OpenCV（三）——图像分割（一）

已于 2023-08-11 14:27:04 修改
阅读量2.3w 收藏 242
点赞数 33
分类专栏： OpenCV基础知识 文章标签： 深度学习
于 2022-04-25 16:35:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_45447650/article/details/124398438
版权

目录

1.图像分割

2.固定阈值法——直方图双峰法

3.自动阈值法

3.1 自适应阈值法

3.2 迭代阈值分割

3.3 Otsu大津法

1.图像分割

  • 图像分割是指将图像分成若干具有相似性质的区域的过程，主要有基于阈值、基于区域、基于边缘、基于聚类、基于图论和基于深度学习的图像分割方法等。
  • 图像分割分为语义分割和实例分割。

  • 分割的原则就是使划分后的子图在内部保持相似度最大，而子图之间的相似度保持最小。
  • 将G = (V,E)分成两个子集A，B，使得：

 <

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Billie使劲学
关注
  • 33
    点赞
  • 踩
  • 242
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
订阅专栏
OpenCV图像处理——阈值处理/二值化（python实现和c++实现）
qq_44957388的博客
04-29 2万+
OpenCV图像处理——阈值处理/二值化 5.1 简介 该部分的学习内容是对经典的阈值分割算法进行回顾，图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必...
CV图像分割
04-15
从pud找到的CV图像分割代码，代码的通过较少的迭代次数就可以实现图像的分割，对学习CV分割有帮助。
Graph Cut图像分割算法——Python+Opencv实现
05-03
基于Opencv，使用python语言，以图割算法实现的图像分割。
【OpenCV图像处理14】图像分割与修复
leoatliang的博客
09-06 3674
OpenCV图像处理第十四部分：图像分割与修复。主要内容包含：图像分割（分水岭法、GrabCut法、MeanShift法）、视频前后景分离（MOG、MOG2、GMG）以及图像修复。
计算机视觉——OpenCV 使用分水岭算法进行图像分割
最新发布
知来者逆的博客
04-26 1735
分水岭算法通过模拟自然地形来实现图像中物体的分类。在这一过程中，每个像素的灰度值被视作其高度，灰度值较高的像素形成山脊，即分水岭，而二值化阈值则相当于水平面，低于这个水平面的区域会被“淹没”。
OpenCv—图像分割
2301_80552152的博客
01-08 564
OpenCv图像分割
OpenCV入门（九）——图像分割技术之分水岭分割
Alkaid2000的博客
05-07 6750
图像分割是利用图像特征灰度、颜色、纹理和形状等将图像中特定的具有独特性质的区域进行划分，进而实现感兴趣的目标的提取。根据分割成因可以分为连续分割和非连续分割。连续分割是指将具有同一灰度级或相同特征的像素划分为不同区域，常见的分割方法有**区域生成、阈值分割及聚类分割**等。非连续分割是利用像素值突变特性来呈现不同边界区域以实现图像分割，常见的分割方法有**点线检测、边缘及能量**等。 ## 0x01 分水岭分割 （一）分水岭分割 分水岭分割是基于自然的启发算法来模拟水流通过地形起伏的现象从而研究总结出
使用OpenCV进行图片分割
Silver__Wolf的博客
09-07 1456
图片分割是计算机视觉领域中的一个重要任务，它可以将图像分成不同的部分或对象。OpenCV是一个强大的计算机视觉库，提供了许多用于图片分割的工具和算法。分水岭算法是一种用于图像分割的高级技术，它可以在复杂的图像中分离不同的对象。以下是一个简单的示例：由于分水岭算法是一种复杂的图像分割技术，需要仔细的参数调整和预处理步骤，以确保正确的分割结果。阈值分割是一种简单而有效的分割方法，它将图像分成两个部分：前景和背景。边缘检测是另一种常见的图片分割方法，它可以帮助您找到图像中的边缘或轮廓。
OpenCV入门（十）——图像分割技术
Alkaid2000的博客
05-09 4436
0x01 FloodFill分割 FloodFill泛洪填充算法是在很多图形绘制软件中常用的填充算法，通常来说是自动选中与种子像素相关的区域，利用指定的颜色进行区域颜色替换，可用于标记或分离图形的某些部分。比如windows系统中的图像编辑软件中的油漆桶这一功能，或者是Photoshop的魔术棒选择工具，都是通过FloorFill泛洪填充来改进和延伸的。 （一）原理 从一个点开始遍历附近的像素点，填充成新的颜色，直到封闭区域内的所有像素点都被填充成新颜色为止。 （二）常见方法 4邻域像素填充法、8
OpenCV 之 图像分割 (一)
weixin_30770495的博客
07-08 598
1 基于阈值 1.1 原理 灰度阈值化，是最简单的图像分割，其速度最快，广泛用于硬件图像处理领域 (例如，基于 FPGA 的实时图像处理等)。 设输入图像 $f$，输出图像 $g$，则阈值化公式如下： $\quad g(i, j) = \begin{cases} 1 & \text{当 f(i, j) ≥ T 时} \\0 & \text{当 f(i, j)...
opencv图像分割 --- Grabcut图像分割
m0_60005621的博客
09-02 1183
Grabcut图像分割与GMM、KMeans、分水岭分割的区别在于， Grabcut图像分割是用户可以。选择目标图像，然后将剩余的作为背景，目标作为前景进行分割，这样可以把目标提取出来，也就。而其他三个分割算法是不需要人为干预的，通过算法将图像分割为几个部分。Grabcut 算法主要运用于计算机视觉中的。，这时候就可以对GMM进行建模和完成良好的分割了。只要少量的用户交互操作即可得到比较好的分割结。1. Grabcut 的目标和背景的模型是。3. Grab Cut只需要提供。2. Grab Cut为一个。
