halcon学习笔记——(12)图像分割

一,基本的图像通道知识不予介绍 
二,单通道图像分割 
1阈值分割 
全局阈值,局部阈值法,直方图自动阈值(自适应阈值)

指定全局阈值

threshold( Image: Region: MinGray, MaxGray)  //人工设置阈值

局部阈值法,后面再加以描述

直方图自动阈值(自适应阈值)

auto_threshold( Image: Region:Sigma:)

//自动阈值输入必须是是单通道图像,会有多阈值分割,Sigma用于对灰度直方图进行高斯平滑,决定了平滑的程度(分割细致程度),当sigma很大时,灰度直方图基本会被平滑为只剩下一个波峰,而分割是根据平滑后直方图的波谷来进行的,Sigma小,分割的越细致。

image

三,彩色图像的分割

decompose3
trans_from_rgb(red,green,blue,result1,result2,result3,colortypespace)

四,整理常用的提取简单结果的函数

使用感兴趣区域(Region Of Interesting,ROI)可以进一步缩小定义区域。这样可以避免处理无关区域,从而减少运算时间。 
1,设置ROI,方法是用图形窗口的设置ROI助手,然后手动画出并插入代码

gen_rectangle1(ROI_0, *****)

2,reduce_domain用于截取所画出的ROI

reduce_domain(fullImage,ROIarea,ReducedImage)

3,通常在threshod后,试用connection选择出连通区域,然后用面积和形状选择法选出自己关注的形状

threshold()
connection(Region, OutputRegion)
select_shape(input,output, Requirments....)

五,其他函数:

crop_rectangle1(Image : ImagePart : Row1, Column1, Row2, Column2 : )    
//切出一个矩形区域,Image:输入的多通道图片,ImagePart:输出的多通道图片
 
原文来自:  Burning_foot的博客
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Halcon分类器是一种常用的机器学习算法,可以用于彩色图像的分割任务。彩色图像分割是将一个彩色图像划分成具有相似特征的区域,以便对不同区域进行进一步的分析和处理。 首先,我们需要准备用于训练的彩色图像数据集。这个数据集应包含具有不同类别的彩色图像样本,每个样本要有对应的标签,表示它属于的类别。 接下来,我们可以使用Halcon分类器的训练函数来训练分类器。训练函数会通过输入的图像样本和标签进行模型训练,学习如何将不同的特征映射到不同的类别。训练过程中,分类器会根据输入的特征向量和标签进行优化,使得分类器的准确度最大化。 训练完成后,我们可以使用已经训练好的分类器来对新的彩色图像进行分割。分割的步骤主要包括以下几步: 1. 首先,我们需要将彩色图像转换为特征向量。可以使用颜色特征、纹理特征等来描述每个像素点的属性。 2. 然后,我们将特征向量输入已经训练好的Halcon分类器中。分类器会根据学习到的模型,预测每个像素点属于哪个类别。 3. 最后,我们可以根据分类器的预测结果,将图像中的像素点进行分割,将相似特征的像素点划分到同一个区域中。 通过以上步骤,我们可以实现对彩色图像的分割。这种分割方法可以应用于许多应用领域,如医学图像分割、工业检测等。同时,Halcon分类器也可以通过优化和改进,来提高分割的准确度和效率。
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