实战篇：粘连物体分割——利用角点检测、定ROI区域、透视变换、几何分割实现瓶盖分割计数一、背景二、思路三、代码四、效果五、声明 一、背景 在去年学习opencv的过程当中，做过一张瓶盖分割的练习。目的就是为了分割出每个瓶盖，当时想着，除了霍夫圆检测思路之外，能不能根据相连瓶盖的特征进行分割呢?于是便想到了根据角点检测其相连位置，然后在相连位置之间画一根线进行切除。是不是想法很单纯，觉得很好
转载
2024-05-02 22:01:20
586阅读
导读本文主要介绍一个密集粘连药片分割计数综合实例的实现方法和总结。
背景介绍
在实际的视觉应用场景中，我们常常会遇到物体/元件的计数问题，而计数时比较常见的情形就是物体相邻或粘连，对相邻或粘连物体的分割将直接影响着最终计数的准确性。后面将分篇介绍粘连物体分割计数的常用方法，包括：【1】形态学 + 连通域处理方法(点击查看)【2】距离变换 + 分水岭分割方法(点击查
原创
2022-10-18 05:56:51
1236阅读
1评论
1. opencv中膨胀和腐蚀膨胀和腐蚀是图像形态学的最基础变换方式，在消除噪声，元素分割和连接等方面都有应用。膨胀 膨胀是一种卷积操作，它将目标像素的值替换为卷积核覆盖区域的局部最大值,也可以说是“最大化”操作，使明亮区域扩张并联通。opencv函数定义：
void cv::dilate(
cv::InputArray src,//Input image
cv::OutputArra
转载
2024-03-06 12:33:39
170阅读
本文将介绍如何使用分水岭算法对触摸和重叠的图像中的对象进行分割和提取。 参考：https://www.pyimagesearch.com/2015/11/02/watershed-opencv/分水岭算法是一种分割的经典算法，在提取图像中连接或重叠的图像中的对象（例如上图中的硬币）时特别有用。 使用传统的图像处理方法（例如阈值检测和轮廓检测），我们将无法从图像中提取每个硬币–但是，利用分水岭算法，
转载
2023-12-13 00:08:26
151阅读
知识要点1. 分水岭算法涉及API:(前景物体从背景中分离)distanceTransform () # 计算img中非零值到距离它最近的0值之间的距离connectedComponents() # 求连通域, 用0标记图像的背景，用大于0的整数标记其他对象watershed(image, markers)# 执行分水岭法2. GrabCut (交互式区分前景背景), 通过交
转载
2024-03-28 10:58:13
1843阅读
导读本文主要介绍基于基于形态学+连通域处理实现粘连物体的分割与计数方法，并对比Halcon与OpenCV实现差异。
背景介绍
在实际的视觉应用场景中，我们常常会遇到物体/元件的计数问题，而计数时比较常见的情形就是物体相邻或粘连，对相邻或粘连物体的分割将直接影响着最终计数的准确性。后面将分篇介绍粘连物体分割计数的常用方法，包括：【1】形态学 + 连通域处理方法【2】距离变换 +
原创
2022-10-18 06:01:36
2680阅读
实现差异。
原创
2022-10-18 05:58:57
4216阅读
点赞
实战篇：粘连物体分割——利用角点检测、定ROI区域、透视变换、几何分割实现硬币分割计数一、背景二、思路三、代码四、效果五、声明 一、背景 前面分享过一篇文章，是利用几何分割的方法，实现了 瓶盖的分割检测瓶盖的分割检测，本文主要利用该文章算法，应用到硬币检测当中（因为图像分辨率有一些不一样，质量也有点不同，所有需要稍微调参），经过稍微调参之后，这里附上可以直接运行的代码。 图1 瓶盖检测效果
转载
2024-05-13 19:51:16
534阅读
。目标基于VS2017(对应VC15)编译最新版OpenCPN的 debug和 realease版本。参考资料OpenCPN GithubOpenCPN Manuals - Compiling on WindowsOpenCPN Manuals - Compile 2015 VS Community Workflow下载汇总Visual Studio Community 2017 (version
# PyTorch 实现多物体计数
多物体计数是计算机视觉中的一个重要任务，广泛应用于安全监控、交通监测、以及人流统计等领域。本文将介绍如何利用 PyTorch 实现多物体计数，并提供简单的代码示例。
## 任务背景
多物体计数主要目标是在给定的图像或视频序列中精确统计出特定物体的数量。传统的方法依赖于人工特征提取，而现代深度学习方法则通过卷积神经网络（CNN）自动提取特征，极大地提高了计数
