灰度值为1255的点）做腐蚀操作通过结构元B2 对背景目标（灰度值为0的点）做腐蚀操作。因为我们只对二值图像做处理，只包含了前景+背景，所以背景目标也可以认为是前景目标的补集最后将前两步骤的图像求公共的集合，即交集。
OpenCV图形图像击中击不中HITMISS变换处理基础知识
老猿Python
12-06 4386
本节基于OpenCV官方文档基础之上，介绍了击中击不中HITMISS变换处理的原理、算法、图解案例以及案例实现，击中击不中HITMISS变换处理是通过两次腐蚀查找图像内部特定的形状。
数学形态学的细化算法（涉及击中击不中变换）
12-07
数学形态学的细化算法，涉及数学形态的膨胀、腐蚀、开、闭、击中击不中变换
形態交離轉換(Hit-or-Miss transform)
11-16
二元值影像之形狀比對（shape matching）的型態學工具，也稱Serra transform
oslab实验环境hit-oslab-linux
08-28
包含linux-0.11源码,bochs模拟器等，配套李治军老师操作系统系列课程
hit-ICS2023大作业
最新发布
05-29
hit-ICS2023大作业
HIT-ICS2023大作业
05-23
HIT-ICS2023大作业
Gabor滤波器学习
热门推荐
Where there is life, there is hope
01-03 14万+
本文的目的是用C实现生成Gabor模版，并对图像卷积。并简单提一下，Gabor滤波器在纹理特征提取上的应用。 一、什么是Gabor函数（以下内容含部分翻译自维基百科）   在图像处理中，Gabor函数是一个用于边缘提取的线性滤波器。Gabor滤波器的频率和方向表达同人类视觉系统类似。研究发现，Gabor滤波器十分适合纹理表达和分离。在空间域中，一个二维Gabor滤波器是一个由正弦平面波调制的高
基于MeanShift的目标跟踪算法及实现
Where there is life, there is hope
06-12 14万+
这次将介绍基于MeanShift的目标跟踪算法，首先谈谈简介，然后给出算法实现流程，最后实现了一个单目标跟踪的MeanShift算法【matlab/c两个版本】   一、简介      首先扯扯无参密度估计理论，无参密度估计也叫做非参数估计，属于数理统计的一个分支，和参数密度估计共同构成了概率密度估计方法。参数密度估计方法要求特征空间服从一个已知的概率密度函数，在实际的应用中这个条件很难达到
《Mastering Opencv ...读书笔记系列》车牌识别（I）
Where there is life, there is hope
01-05 6万+
一、ANPR简介：   Automatic Number Plate Recognition (ANPR),，是一种使用Optical Character Recognition (OCR)和其他分割、检测方法来读取汽车注册牌照的算法。最好的ANPR算法结果是由红外线照相机拍摄图片得到的。因为车牌的特殊材质，夜间会有逆反射效果，看不清车牌。但是现在我们不使用IR图片，我们使用常规图片，这样就增加
混合高斯背景建模原理及实现
Where there is life, there is hope
05-19 6万+
前些日子一直在忙答辩的事情，毕业后去了华为，图像处理什么的都派不上用场了。打算分3-4篇文章，把我研究生阶段学过的常用算法为大家和4107的师弟师妹们分享下。 本次介绍混合高斯背景建模算法，还是老样子，首先介绍理论部分，然后给出代码，最后实验贴图。 一、理论 混合高斯背景建模是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个
01-object-hit-test.html 完成的碰撞检测
05-10
碰撞检测是指在游戏或者模拟中检测两个物体是否发生了碰撞。在网页开发中，我们可以使用JavaScript实现简单的碰撞检测。在01-object-hit-test.html中，实现了一个基于Canvas的简单碰撞检测示例，通过判断两个圆形物体之间的距离是否小于它们的半径之和来判断它们是否发生了碰撞。 具体实现步骤如下： 1. 定义两个圆形物体（对象），包括其位置、半径、颜色等属性。 ``` var circle1 = { x: 100, y: 100, r: 50, color: "#FF0000" }; var circle2 = { x: 200, y: 200, r: 80, color: "#0000FF" }; ``` 2. 在Canvas中绘制两个圆形物体。 ``` ctx.beginPath(); ctx.arc(circle1.x, circle1.y, circle1.r, 0, 2 * Math.PI); ctx.fillStyle = circle1.color; ctx.fill(); ctx.beginPath(); ctx.arc(circle2.x, circle2.y, circle2.r, 0, 2 * Math.PI); ctx.fillStyle = circle2.color; ctx.fill(); ``` 3. 计算两个圆形物体之间的距离。 ``` var distance = Math.sqrt(Math.pow(circle1.x - circle2.x, 2) + Math.pow(circle1.y - circle2.y, 2)); ``` 4. 判断两个圆形物体是否发生碰撞。 ``` if (distance < circle1.r + circle2.r) { console.log("Collision detected!"); } ``` 完整代码如下： ``` <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>Object Hit Test</title> </head> <body> <canvas id="canvas" width="400" height="400"></canvas> <script> var canvas = document.getElementById("canvas"); var ctx = canvas.getContext("2d"); var circle1 = { x: 100, y: 100, r: 50, color: "#FF0000" }; var circle2 = { x: 200, y: 200, r: 80, color: "#0000FF" }; ctx.beginPath(); ctx.arc(circle1.x, circle1.y, circle1.r, 0, 2 * Math.PI); ctx.fillStyle = circle1.color; ctx.fill(); ctx.beginPath(); ctx.arc(circle2.x, circle2.y, circle2.r, 0, 2 * Math.PI); ctx.fillStyle = circle2.color; ctx.fill(); var distance = Math.sqrt(Math.pow(circle1.x - circle2.x, 2) + Math.pow(circle1.y - circle2.y, 2)); if (distance < circle1.r + circle2.r) { console.log("Collision detected!"); } </script> </body> </html> ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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