元器件图像识别计数

本文介绍了使用分水岭算法进行小物体图像计数的实践,涉及图像二值化、数学形态学操作、距离变换等步骤。在识别过程中,针对粘连物体的分割问题,讨论了不同处理方式,包括利用边缘检测与markers结合的方法,以提高分割精度。作者还提出可尝试优化策略,以改善图像分割效果。
摘要由CSDN通过智能技术生成

最近接触到了关于小物体图像计数方面的问题,基于分水岭算法的项目实践。尝试学习了解,在此回顾一下自身理解:

首先自己找了一些元器件进行实验,原图为:

识别效果图为:

 

代码基于opencv实现,实现过程为:

1.图像二值化:根据设置阈值分割将图像前景背景分离;

2.数学形态学操作(开操作,腐蚀):去除噪声并且消除二值化带来的孔洞;

3.距离变换:计算图像中每个非零像素点与其最近的零像素点之间的距离,输出的是保存每个非零点的距离信息;

4.根据距离变换得到的结果进行二值化操作;

5.根据二值化图勾画轮廓;

import numpy as np
import cv2
import
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