目标在这一章当中，我们将学习SIFT算法的概念我们将学习找到SIFT关键点和描述算符。理论在前两章中，我们看到了一些像Harris这样的拐角检测器。它们是旋转不变的，这意味着即使图像旋转了，我们也可以找到相同的角。很明显，因为转角在旋转的图像中也仍然是转角。但是缩放呢？如果缩放图像，则拐角可能不是角。例如，检查下面的简单图像。在同一窗口中放大小窗口中小图像中的拐角时，该角是平坦的。因此，Harri
一、opencv中绘图函数1、线段绘制 函数：cv2.line(img，pts, color，thickness，linetype) 参数说明：img：待绘制图像。 • color：形状的颜色，元组如（255,0,0）。 • pts：起点和终点 • thickness：线条的粗细。 -1为填充，默认值是 1. • linetype：线条的类型，8型或cv2.LINE_AA，默认值为8型。img=n
转载
2024-05-29 10:30:10
162阅读
细化算法它的原理也很简单： 我们对一副二值图像进行骨架提取，就是删除不需要的轮廓点，只保留其骨架点。假设一个像素点，我们定义该点为p1，则它的八邻域点p2->p9位置如下图所示，该算法考虑p1点邻域的实际情况，以便决定是否删除p1点。假设我们处理的为二值图像，背景为黑色，值为0，要细化的前景物体像素值为1。 算
转载
2023-12-19 19:22:15
227阅读
本章我们在学习一下基于索引表的细化算法。假设要处理的图像为二值图，前景值为1，背景值为0。索引表细化算法使用下面的8邻域表示法：一个像素的8邻域，我们可以用8位二进制表示，比如下面的8邻域，表示为00111000=0x38=56我们可以枚举出各种情况下，当前像素能否删除的表，该表大小为256。它的索引即为8邻域表示的值，表中存的值为0或1，0表示当前像素不能删除，1表示可以删除。deletemar
转载
2024-03-27 19:52:48
41阅读
常用编程软件opencv配置Qt5.9配置pythonVS2015配置 Qt5.9配置1、先从opencv的网站上下载你所需要的版本（https://opencv.org/）本文中使用的是opencv3.1 你可以选择把文件里的opencv文件单独拿出来放在C盘下，方便后面和我路径的一致（也可以选择不放出来，下面路径稍作修改）2、打开Qt，在对应项目文件的pro文件下添加如下代码：INCLUDE
转载
2024-04-02 08:26:14
42阅读
# Python OpenCV 图像细化实现指南
## 介绍
在本文中，我们将学习如何使用Python和OpenCV库来实现图像细化。图像细化是一种常见的图像处理技术，用于减小图像中线条或边缘的宽度，从而提高图像的清晰度和质量。我们将按照以下步骤进行操作：
1. 读取图像
2. 转换为灰度图像
3. 对图像应用二值化
4. 执行图像细化
现在让我们逐步进行实现。
## 步骤一：读取图像
首
原创
2023-07-17 07:13:40
812阅读
# 使用OpenCV和Python进行数字细化处理
在计算机视觉和图像处理领域，数字细化（Thinning）是一种常用的技术，可以将字符或形状简化为其中心线。细化在OCR（光学字符识别）和图像分析中非常重要，因为它可以减少图像中的冗余信息，同时保持形状的结构。本文将通过OpenCV库和Python语言来实现数字细化的基本操作，帮助读者理解细化的原理和应用。
## 细化的基本原理
细化的过程是
在开始学习算法之前，我们先看下连通分量，以及4连通性，8连通性的概念： 假设我们有二值图，背景像素值为0，前景像素值为1。我们使用下面的八邻域表示法： 对于前景点像素p1, 如果p2=0，则p1 称作北部边界点。如果p6=0，p1称作南部边界点，p4=0，p1称作东部边界点，p8=0，p1称作西部边界点。 p1周围8个像素的值都为0，则p1为孤立点
