怎样在灰度图上标识出红色的物体轮廓?

sandrafei 2007-04-23 01:23:58

我现在处理的是灰度图,图中有两个细胞.当我通过算法找出这两个细胞的轮廓后,想用红色线条把找出的轮廓明显的表示出来.但我觉得好像灰度图是不能显示颜色的.我该怎么办呢?请指教,不胜感激.

...全文

545 5 打赏收藏举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

gamedragon 2007-04-24

打赏
举报

回复

图像处理和显示图像是两个不同的东西。如果是在Windows平台，找任何一本VC的书就有如何用MFC或API画图的例子，照猫画虎就行了。至于函数，SetDIBitsToDevice，MoveTo，LineTo，……
实现这个要求就是先把图显示出来，然后按照你找出来的边缘，用红点或红线再画到图上就行了。

hell190109 2007-04-24

打赏
举报

回复

最简单的就是用setpixel画到屏幕上

sandrafei 2007-04-23

打赏
举报

回复

高手们帮帮忙啊

sandrafei 2007-04-23

打赏
举报

回复

能说的具体一点嘛,我刚开始学习图象处理.所以能不能写个函数名称什么的,要是能给写段代码就太谢谢了

gamedragon 2007-04-23

打赏
举报

回复

画到屏幕上，多少色都不是问题。

直方图是对数据进行统计的一种方法，并且将统计值组织到一系列实现定义好的 bin 当中。其中， bin 为直方图中经常用到的一个概念，可以译为 “直条” 或 “组距”，其数值是从数据中计算出的特征统计量，这些数据可以是诸如梯度、方向、色彩或任何其他特征。直方图：反映图像像素分布的统计图，横坐标就是图像像素的取值，纵坐标是该像素的个数。也就是对一张图像中不同像素值的像素个数的统计。增加对比度：黑的更黑，白的更白。

掌握基于边缘检测（如Canny、Sobel）和基于二值图像（如findContours）的轮廓提取方法。先通过边缘检测算子（如Canny、Sobel）提取边缘，再连接边缘点形成轮廓。轮廓是图像中具有相同颜色或强度的连续像素点组成的曲线，通常对应物体的边界。对比不同阈值（Canny的高低阈值、二值化阈值）对轮廓完整性的影响。理解图像轮廓提取的基本概念及其在图像分割、目标识别中的应用。将图像转为灰度图，并通过阈值处理（如Otsu）生成二值图像。绘制轮廓并分析层次结构（如父子轮廓关系）。

图像轮廓特征查找其实就是他的外接轮廓。应用：图像分割、形状分析、物体检测与识别根据轮廓点进行，所以要先找到轮廓。先灰度化、二值化。目标物体白色，非目标物体黑色，选择合适的二值化方式。有了轮廓点就可以找到最上、最下、最左、最右的四个坐标。就可以绘制出矩形。boundingRect(轮廓点)，返回值是x,y,w,h四个值其中（x,y）是外接矩形的左上角坐标，w,h分别是矩形的宽和高。然后根据返回值执行。

x,y,w,h = cv.boundingRect(cnt) area = cv.contourArea(cnt) #面积，长度，长宽比。 # 如何让将指定轮廓的目标保存，消除不满足条件的轮廓参考代码 # 找出轮廓的不同特征，如面积、周长、质心、边界盒等 # moments矩可以计算物体的质心、面积等特征;函数cv2.moments（）提供了一个计算出所有力矩值的字典。 import cv2 import numpy as np image = cv2.imread('opencv_logo.j

用红色粗线(5像素宽)绘制识别轮廓，配合7像素半径的实心圆点标记中心位置，这样的显示效果在实时视频中非常醒目。采用50×50矩形核的闭运算（先膨胀后腐蚀），不仅可以消除图像中的细小孔洞，还能连接断裂的边缘轮廓。通过多边形逼近算法，筛选出具有4-5个顶点且为凸多边形的轮廓，这样既能识别标准矩形，也能适应轻微形变的情况。设定50像素的距离阈值，既保证了追踪连续性，又避免了误跟相似背景物体。最近我在尝试解决杂乱环境下的矩形识别问题时，总结出一套有效的OpenCV处理流程，特别适合电赛等需要快速实现的场景。

4,514

社区成员

15,347

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章