opencv提取骨架找端点,根据端点去掉毛刺

import cv2
import numpy as np
from scipy import ndimage
import matplotlib.pyplot as plt
from tqdm import tqdm




def _neighbors_conv(image):
    image = image.astype(np.int32)
    k = np.array([[255, 255, 255], [255, 0, 255], [255, 255, 255]])
    neighborhood_count = ndimage.convolve(image, k, mode='constant', cval=1)
    neighborhood_count[~image.astype(np.bool_)] = 0
    # print(neighborhood_count)
    return neighborhood_count


def spur(image):
    return _neighbors_conv(image) > 255


def bwmorph(image, fn, n=1):
    for _ in range(n):
        image = fn(image)
    return image


t = [[0, 0, 0, 0],
     [0, 0, 1, 0],
     [0, 1, 0, 0],
     [1, 1, 0, 0]]
t = np.array(t)
print('neighbor count:')
print(_neighbors_conv(t))
print('after spur:')
print(bwmorph(t, spur).astype(np.int_))
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
【课程简介】 本课程基于面向PythonOpenCV,以OpenCV的官方文档的知识脉络为主线,介绍了OpenCV函数的具体使用方法、函数所使用的算法的具体原理。 在介绍函数使用时,提供了大量的程序案例演示。 在介绍具体原理时,采用了通俗易懂的语言和贴近生活的示例来说明问题,尽量避免涉及过于复杂抽象的公式。 课程包含数字图像处理的常用知识点,覆盖面全,方便学员系统深入全面地掌握OpenCV。 【你将收获什么】 1.  掌握数字图像的在计算机内表示的方法和处理的基本原理。掌握数字图像的表示方法是进行图像处理的前提和基础,能够为后续的智能图像处理打下坚实基础。 2.  使用好OpenCV开源库对于提升工作效率具有很大的帮助。OpenCV是优秀的开源库,提供了大量的函数帮助我们提升工作效率。大多数情况下,我们直接调用函数就能够满足我们的需求。同时,它的函数具有较好的交互性,能够根据需要更好地掌控图像处理的具体细节。 3.  学习图像处理的常用算法。课程不仅介绍函数的具体使用,也介绍了常用算法的基本原理,帮助学习者更好地理解图像处理的基本逻辑、方法,快速入门图像处理领域。 【我将如何教你】 1)在“黑盒”和“白盒“之间取得平衡  可以将OpenCV看成“黑盒”,不用关心其函数是如何实现的。在需要实现某一个功能时,直接调用其对应的函数即可,像使用Photoshop的各种功能一样。也可以将OpenCV看成“白盒”,关注其每一个函数的具体实现,认真研究每一个函数的具体实现方法和实现细节。这两种方式都是学习图像处理的很好方式,但是大多数课程过于强调其中某一种,要么忽略了算法的实现、要么忽略了使用方法。本课程尽量将OpenCV在“黑盒”和“白盒”之间取得平衡。既介绍算法的原理和方法,又将重点放在如何调用函数上,让学习者能够更加游刃有余地在计算机视觉项目中使用OpenCV来解决具体的问题。 2)将枯燥的算法采用具体的案例介绍  在图像处理中,有大量的算法保证了图像处理的准确、高效。OpenCV将一些常用的算法进行了封装,我们可以直接调用OpenCV的函数来使用对应的算法。但是,深入地理解算法能够帮助学习者更好地使用OpenCV函数。本课程尝试抛弃传统的使用复杂公式介绍算法的形式,尽量通过简单、通俗易懂的生活中实例来帮助学习者理解算法的基本逻辑 3)案例驱动、强调实战 OpenCV是一个庞大的资源库,提供了非常多的函数帮助我们高效地处理问题。初学者使用OpenCV的最大困惑就是熟练地掌握了每一个函数的调用方法,但是在解决实际问题时,不知道具体应该使用哪个函数。本课程通过大量的具体案例帮助学习快速掌握每个函数的应用场景,快速掌握OpenCV的核心使用方法和技巧。
骨架提取是一种常用的图像处理技术,可以将图像中的细节进行提取和突出。而去毛刺是一种需要去除图像中的毛刺或噪点的处理方法。在opencv中,我们可以结合使用骨架提取和去毛刺的方法来进行图像处理。 骨架提取可以通过使用opencv库中的函数来实现。首先,我们可以使用二值化方法将图像转化为黑白图像。然后,我们可以使用opencv中的函数进行骨架提取,例如“morphologyEx”函数中的“MORPH_SKELETON”参数。这将根据图像中的像素形状提取骨架。 然而,骨架提取可能会导致一些毛刺或噪点的出现。为了去除这些毛刺,我们可以使用图像处理中的滤波器,例如中值滤波器或高斯滤波器。中值滤波器能够根据像素周围的值计算出中间值,并将图像中的噪点减小。高斯滤波器能够根据像素周围的值计算出加权平均值,从而减小图像的噪点。 为了去除毛刺,我们可以在骨架提取后应用这些滤波器。首先,我们需要将骨架提取后的图像转化为灰度图像。然后,我们可以使用opencv中的函数来应用滤波器。例如,使用“medianBlur”函数来应用中值滤波器,或使用“GaussianBlur”函数来应用高斯滤波器。通过调整滤波器的参数,我们可以逐渐去除毛刺,从而得到一张更清晰的图像。 总而言之,通过结合opencv中的骨架提取和去毛刺的方法,我们可以对图像进行有效的处理,使得骨架突出并去除图像中的毛刺

“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 1
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