本文由Markdown语法编辑器编辑完成。
背景:
前段时间在和朋友交流关于图像处理问题的时候,他们问我有没有做过图像智能识别的课题。对于习惯了做开发,而很少接触底层图像处理算法的我来说,其实算是比较陌生的一个课题。
但是,算法的确才是一个系统优秀与否的核心。同样的两套系统相比较,最后胜出的往往是性能更好的,而决定性能的通常便是底层的算法了。
在图像处理领域,我之前接触的主要是Matlab和ITK/VTK。而在图像处理领域,还有一个很重要的库OpenCV,之前却接触得很少。还有现在基于Python也有很多成熟的库来实现基本的图像处理,如scikit-image。
因此,接下来在进行开发的过程中,也要注意对算法的积累。开发更多的是一种熟练性质的工作,但是算法却不是一朝一夕能够掌握的,需要很多的数学基础知识的积累。
未来主要的学习也会集中在:
(1)数字图像处理算法(图像预处理,分割和配准);
(2)数据挖掘;
(3)机器学习;
(4)自然语言处理。
其实这几个领域,任何一个领域都足以让我学习一辈子,任何一个领域如果足够精通我想都不得了了。
但是,这些算法的底层都是数学,而且很多算法其实是相通的。当真正地都了解了以后,或许都是可以触类旁通,融会贯通的。希望有朝一日自己能够达到这样的程度吧。而且,网上还有很多优秀的教程和课件供自己学习。
那么这篇文章就作为我研究图像处理算法的一个开篇吧。
本文主要是基于OpenCV进行直线检测。
关于本文的算法讲解部分,大家可以参考浅墨在CSDN上发布的OpenCV的系列教程,讲得非常详细。
以下是基于他给出的程序代码,对一副图进行直线检测的例子。通过这个例子,可以对OpenCV有一个直观的了解。俗话说,兴趣是最好的老师。如果你看到以下的图会无比兴奋的话,那么就赶快投入算法学习的怀抱吧!
该图是百度在2015春运期间发布的一张百度迁徙的图片,里面展现了春节期间,各个城市之间的迁徙路线。
可以看到这幅图中有很多的直线。那么如何检测出这些直线呢?基于Hough变换的直线检测可以很方便地通过调节一些参数来实现直线检测。
以下是根据不同的参数设置,得到的直线检测的结果:
(1)阈值为104时的检测结果:
(2)阈值为174时的检测结果:
(3)阈值为200时的检测结果:
参考链接:
- 浅墨-CSDN- 【OpenCV入门教程之十四】OpenCV霍夫变换:霍夫线变换,霍夫圆变换合辑
http://blog.csdn.net/poem_qianmo/article/details/26977557?utm_source=tuicool&utm_medium=referral