python opencv 图像切割_opencv-python烟雾图像处理

最新推荐文章于 2023-04-03 13:02:50 发布
最新推荐文章于 2023-04-03 13:02:50 发布
阅读量435 收藏 5
点赞数
文章标签： python opencv 图像切割 python opencv把图像变清晰 qt opencv 图像采集和图像处理线程 读取图片灰度值区间python

本文来自我的网站-跨时代的jay

利用python实现烟雾图像处理

0abc270da872e28e6dbb61c37e4743d4.png
  • 颜色规范化
  • 直方图均衡化处理
  • 背景减除法建立混合高斯模型
  • 中值滤波去噪

颜色规范化

  • 最大值灰度处理

gray = max(r,g,b)

import

c3409f0ac8abbdd70783d454b9844583.png

9262672d301f11102c0ec4f95d08725a.png
  • 平均灰度处理

gray = (r,g,b)/3

0dc0c904205d661d1ed8762335cdb4aa.png
  • 加权平均能得到较合理的灰度图像：

f4c01efcfd1347438066af000f01eac7.png

可以看到烟雾用加权平均处理比较好

烟雾的部分显示的比较明显

我们再用几个清楚的烟雾照片进行测试

b030f2666de8e790a027785a44d3be36.png

4806ede831bb0ebc27189d52056e7cdb.png

直方图均衡处理

为什么要直方图均衡化处理

在现实的拍摄过程中

由于其图像的灰度分布集中在较窄的范围内

致了图像的细节不够清晰

为了使得图像变得清晰

就需要使得灰度值的差别变大

就意味着灰度分布就变的较宽

使得灰度值分布变得均匀

这样才能使得图像的对比度增强

细节变得清晰可见

原理

直方图均衡化就是对图像进行非线性拉伸

使得变换后的图像直方图分布均匀

运用随机变量的函数分布的数学知识

import

e174d8b1bdb6b45351601507806c5eef.png


我们对这个烟雾照片进行直方图均衡化后

1e756fabcd4c4aab57ea953200226685.png


可以看到对比度加强

烟雾区域明显

背景减除法建立混合高斯模型确定运动目标

我们直到烟雾是在运动的

不可能是静态不动的

那么如何准确的提取出我们想要的目标呢?

混合高斯模型建立的基本思想

  • 初始化预先定义几个高斯模型
  • 对视频分帧后每一帧的像素进行处理，看是否匹配某个模型,若匹配，则将其归入该模型中
  • 若不匹配，以该像素重新建立一个高斯模型，初始化参数，代替原有的模型
  • 最后选择几个最有可能的模型作为背景模型，为背景目标提取做铺垫
import

