- 博客(12)
- 收藏
- 关注
RSS订阅原创 2021-07-26
山东大学暑期实训（十二）分水岭算法参考https://www.cnblogs.com/ssyfj/p/9278815.html（一）获取灰度图像，二值化图像，进行形态学操作，消除噪点def watershed_demo(image):blur = cv.pyrMeanShiftFiltering(image,10,100)gray = cv.cvtColor(blur,cv.COLOR_BGR2GRAY) #获取灰度图像ret,binary = cv.threshold(gray,0,25
2021-07-26 13:27:39
85
1
原创 2021-07-26
山东大学暑期实训（十一）得到了比较好的二值图像后，下一步应该要做的是提取出文字的骨架，这样才能更好的分类和观察分析。参考http://www.cnblogs.com/xianglan/archive/2011/01/01/1923779.html图像细化：图像细化主要是针对二值图而言，所谓骨架，可以理解为图像的中轴，，一个长方形的骨架，是它的长方向上的中轴线，圆的骨架是它的圆心，直线的骨架是它自身，孤立点的骨架也是自身。我们来看看典型的图形的骨架（用粗线表示）细化的算法有很多种，但比较常用的算法是
2021-07-26 13:21:37
68
原创 2021-07-26
山东大学暑期实训（十）python的最大连通域提取方法import cv2import numpy as npimport matplotlib.pyplot as pltif __name__ == '__main__': img = cv2.imread('bw.bmp') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #find contours of all the components and holes
2021-07-26 13:10:26
60
原创 2021-07-26
山东大学暑期实训（九）一些图像纹理特征的提取link（一）特点纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但是，纹理特
2021-07-26 12:56:28
105
原创 2021-07-26
山东大学暑期实训（八）一些其他的提取方法的学习[link][(https://blog.csdn.net/zk_ken/article/details/80419899)基于边缘检测的分割方法基本思路：基于边缘检测的图像分割方法的基本思路是先确定图像中的边缘像素，然后再把这些像素连接在一起就构成所需的区域边界。图像边缘：图像边缘，即表示图像中一个区域的终结和另一个区域的开始，图像中相邻区域之间的像素集合构成了图像的边缘。所以，图像边缘可以理解为图像灰度发生空间突变的像素的集合。图像边缘有两个要素，即
2021-07-26 11:17:11
68
原创 2021-07-26
山东大学暑期实训（七）所要做的事情，是对图像处理质量的不断改良，需要不断的学习，仍是要对算法的不断改良，接下来便是对其他方法的学习和运用，多次尝试综合运用以得到良好的结果。图像的腐蚀膨胀，开闭操作参考连接link膨胀、腐蚀、开、闭运算是数学形态学最基本的变换。本文主要针对二值图像的形态学膨胀：把二值图像各1像素连接成分的边界扩大一层（填充边缘或0像素内部的孔）；B=[0 1 01 1 10 1 0];A2=imdilate(A1,B);%图像A1被结构元素B膨胀腐蚀：把二值图像各1像
2021-07-26 10:22:35
141
原创 2021-07-11
山东大学暑期项目实训（六）确定了要用寻找图像最大的连通域的方法来进行图像的去小邻域的去噪方法后，接下来的想法是将matlab的代码转换成python的，因为项目的主要代码是python，这样一来方便后续的统一接口。所以接下来要做的便是寻找python中的提取图像最大连通域的方法。link从这里看到的方法from skimage.measure import labeldef largestConnectComponent(bw_img, ): ''' compute large
2021-07-11 17:39:01
75
原创 2021-07-08
山东大学暑期项目实训昨天分了任务做了一下人工的图像分拣，发现很多的图像效果并不是很良好。感觉是图像分割的效果不大好，导致骨干提取的效果不是很好。同时，组长分配的任务是是去小邻域。二值化分割图像的结果，除了有我们想要的结果意外，还有很多其他的小邻域的噪声，关键就是如何找到算法去除这些小邻域。开闭操作的去除方法图像处理提到过的，利用形态学的方法，用膨胀和腐蚀对图像处理。其中，先腐蚀再膨胀的开操作，可以去除一些小邻域；先膨胀再腐蚀的闭操作可以填补图像中的空缺。不过难点在于如何构造操作使用的矩阵一开始使
2021-07-08 10:22:20
62
原创 2021-07-07
山东大学暑期项目实训（四）数字图像处理的复习图像分割算法的寻找和调整一开始寻找到的就是根据自适应阈值的图像分割算法比如这篇基于局部统计可变阈值的图像分割算法link分割过程：1，灰度图上进行,2，每个像素点处设一个阈值3，领域,4，一般使用领域内标准差，标准差表示对比度5，全局平均还是领域平均看情况自己选择6，求标准差、均值前一定要图像转换为float类型，tofloat不是matlab内置函数，需要自己添加7，分割结果图均为二值图像%默认8领域I=imread('F:\201
2021-07-07 14:14:30
381
原创 2021-07-04
山东大学暑假项目实训（三）因为一些想法然后我重新分配到了项目的前端部分，想要试试。任务是尝试做一个类库的搜索界面<template> <div id="example"> <input type="text" v-model="searchData" placeholder="请输入文字" /> <el-divider></el-divider> <div v-for="(item,index) in N
2021-07-04 16:07:53
47
原创 2021-06-30
山东大学暑期项目实训（二）由于数据集的问题，我们的分工并不是非常的清晰。数据集没有到手之前，并不好对症下药的处理，不过今天我们确定的是，我们小组将细化到对数据集进行分类提取的职责。具体是将数据集图像做去噪然后二值化，利用腐蚀和膨胀或者函数拟合等手段，尽量地还原数据集的信息。参考甲骨文识别文献，寻找处理方法和思路我主要参考的文章是这篇link其中我最主要想要的是一个效果比较好的去噪和二值化的方法。我注意到的是该文章中顾邵通顾先生的方法，利用自适应阈值的去噪处理。略修过一点数字图像处理的我，印象中似乎
2021-06-30 09:15:28
43
原创 2021-06-29
山东大学暑期项目实训（一）以为学过数字图像处理的课，或许做图像处理识别这方面的任务自己会有点用，不过稍微了解后，才发现自己学的不过皮毛，更好的识别算法之类的基本上离不开机器学习，无奈仍是需要用配置相关的环境。1，环境配置，使用anaconda搭建pytorch感谢前人栽的树linkanaconda的安装1,官网下载link2,清华大学资源地址link3,下载完成后启动安装请务必勾选第一项添加环境变量，其后按流程操作即可。###使用anaconda搭建pytorch环境从开始按钮打开an
2021-06-29 22:13:08
65
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人