OpenCV简单图像分割
雪剑封心
03-05 4847
这里主要基于 OpenCV 和 Scikit-learn 实现四种图像分割： 基于 K-means 基于 Contour Detection 基于 Thresholding 基于 Color Masking HSV颜色空间，就不演示了。 HSV颜色空间阈值调节器在我的opencv工具内 原图： K-means import numpy as np import cv2 def cv_show(neme, img): cv2.namedWindow(neme, cv2.WINDOW_NORMA
Python+OpenCV图像处理——图像二值化的实现
12-16
简介：图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。 普通图像二值化 代码如下： import cv2 as cv import numpy as np #全局阈值 def threshold_demo(image...
课程作业——图像投影分割
07-22
网上收集的资源 第一次使用vs2015结合opencv3.3.0处理图片中的字符投影
OpenCV计算机视觉学习（7）——图像金字塔（高斯金字塔，拉普拉斯金字塔，图像缩放resize函数） - 战争热诚 - 博客园
08-03
图像金字塔在图像分析、图像分割、特征检测等方面有着广泛的应用。 1. 高斯金字塔是图像金字塔的一种形式，通常用于下采样过程。其构建过程如下： - 将原始图像设为金字塔的底层（level0）。 - 使用5x5的高斯核对...
OpenCV计算机视觉学习（2）——图像算术运算 &图像阈值（数值计算，掩膜mask操作，边界填充，二值化） - 战争热诚 -
08-03
在实践中，这些运算和操作经常结合使用，例如在图像增强、目标检测、图像分割等任务中。了解并熟练掌握这些基本操作是进行复杂计算机视觉应用的基础。通过OpenCV提供的API，我们可以轻松地实现这些功能，进一步探索...
【图像分割】OpenCV实现图像分割
G_redsky的博客
02-24 1283
在实际应用中，通常需要对以上方法进行调整和组合，以适应不同的图像特征和分割需求。另外，图像分割的效果往往受到光照、阴影、噪声等因素的影响，因此预处理步骤（如降噪、对比度增强）也是非常重要的。如果图像复杂或者对比度较低，可能需要采用更高级的分割技术，如基于颜色的分割、聚类方法或深度学习方法。函数进行全局阈值化，其中127是设定的阈值，超过这个值的像素会被设置为255（白色），其余设为0（黑色）。算法进行标记和分割，适用于图像中有明显水位线的场景。实现，它是一种基于超像素的聚类方法，适用于图像分割。
用OpenCV进行图像分割--进阶篇
热门推荐
sgzqc的专栏
07-09 1万+
通过上述分析，我们一步一步实现了利用RG-色度空间来分割绿色植物的目标，并针对每一步骤都进行了相应的讲解和代码示例，您学废了嘛！
【CV】图像分割详解！
TwcatL_tree
10-24 5538
图像分割是计算机视觉研究中的一个经典难题，已经成为图像理解领域关注的一个热点，图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。
Opencv分水岭算法——watershed自动图像分割用法
06-01
分水岭算法(watershed algorithm)是一种用于图像分割的算法，可以自动将图像分割成不同的区域。OpenCV提供了分水岭算法的实现，可以通过调用cv2.watershed()函数来进行图像分割。 使用分水岭算法进行图像分割的基本步骤如下： 1. 读取图像并将其转换为灰度图像。 2. 对灰度图像进行二值化处理，得到前景(foreground)和背景(background)。 3. 对图像进行距离变换，得到每个像素到最近的背景像素的距离。 4. 对距离变换的结果进行阈值处理，得到一张标记(markers)图像。 5. 对标记图像进行分水岭算法处理，得到分割结果。 下面是一个简单的示例代码，演示了如何使用分水岭算法对图像进行分割： ```python import cv2 import numpy as np # 读取图像并转换为灰度图像 img = cv2.imread('image.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 对灰度图像进行二值化处理 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) # 进行距离变换 dist_transform = cv2.distanceTransform(thresh, cv2.DIST_L2, 5) ret, markers = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0) # 对标记图像进行分水岭算法处理 markers = cv2.watershed(img, markers) img[markers == -1] = [0,255,0] # 显示分割结果 cv2.imshow('Segmented Image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的代码中，我们首先读取一张名为"image.jpg"的图像，并将其转换为灰度图像。然后利用cv2.threshold()函数对灰度图像进行二值化处理，得到前景和背景。接下来，我们使用cv2.distanceTransform()函数进行距离变换，得到每个像素到最近的背景像素的距离。然后对距离变换的结果进行阈值处理，得到一张标记图像。最后，我们利用cv2.watershed()函数对标记图像进行分水岭算法处理，得到分割结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Billie使劲学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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