口内牙齿扫描，线激光中心提取，改进的steger算法

最新推荐文章于 2024-10-10 13:34:02 发布
最新推荐文章于 2024-10-10 13:34:02 发布
阅读量251 收藏
点赞数 9
分类专栏： 三维重建 文章标签： 计算机视觉 图像处理 论文笔记
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/qq_57894564/article/details/142778101
版权

口内牙齿扫描需要应对的情况十分棘手，需要考虑到多方因素，包括牙齿材质的反光特性，牙龈周边的鬼影眩光，线激光条纹的亮度相差过大，以及条纹数量多等。

经过比对多方论文资料，现阶段整理出了以下的线激光中心提取方案，来初步应对口扫这种扫描情况

下面说明每一步过程的结果

原始激光条纹图像

 

自适应裁剪得到的ROI图

 

阈值分割得到的激光条纹区域

 

形态学处理后得到的细化激光条纹区域 

删除小型连通区域

 

steger算法提取的条纹中心

 

多蕾姆
关注
专栏目录
OpenCV Steger算法提取条纹中心线
dayuhaitang1的博客
03-19 738
OpenCV Steger算法提取条纹中心线
（三）激光线扫描-中心线提取
FlyWine的博客
10-03 2660
光条纹中心提取算法是决定线结构光三维重建精度以及光条纹轮廓定位准确性的重要因素。
代码：steger算法提取激光条纹中心线（主函数）
kangjielearning的博客
06-29 3398
主函数，steger
使用steger算法提取线激光，用于口内扫描（c++）
qq_57894564的博客
09-04 383
steger算法是基于Hessian矩阵，能够实现光条中心的亚像素精度定位，提取激光线的大致流程：通过Hessian矩阵能够得到光条的法线方向，然后在法线方向利用泰勒展开得到亚像素位置。3. Hessian矩阵一共有两个特征值，其中最大的那个对应的特征向量就是光条的法线方向，用。2. 求出图像每个点的一阶导数和二阶导数，，同时得到该点的Hessian矩阵。，即一阶导数为0的点是否位于当前像素内，且。方向的二阶导数大于指定的阈值，则该点。为基准点，则光条中心的亚像素坐标为。下面是每一步的结果展示。
代码：Steger算法提取线激光条纹中心线（CPP+OpenCV）
kangjielearning的博客
04-21 3912
最近一直在做线结构光扫描三维成像方面的内容，采用结构光进行扫描检测时，需要提取激光条纹的中心线，我利用Steger算法提取激光中心线的亚像素坐标。 下面先介绍一下steger算法的运行思路：(借鉴的别人的总结，直接截图白嫖过来了) 根据算法思路，我们 ①输入图像 ②图像处理 ③利用高斯模板与图像卷积构造hessian矩阵 ④求解hessian的特征值得到光条的法线方向 ⑤法线方向泰勒展开获得亚像素位置 ⑥选择合适的像素点，此时获得的是像素坐标（x0，y0），和对应的（tnx,tny）相加获得亚像素坐标。.
激光条纹中心提取——Steger法python
CharmsLUO的博客
03-03 5594
激光条纹中心提取——Steger法pythonStegerpython代码 Steger Steger算法是目前使用最广泛的线结构光条纹中心提取算法之一，是由Steger在二十世纪末提出。Steger算法是基于Hessian矩阵（见式1-18）得到图像中光条纹的法线方向。 图像中点的法线方向由该点的Hessian矩阵最大特征值的绝对值对应的特征向量给出，通过在法线方向上求极值点得到光条纹中心的亚像素位置。g(x,y)是二维高斯卷积核，用于突出光条的灰度分布特征。z(x,y)是以图像上的点(x,y)为中心，
激光条纹中心提取——Steger
CharmsLUO的博客
01-04 4517
激光条纹中心提取-Steger 好久没有记录了，记录一下今天学习的内容，据说Steger在激光条纹中心提取上神一般的存在。文章和代码都分享给大家了哈，其中有四个文件，3个C++,一个python，python一个抠图文件，3个c++包含背景图+原图， 单张图提取， 多张图提取。 分享代码 #include <opencv2\core.hpp> #include <opencv2\highgui.hpp> #include <opencv2\imgproc.hpp> #i
线条中心提取(Steger)
liangfei868的博客
05-10 3404
Steger（线条中心提取算法）
代码：激光中心线提取软件（steger法）（vs+opencv+qt实现）
kangjielearning的博客
04-21 3285
激光中心线提取软件编写
线激光中心线提取软件（Steger法）（VS+OpenCV+Qt实现）
05-03
线激光中心线提取软件（Steger法）（VS+OpenCV+Qt实现） + 从文件中选择图片，一键提取激光条纹中心线。 + 配套讲解博客：https://blog.csdn.net/kangjielearning/article/details/124318958 + 通过上方博客可以添加...
激光线中心提取.zip_中心线_中心线提取_激光_激光中心线_激光线提取
07-15
在IT行业中，激光线中心提取是一项重要的技术应用，特别是在自动化、机器人、图像处理以及工业检测等领域。这个压缩包文件“激光线中心提取.zip”显然包含了关于如何设计和实施激光线中心提取技术的相关资料。以下是...
红外画面空中目标检测系统源码分享
xuehaishijue的博客
10-02 1369
数据集信息展示在现代计算机视觉领域，尤其是在空中目标检测的研究中，数据集的构建与选择至关重要。本研究所采用的数据集名为“Air Vehicles”，专门针对红外画面中的空中目标检测任务而设计。该数据集包含四个主要类别，分别是“Airplane”（飞机）、“Bird”（鸟类）、“Drone”（无人机）和“Helicopter”（直升机）。这些类别的选择不仅涵盖了多种常见的空中目标，还反映了当前无人机技术和航空活动的快速发展。
