这样的一张烟丝图片,想识别里面烟丝的尺寸,识别出烟丝的轮廓。

草履虫程序员 CSDN会员 草履虫程序员 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区
现在有一张烟丝的照片,想识别出图片里的分布的各种烟丝轮廓,烟丝可能存在交错在一起,并排在一起,形状也是各种各样。具体图片如下:

请问问各位,这样的图片如何去识别。有什么具体的步骤。需要采用哪些方法?我想利用opencv去识别,主要想知道采用什么样的办法方式去处理。
...全文

相关推荐

单目测距(颜色提取+轮廓识别,提高了识别准确度)

大部分教程都采用了轮廓识别的方法进行单目测距的实现,但经实验发现,此方法极易受到复杂环境的干扰,采用了颜色识别+轮廓检测的办法。先经过颜色识别提取,比如把明显的红色物体提取出来,屏蔽图片内掉其他非红色物体,就大大减少了干扰物,最后再加上轮廓识别方法进行单目测距的计算,提高的识别准确度。博客链接:https://blog.csdn.net/qq_30130435/article/details/86601370?spm=1001.2014.3001.5501

雾起、夜未央

python + openCV 实现图像轮廓识别和面积计算

需求:以上图像是金属/丝状物/金属三层夹心结构,希望通过opencv计算出丝状物在两金属所形成带隙中的面积占比。 拟解决思路:二值分割 + 滤波(形态学)+ 轮廓提取,路线如下图。 以下是具体代码import cv2 import tkinter import numpy as np from matplotlib import pyplot as plt#定义线性增强函数,<x1,x2>为增

whymeYan

第十三节 图像处理之轮廓识别

import cv2 as cv import numpy as np def scan_edge_demo(img): gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) gray = cv.GaussianBlur(gray,(3,3),0) scan_edge = cv.Canny(gray,60,150) return scan_edge def scan_contours(img): scan_edge =scan_edge_demo(img) aa,contours,b= cv.findContours(scan_edge,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) cv.drawContours(img,contours,-1,(0,255,255),thickness=4) cv.imshow("scan_contours",img) src = cv.imread("E:/opencv/picture/taijie.png") cv.imshow("inital_window",src) scan_contours(src) cv.waitKey(0) cv.destroyAllWindows() 图片: 分析: 1.Opencv发现轮廓的函数原型为:findContours(image, mode, method[, contours[, hierarchy[, offset]]]) -> image, contours, hierarchy image参数表示8位单通道图像矩阵,可以是灰度图,但更常用的是二值图像,一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像。 所以输入源需要二值化(threshold)处理或者边缘处理canny后才行 mode参数表示轮廓检索模式: ①CV_RETR_EXTERNAL:只检测最外围轮廓,包含在外围轮廓内的内围轮廓被忽略。 ②CV_RETR_LIST:检测所有的轮廓,包括内围、外围轮廓,但是检测到的轮廓不建立等级关系,彼此之间独立,没有等级关系,这就意味着这个检索模式下不存在父轮廓或内嵌轮廓。 ③CV_RETR_CCOMP:检测所有的轮廓,但所有轮廓只建立两个等级关系,外围为顶层,若外围内的内围轮廓还包含了其他的轮廓信息,则内围内的所有轮廓均归属于顶层。 ④CV_RETR_TREE:检测所有轮廓,所有轮廓建立一个等级树结构,外层轮廓包含内层轮廓,内层轮廓还可以继续包含内嵌轮廓。 method参数表示轮廓的近似方法: ①CV_CHAIN_APPROX_NONE 存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即max (abs (x1 - x2), abs(y2 - y1) == 1。 ②CV_CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息。 ③CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。 contours参数是一个list,表示存储的每个轮廓的点集合。 hierarchy参数是一个list,list中元素个数和轮廓个数相同,每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3],分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号,如果没有对应项,则该值为负数。 offset参数表示每个轮廓点移动的可选偏移量。 2.Opencv绘制轮廓的函数原型为:drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]]) -> image imgae参数表示目标图像。 contours参数表示所有输入轮廓。 contourIdx参数表示绘制轮廓list中的哪条轮廓, 如果是负数,则绘制所有轮廓。 color参数表示轮廓的颜色。 thickness参数表示绘制的轮廓线条粗细,如果是负数,则绘制轮廓内部。 lineType参数表示线型。 hierarchy参数表示有关层次结构的可选信息。 maxLevel参数表示绘制轮廓的最大级别。 如果为0,则仅绘制指定的轮廓。 如果为1,则该函数绘制轮廓和所有嵌套轮廓。 如果为2,则该函数绘制轮廓,所有嵌套轮廓,所有嵌套到嵌套的轮廓,等等。 仅当有可用的层次结构时才考虑此参数。 offset参数表示可选的轮廓偏移参数,该参数可按指定的方式移动所有绘制的轮廓。 关于轮廓检测,什么的样的情况会被判断为轮廓呢? 答:因为在做轮廓检测之前需要进行二值化,所以对于图像的整个ROI区域只有黑白两个颜色,而下面两种情况会被检测作为轮廓: 1. 白色区域与黑色区域的边缘交接区域 2. 当背景为白色时,整个ROI区域的外边界就会被视为轮廓。(往往我们希望背景是黑色,所以如果出现这种情况时我们需要在二值化图像时对图像取反)。

希楠

halcon 轮廓模板匹配 批量图片 实战

用halcon实现轮廓模板匹配,实战批量图片,可运行已调试,可作为学习参考

nitu63

Python实现使用卷积提取图片轮廓功能示例

主要介绍了Python实现使用卷积提取图片轮廓功能,涉及Python数值运算与图像处理相关操作技巧,需要的朋友可以参考下

weixin_38593823
评论 42
收藏 已收藏
分享
返回顶部