У меня есть несколько изображений растровых изображений и вы хотите сегментировать и получать доступ к позиции (и хотите знать размер) непрерывного тона очень высококоррелированных областей, я имею в виду продолженные тональные области (высококоррелированные сегменты) только области, которые удерживайте точные значения пикселей. У меня есть опыт обработки изображений, и я использую C++ и opencv, но я не нашел библиотеку, которая боится, если я буду заниматься программированием, я потеряю производительность, и расчет станет неэффективным, в то время как мне нужно еще много процессов обрабатывать. в это время, но из-за 10 лет этой науки я остался неуклюжим, и я не могу найти ответы, поскольку я был молод, я буду признателен, если вы поможете мне в любых идеях об этом, потому что я застрял. спасибо за любезное чтение и помощь.Обработка изображений
ответ
Я могу продемонстрировать концепцию моего комментария, используя ImageMagick, и это тестовое изображение, которое имеет полезное свойство быть шумом, что означает, что вы можете видеть его на белом фоне SO, и алгоритм не должен его видеть.
Я усреднить по площади 15x15, как это:
convert test.png -statistic mean 15x15 x.png
, который дает этот
затем порог и инвертировать его, так что вы можете увидеть области непрерывного тона, идентифицированные в белом
convert test.png -statistic mean 15x15 test.png -compose difference -composite -depth 8 -threshold 1 -negate x.png
Вы можете экспериментировать с разной шириной и высотой нерезкости коробки, как это:
#!/bin/bash
for x in 3 7 15 25; do
for y in 3 7 15 25; do
convert -label "${x}x${y}" test.png -statistic mean ${x}x${y} miff:-
done
done | montage - -frame 5 -tile 4x out.png
, который дает это:
и соответствующей маске изображения таким образом:
Вы можете проход, что в Connected Components анализа, как это:
convert test.png -statistic mean 5x5 \
test.png -compose difference -composite \
-depth 8 -threshold 1 -negate \
-define connected-components:verbose=true \
-define connected-components:area-threshold=20 \
-connected-components 8 -auto-level blobs.png
, который даст вам это, которое содержит координаты сгустков
Objects (id: bounding-box centroid area mean-color):
0: 500x500+0+0 270.8,271.7 177169 srgb(0,0,0)
1: 216x216+52+41 159.5,148.5 46656 srgb(255,255,255)
8: 114x114+63+351 119.5,407.5 10039 srgb(255,255,255)
2: 81x100+354+47 394.0,96.5 8100 srgb(255,255,255)
5: 49x49+348+204 372.0,228.0 2401 srgb(255,255,255)
6: 358x5+55+287 233.5,289.0 1790 srgb(255,255,255)
10: 45x45+244+383 265.9,405.0 1520 srgb(255,255,255)
3: 4x289+451+181 452.5,325.0 1156 srgb(255,255,255)
7: 122x4+57+309 117.5,310.5 488 srgb(255,255,255)
9: 4x114+416+356 417.5,412.5 456 srgb(255,255,255)
4: 15x15+312+185 319.0,192.0 225 srgb(255,255,255)
Затем я могу очертить обнаруженные области над исходным изображением:
Благодарю вас за любезность и глубокое объяснение, надеюсь, что вы все самое лучшее.но это не то, что я точно ищу, пока мои объекты не являются униформальными, они являются частью объектов или даже фоновых вещей, на самом деле мне нужно извлечь реальные высококоррелированные области, но вдалеке, чтобы я мог рассчитать размер и пометить их , и воздайте больше благодарения за добрые усилия, и Бог может благословить вас. – user3601375
- 1. Обработка изображений изображений
- 2. Обработка изображений
- 3. Обработка изображений
- 4. Обработка изображений
- 5. Обработка изображений
- 6. C# Обработка изображений: сходство изображений
- 7. Обработка изображений с помощью PHP Обработка изображений GD JPEG
- 8. Обработка изображений титана
- 9. Обработка изображений в Метеор
- 10. java (обработка изображений)
- 11. Обработка изображений в Rails
- 12. Обработка изображений Mathematica
- 13. Обработка огромных растровых изображений
- 14. Обработка изображений в Java
- 15. Обработка изображений в Java
- 16. Обработка изображений в Drupal
- 17. Обработка изображений веб-приложений
- 18. обработка цифровых изображений
- 19. Python .. обработка изображений
- 20. iphone - обработка цифровых изображений
- 21. Что такое обработка изображений?
- 22. Обработка изображений в рубине
- 23. js + html5 обработка изображений
- 24. PHP GD Обработка изображений
- 25. R и обработка изображений
- 26. пакетная обработка изображений tiff
- 27. Обработка изображений Matlab
- 28. Обработка изображений Sikuli
- 29. C# Обработка резьбовых изображений
- 30. Обработка изображений-Распознавание формы
Я думаю, что вы, вероятно, ищете * Blob Analysis * или * Connected Components Analysis *. В противном случае вы могли бы выполнить некоторые операции * окрестности * для среднего значения области окрестности, а затем вычесть каждый пиксель из среднего числа его соседей, поскольку, когда пиксель равен среднему значению его соседей, результатом вычитания будет черный пиксель , затем порог, который очень низкий и инвертирован, чтобы ваши области интереса были белыми. –