初衷最近比较闲，跟同学聊天讲到他的课题：医学图像分割，提取左心室区域。我就好奇要了原始图片，发现超声图像果然比红外图像分辨率低，他指给我左心室所在区域。思路拿到这张图第一眼，脑海里蹦出无数个小想法：感兴趣区域为一个扇形，所以首先制作掩模；这种灰度分级模糊的图像，若想分类，可以试试Kmeans，或者直接用阈值分割；后续可以分析特征，通过边界跟踪一类得到。具体流程1、原图通过k_means二分类，并得
转载
2024-04-26 15:01:32
101阅读
本节内容是学习实现如何通过OpenCV实现质心跟踪，一个易于理解且高效的跟踪算法。目标跟踪的过程：进行一组初始的对象检测（例如边界框坐标的输入集）为每一个初始检测对象创建一个唯一ID然后跟踪每个对象在视频中的帧中移动时的情况，并保持唯一ID的分配此外，目标跟踪允许我们将唯一的ID应用于每个被跟踪的对象，从而使我们能够对视频中的唯一对象进行计数。目标跟踪对于建立人员计数器至关重要。理想的目标跟踪算法
转载
2023-12-15 11:03:44
123阅读
OpenCV4.1.0在Linux环境下的下载安装看这里：OpenCV（一）————OpenCV概述与(Linux)环境搭建 搞了快一整天了，总算是可以运行程序了。OpenCV安装好之后就要开始实战前的准备了，在CLion上开始配置环境。没有下载CLion的，先下载安装一下。随便搜个博客参考就行。配置步骤：1.打开CL,点击File>New Project，新建C++项目untit
转载
2024-04-29 23:09:18
85阅读
OpenCV学习笔记（十六）——CamShift研究 CamShitf算法，即Continuously Apative Mean-Shift算法，基本思想就是对视频图像的多帧进行MeanShift运算，将上一帧结果作为下一帧的初始值，迭代下去。基本步骤为：1.选取关键区域2.计算该区域的颜色概率分布--反向投影图3.用MeanShift算法找到下一帧的特征区域4.标记并重复上述步骤 该算法的关键就
目录一、分水岭算法（Watershed）简介二、分水岭算法实现步骤三、阈值和轮廓检测硬币分割代码实现与分析四、分水岭硬币分割代码实现五、代码效果展示与分析参考资料 一、分水岭算法（Watershed）简介 所有的灰度图像都可视为拓扑平面,我们将灰度值高的区域看成山峰,将灰度值低的区域看成山谷,我们向图像上所有的"山谷"中注入不同颜色的水,不断的注水,水位则会不断上升,注入的水将灌满山谷,并可能
利用轮廓检测，我们可以检测出目标的边界，并容易地定位。它通常是许多有趣应用，如图像前景提取，简单图像分割，检测和识别。轮廓线在计算机视觉中的应用一些非常酷的应用程序已经建立，使用轮廓进行运动检测或分割。下面是一些例子:运动检测: 在监控视频中，运动检测技术的应用非常广泛，包括室内外安全环境、交通控制、体育活动中的行为检测、无人值守物体检测，甚至视频压缩等。在下面的图中，可以看到在视频流中检测人的
转载
2023-12-13 09:54:21
274阅读
概念：梯度简单来说就是求导，在图像上表现出来的就是提取图像的边缘（不管是横向的、纵向的、斜方向的等等），所需要的无非也是一个核模板，模板的不同结果也不同。所以可以看到，所有的这些个算子函数，归结到底都可以用函数cv2.filter2D()来表示，不同的方法给予不同的核模板，然后演化为不同的算子而已。OpenCV提供了三种梯度过滤器（高通过滤器）-Sobel、Scharr、Laplacian。一、S
原作者：robberjohn 博客已删除了，源码下载链接在 对于二值化图像，去除孔洞时采用的方法实际上与去除小区域相同，因此完全可以用同一个函数进行。 这两个功能可以采取区域生长法来实现。须注意，
转载
2024-08-09 08:50:28
54阅读
计数器（Counter）是Python标准库collections模块中提供的一个强大工具，用于统计可哈希对象的出现次数。计数器的使用非常灵活，可以解决各种计数和统计问题。本文介绍Python中的计数器，包括其基本用法、高级功能和示例代码。什么是计数器（Counter）？计数器是一种特殊的字典（dict），用于存储可哈希对象的出现次数。它提供了方便的接口来增加、减少和查询元素的计数。计数器是一种高
文章目录前言1.分割流程图2.图像预处理2.1 改进二值化算法2.2 形态学运算3.提取轮廓4.凸包检测5.标记大米 前言转载请注明本文出处。最近一段时间一直在看粘连分割，网上也有很多demo，找了一个大米的图像做测试。以下是本篇文章正文内容，下面案例可供参考。1.分割流程图分割总流程图如下图所示：2.图像预处理图像预处理包括图像二值化+形态学运算。2.1 改进二值化算法此处二值化思想参考本博客
转载
2024-03-11 14:24:02
793阅读