a39e10ded9c24a0aa4e29d17dab5fd63.png

中值滤波去噪

中值滤波的主要原理是将数字图像中的某点用该点的邻域中各个像素值的中值所来代替

这样就能让目标像素周围能够更好的接近真实值

去噪处理是由于在前面对图像进行预处理产生的一些椒盐噪声

去除后将增大识别率

这是经过直方图均衡化后的图像

05653f256664443f0cff18398db9cca5.png


经过中值滤波去噪后的图像

22207413286d15662cfc28ea970ec5b8.png

可以看到将烟雾区域更加明显

赞赏赞赏我咯

329a3d24fbbda30afa0d491745ae62df.gif
weixin_39770626
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于k-means聚类图像分割+lbp+pca+svm实现烟雾识别（利用matlab仿真实现）
qq_43215054的博客
12-05 6312
火灾预警是一项十分重要的工作。火灾发生初期，燃烧物与氧气接触不全，火焰通常较小且燃烧不充分，但烟雾较为明显，因此，利用烟雾作为火灾对象具有重要的应用价值。本文首先对所有图像进行预处理，然后利用k-means聚类算法对训练集和测试集图像的像素进行聚类，实现图像分割，然后利用LBP算法对分割后的训练集图像和测试集图像进行特征提取，并分别对训练集和测试集使用主成分分析法（PCA）进行特征降维，利用降维后得到的训练集图像的二维特征训练SVM二分类模型，最后利用对测试集降维后得到的二维特征进行分类预测。
python绘制pr曲线图_opencv-python烟雾图像处理
weixin_34597791的博客
12-30 845
本文来自我的网站-跨时代的jay利用python实现烟雾图像处理颜色规范化直方图均衡化处理背景减除法建立混合高斯模型中值滤波去噪颜色规范化最大值灰度处理gray = max(r,g,b)import cv2 import numpy as np import matplotlib.pyplot as plt # 读取原始图像 img = cv2.imread('smoke1.png') # ...
基于Python 和 Opencv实现的烟丝检测分割代码
05-25
烟丝检测分割代码，基于python和opencv实现，可以实现图片中烟丝的检测（并过滤细小颗粒），并计算出烟丝的面积和宽度属性。
python实现opencv学习九：图片切割、合并、填充
zmjames2000 Just record
03-03 2217
come from :https://blog.csdn.net/u011321546/article/details/79565355 一：图片切割与合并 原理通过操作图像矩阵来获取或合并指定位置的图像 代码如下： # -*- coding=GBK -*- import cv2 as cv import numpy as np #截取图片中的指定区域或在指定区域添加某一图片...
毕业设计-基于机器视觉的嵌入式烟雾识别系统- OpenCV
Hai_Lang_IT的博客
01-05 1352
毕业设计-基于机器视觉的嵌入式烟雾识别系统- OpenCV：随着数字信息技术、嵌入式技术和计算机应用书的迅猛发展，计算机图像处理技术、视觉技术在医疗、智能仪器、航空以及军事等领域被已广泛应用，并取得了较大的经济效益和社会效益。通过采集现场烟雾的几何特征、纹理特征、颜色特征以及运动特征信息并利用计算机技术行快速分析、处理，达到识别、报警的目的，这种技术和手段不仅可以用于智能家居、楼宇监控，还可以实现对火灾的及时报警，以提高火灾探测、预防的可靠性。由于烟雾扩散性区域运动的连续性、烟雾背景模糊性、烟雾不规则性以及
OpenCV分割烟丝、烟梗、背景
weixin_48381563的博客
04-03 174
OpenCV分割烟丝、烟梗、背景
暗通道图像去雾（python）
Allen__Iverson的博客
08-29 1624
import cv2 import math import numpy as np def DarkChannel(im, sz): b, g, r = cv2.split(im) dc = cv2.min(cv2.min(r, g), b) kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (sz, sz)) dark = cv2.erode(dc, kernel) return dark def AtmL
使用opencv和python进行智能火灾检测-项目开发
03-31
- `opencv_code.py`：这是使用OpenCV的Python代码，实现了图像处理和火灾检测的算法。 通过阅读和理解这些文件，开发者可以学习如何构建一个完整的智能火灾检测系统，包括硬件接口、图像处理、特征提取、模型训练...
python opencv把一张图片嵌入（叠加）到另一张图片上的实现代码
12-17
最近做了个烟火生成系统的界面设计，需要将烟雾图片嵌入到任意一张图片中，因此需要python opencv把一张图片嵌入（叠加）到另一张图片上的知识。（图中红框最终生成图片没有的，只是界面有这个功能） 2、代码 ...
1.rar_红外 图像_红外 图像增强_红外图像_红外图像增强_红外图处理
07-14
分析和处理这样的图像，不仅需要掌握基本的图像处理理论，还需要熟悉相关的软件工具，如 MATLAB、OpenCV 或 Python 的图像处理库。 总结来说，红外图像处理和增强涉及多个层面的知识，包括红外成像原理、图像处理...
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。
图像处理_烟雾检测matlab代码
