将一幅图像分割成很多个小图像并保存


#include <opencv2/core/core.hpp>    

#include "opencv2/opencv.hpp"

#include <opencv2/highgui/highgui.hpp>    

#include <iostream>  

#include <opencv2/imgproc/imgproc.hpp>  

#include <vector>  

using namespace std;

using namespace cv;



void main()

{       //设置分割后图像存储路径

	string outpath = "F:\\data\\";

	Mat img = imread("digits.png"); //将图像放在项目工程里,使用imread函数读取

	int t = 0;

	int m = img.cols /20;    //m*n是切割后子图像的个数

	int n = img.rows /20;    

	Vector<Mat> ceil_img;  //迭代器ceil_img存储子图像

	Vector<int> name;     //迭代器name存储子图像的名字,从0到m*n-1

	for (t; t < m*n; t++)

		name.push_back(t);



	Mat image_cut, roi_img, tim_img;

	for (int j = 0; j <n; j++)

	{

		for (int i = 0; i < m; i++)

		{

			Rect rect(i * 20, j * 20, 20, 20);

			image_cut = Mat(img, rect);

			roi_img = image_cut.clone();

			ceil_img.push_back(roi_img);

		}

	}

	for (int t=0; t < m*n;t++)

		imwrite(outpath + to_string(long long((name[t])))+".png", ceil_img[t]);

}

 

好的,让我来回答你的问题。以下是MATLAB代码和分析: 代码: ```matlab % 读取图像 img = imread('example.jpg'); % 对图像进行高斯滤波 img_gauss = imgaussfilt(img, 2); % 对图像进行LoG算子处理 img_log = edge(img_gauss, 'log', 0.01); % 显示结果 subplot(1, 2, 1), imshow(img), title('原始图像'); subplot(1, 2, 2), imshow(img_log), title('LoG算子分割结果'); ``` 分析: 首先,我们使用`imread`函数将一幅图像读取到MATLAB中。然后,我们对图像进行高斯滤波,这一步的目的是平滑图像以降低噪声,同时也有助于强化边缘。使用`imgaussfilt`函数可以实现高斯滤波。 接下来,我们使用MATLAB内置的`edge`函数来实现LoG算子的图像分割处理。LoG算子是一种基于拉普拉斯算子和高斯函数的算子,可以在图像中检测出边缘。`edge`函数的第一个参数是需要处理的图像,第二个参数是算子类型,这里我们选择了'log'。第三个参数是阈值,控制边缘的检测灵敏度。在这个例子中,我们将阈值设置为0.01。 最后,我们使用`subplot`函数将原始图像分割结果显示在同一个窗口中,方便比较。可以看到,经过LoG算子的处理,图像中的边缘被清晰地分割出来了,并且在一些细节区域的分割效果也很好。但是在一些区域存在较多的噪声,这可能会影响后续的图像处理任务。 总的来说,LoG算子是一种简单而有效的图像分割方法,但在实际应用中需要考虑到阈值的选择和噪声的影响。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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