传统目标检测方法步骤记录

最新推荐文章于 2023-09-09 16:09:42 发布

Lininggggggg

最新推荐文章于 2023-09-09 16:09:42 发布

阅读量256

点赞数

分类专栏：黑板项目文章标签： python

本文链接：https://blog.csdn.net/Lininggggggg/article/details/124175183

版权

本文详细记录了传统目标检测的方法步骤，包括从图像预处理到特征提取，再到候选区域生成和分类验证，全面阐述了这一过程的核心技术。

摘要由CSDN通过智能技术生成

传统目标检测方法步骤记录

# # https://blog.csdn.net/mao_hui_fei/article/details/115132222
# #（基于透视的图像矫正）
import cv2
import math
import numpy as np

def Img_Outline(input_dir):
    original_img = cv2.imread(input_dir)
    gray_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray_img, (5, 5), 0)                     # 高斯模糊去噪（设定卷积核大小影响效果）
    # _, RedThresh = cv2.threshold(blurred, 165, 255, cv2.THRESH_BINARY)  # 设定阈值165（阈值影响开闭运算效果）
    
    # _, RedThresh = cv2.threshold(blurred, 50, 255, 0) # 能运行
    _, RedThresh = cv2.threshold(blurred, 50, 255, 0) # 效果很好。。。
    # https://blog.csdn.net/JNingWei/article/details/77747959


    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))          # 定义矩形结构元素
    closed = cv2.morphologyEx(RedThresh, cv2.MORPH_CLOSE, kernel)       # 闭运算（链接块）
    opened = cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel)           # 开运算（去噪点）
    return original_img, gray_img, RedThresh, closed, opened


def findContours_img(original_img, opened):
    contours, hierarchy = cv2