计算机视觉的应用36-人工智能时代计算机视觉技术在电力系统中的应用
weixin_42878111的博客
10-10 750
在电力系统这个传统与创新交汇的领域，计算机视觉技术作为人工智能的重要分支，正逐步展现其变革潜力。2023年，几个前沿的计算机视觉模型——SAM（Segment-Anything）、YOLOv8、DINOv2等，凭借其卓越的性能和适应性，成为电力系统智能化升级的关键推手。本部分将深入探讨这些模型在电力系统中的潜在应用及其优势。SAM，即Segment-Anything，是一种新颖的实例分割模型，它通过交互式提问的方式实现了对图像中任意对象的精细分割。
计算机视觉基础
初见月
10-09 305
计算机视觉基础（持续更新）
swift使用internvl2微调ocr文字检测（目标检测）
liguandong
10-07 505
目标检测任务已经不是一个新鲜事了，但是多模态大模型作目标检测任务并不多见，本文详细记录swfit微调interVL2-8B多模态大模型进行目标检测的过程，旨在让更多人了解多模态大模型微调技术、共享微调经验。实际上，interVL2-8B多模态大模型在该任务上微调后的表现并不好。与此同时，我们还就电力巡检场景进行了微调测试，精度达到了80左右，其实也比较一般，综合来看，大模型其实并不那么擅长目标检测。进行9:1的划分，主要是自有数据，只用了很少一部分的自有数据来跑通链路。
计算机视觉之OpenCV vs YOLO
乐学吧
10-10 762
OpenCV 和 YOLO 在计算机视觉领域各有特点和优势。OpenCV 是一个功能强大的计算机视觉库，提供了广泛的算法和工具；而 YOLO 是一种高效的目标检测算法，适用于特定的应用场景。在实际应用中，可以根据具体需求选择合适的工具和算法。
【OpenCV】基础操作学习--实现原理理解
最新发布
gma999的博客
10-10 488
OpenCV基础操作学习
基于IOU匹配的DeepSort目标跟踪与匈牙利算法解析
David_jiahuan的博客
10-10 485
IOU，全称为，是评估两个边界框重叠度的度量标准。在目标跟踪中，检测到的边界框与已有轨迹的预测框之间，IOU是衡量它们是否属于同一目标的重要指标。IOU的计算公式如下：其中，是检测到的边界框，是预测的轨迹边界框，表示两个框的交集，表示它们的并集。IOU值越大，表示两个边界框的重叠度越高，可能来自同一目标。在DeepSort目标跟踪算法中，IOU匹配和匈牙利算法共同作用，实现了高效、准确的检测-轨迹关联。
激光条纹中心线提取Steger算法 python
07-17
你可以使用Python实现Steger算法来提取激光条纹的中心线。以下是一个简单的示例代码： ```python import cv2 import numpy as np def steger_algorithm(image): # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 计算梯度 grad_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3) grad_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3) # 计算梯度幅值和方向 mag, ang = cv2.cartToPolar(grad_x, grad_y) # 进行非最大抑制 mag_max = cv2.dilate(mag, None, iterations=3) mag_mask = np.zeros_like(mag) mag_mask[mag >= mag_max] = 255 # 应用阈值 _, thresholded = cv2.threshold(mag_mask, 50, 255, cv2.THRESH_BINARY) # 进行霍夫直线检测 lines = cv2.HoughLines(thresholded, 1, np.pi/180, 100) # 计算中心线的坐标 center_lines = [] for line in lines: rho, theta = line[0] if theta < np.pi/4 or theta > 3*np.pi/4: x1 = int(rho / np.cos(theta)) y1 = 0 x2 = int((rho - gray.shape[0]*np.sin(theta)) / np.cos(theta)) y2 = gray.shape[0] else: x1 = 0 y1 = int(rho / np.sin(theta)) x2 = gray.shape[1] y2 = int((rho - gray.shape[1]*np.cos(theta)) / np.sin(theta)) center_lines.append((x1, y1, x2, y2)) return center_lines # 读取图像 image = cv2.imread('image.jpg') # 提取中心线 center_lines = steger_algorithm(image) # 绘制中心线 for line in center_lines: x1, y1, x2, y2 = line cv2.line(image, (x1, y1), (x2, y2), (0, 255, 0), 2) # 显示图像 cv2.imshow('Center Lines', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请注意，这只是一个简单的示例代码，你可能需要根据你的具体需求进行适当的调整和优化。
评论
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
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