04-07
数字图像处理中针对视频中的烟雾区域进行提取，利用烟雾与背景的色差以及形差进行相应的图像处理。
基于OPENCV的烟雾检测
09-03
本程序是基于opencv下的烟雾检测程序，程序简单并附有测试视频
火焰检测代码（python）
12-09
本资源为python实现的火焰检测的opencv代码，通过检测火焰的颜色以及大小来对火焰进行多目标跟踪。
Smoke-Detect-by-YoloV5:Yolov5实时烟雾探测系统
03-11
Yolo烟雾检测器V5 ——————————————二次更新—————— 那些说bug多的年轻人，我劝你耗子尾汁〜，因为我现在各更新了！把所有可用数据，更新代码讲解，优化，和模型，代码，数据，推理转换，onnx，openvino和消融对比，都写好啦〜，大家先看我这篇文章，然后公众号回复可以获取全部，不用在这git clone啦〜，我公众号回复yolov5香烟下载好后能直接检测，或者继续训练〜 做了模型优化，提高了一些效果，欢迎大家查看这篇文章： ://mp.weixin.qq.com/s/m-bn-Q0dhfav-YsI5b-oLg详细查看，算法开源了，代码加模型加优化策略加导出加Openvino推理加数据等等，公众号：DeepAI视界回复：yolov5香烟领取全部。 本原创项目长期更新，逐步完成校园异常行为实时精检测，做到集成+ N次开发+优化（不止逐步调包）为止，随后将不断更新以下
opencv-python烟雾图像处理
weixin_45254641的博客
12-02 5642
本文来自我的网站-跨时代的jay 利用python实现烟雾图像处理 颜色规范化 直方图均衡化处理 背景减除法建立混合高斯模型 中值滤波去噪 颜色规范化 最大值灰度处理 gray = max(r,g,b) import cv2 import numpy as np import matplotlib.pyplot as plt # 读取原始图像 img = cv2.imread('...
基于Python的图像去雾算法系统
hello world
05-27 4057
前些时间博主写了一个Python的图像去雾算法系统，准备发出来，结果因为许多事情耽误了，今天补上。 （本人才疏学浅，多有不正之处，欢迎各位大牛批评改正。） 系统分析 本系统主要是结合了Python的GUI，基于暗通道的图像去雾，基于色阶调整的图像去雾，图像增强算法，同时含有一些保存功能、图像查看等等，话不多说，给大家看看成果。 系统界面 1.图像主界面 2.文件功能 3.图像处理功能 4.图...
python烟火检测pytorch抽烟检测EfficientNet
babyai996的博客
04-08 1783
python烟火检测pytorch火焰抽烟正常检测EfficientNet #!/usr/bin/python3 # -*- coding: utf-8 -*- ''' ''' import json from PIL import Image, ImageDraw, ImageFont import torch from torch import nn from torchvision import transforms from efficientnet_pytorch import FireSm
深度学习项目：火灾烟雾监测【附完整源码】
全栈川川
11-07 3011
深度学习项目：火灾烟雾监测【附完整源码】
基于opencv烟雾图像识别代码
最新发布
05-17
以下是基于OpenCV的烟雾图像识别代码示例： ```python import cv2 # 加载图像 img = cv2.imread('smoke.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 应用高斯滤波 gray = cv2.GaussianBlur(gray, (5, 5), 0) # 应用Canny边缘检测 edges = cv2.Canny(gray, 100, 200) # 查找轮廓 contours, hierarchy = cv2.findContours(edges, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) # 对每个轮廓进行处理 for contour in contours: # 计算轮廓面积 area = cv2.contourArea(contour) # 过滤面积小于一定值的轮廓 if area < 1000: continue # 近似轮廓 approx = cv2.approxPolyDP(contour, 0.02 * cv2.arcLength(contour, True), True) # 如果近似轮廓包含4个点，则可能是烟雾区域 if len(approx) == 4: # 绘制烟雾区域 cv2.drawContours(img, [approx], 0, (0, 255, 0), 2) # 显示结果 cv2.imshow('Smoke detection', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例中，我们首先加载图像并将其转换为灰度图像。然后，我们应用高斯滤波和Canny边缘检测来检测图像中的边缘。接下来，我们使用findContours()函数查找轮廓，并使用contourArea()函数计算每个轮廓的面积。我们过滤掉面积小于一定值的轮廓，并使用approxPolyDP()函数对每个轮廓进行近似。如果近似轮廓包含4个点，则可能是烟雾区域。最后，我们使用drawContours()函数将烟雾区域绘制在原始图像上，并显示结果。
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