预备知识： 图像ROI： 图像ROI（Region Of Interest），即感兴趣的区域，该操作能够非常轻松的通过numpy的切片操作实现。 注意切片操作后对ROI像素值的更改也会影响到原图，如果不想影响到原图，先将roi做一个copy操作就好，roi_copy = roi.copy() 图像像素值的界限 两个uint8的ndarray相加，值超过255的部分将会以对256取模的方式返回到结果
转载
2024-08-13 08:46:54
42阅读
昨天有事情，本来打算一天分享完的（就是快速看看关键的部分），然后上午看了一会，有事情去忙了，所以没有完成这个工作，今天下午打开一看收到小伙伴的评价，其实自己也是个小白，因为论文的需要，需要图像的知识，自己能力有限，但是会尽力分享每一次学习的心得，希望一方面督促自己学习，另一方面也可以和大家分享交流，做学术嘛，就是要一起学习才能共同进步。 感谢小伙伴的支持，谢谢关注！1 图像阈值 图像阈值理论 代码
转载
2023-11-03 09:16:33
45阅读
漫水填充算法 漫水填充法是一种用特定的颜色填充算法填充连通区域，通过设置可连通像素的上下限以及连通方式来达到不同的填充效果的方法。基本思想是自动选中了和种子点相连的区域，接着将该区域替换成指定的颜色，经常用来标记或者分离图像的一部分进行处理或分析。漫水填充也可以用来从输入图像获取掩码区域，掩码会加速处理过程，或者只处理掩码指定的像素
转载
2024-09-24 18:39:51
65阅读
前面一篇教程中，我们实现了Zhang的快速并行细化算法，从算法原理上，我们可以知道，算法是基于像素8邻域的形状来决定是否删除当前像素。还有很多与此算法相似的细化算法，只是判断的条件不一样。在综述文章， Thinning Methodologies-A Comprehensive Survey中描述了各种细化算法的实现原理，有兴趣可以阅读
转载
2023-08-07 15:33:58
259阅读
我这是测试了两个人的代码，似乎有些区别的，第二篇作者贴出来的代码还存在一些bug，我简单修改了一下，实现的效果上似乎是有一下差别，后续看看论文再做评价。两个方法也都能满足一定的需求。参考blog： 在我们进行图像处理的时候，有可能需要对图像进行细化，提取出图像的骨架信息，进行更加有效的分析。 图像细化（Image Thinni
转载
2024-05-21 13:08:23
79阅读
1. 算法简介算术优化算法(Arithmetic Optimization Algorithm, AOA)是一种根据算术操作符的分布特性实现全局寻优的元启发式优化算法。
乘除运算提高位置更新的全局分散性加减运算提高位置更新在局部区域的精确性于2021 年由 Abualigah 等人提出。具有收敛速度快，精度高等特点。2. 理论基础算法分为三步：
通过数学优化器加速函数选择优化策略探索阶
转载
2024-06-05 11:32:44
121阅读
在图像中我们经常需要用到将某个局部特征画出来，比如物体检测，物体追踪等等，今天来看看有哪些好玩的绘图工具吧！常用的绘图有：画直线、圆、矩形、字符串，在OpenCV中分别可以用cv2.line(), cv2.circle(), cv2.rectangle(), cv2.putText()来实现，所有的绘图函数返回值均为None，不能用img=cv2.paintFunction()。1.cv2.lin
转载
2024-03-08 14:37:27
224阅读
【opencv】图像细化 在我们进行图像处理的时候，有可能需要对图像进行细化，提取出图像的骨架信息，进行更加有效的分析。 图像细化（Image Thinning），一般指二值图像的骨架化（Image Skeletonization） 的一种操作运算。 所谓的细化就是经过一层层的剥离，从原来的图中去掉一些点，但仍要保持原来的形状，直到得到图像的骨架。骨架，可以理解为图象
转载
2016-02-25 10:38:00
441阅读
2评论
一、形态学应用案例开、闭运算、形态学梯度等原理：相关函数:morphologyEx(InputArray src, OutputArray dst, int op, lnputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar &a
【opencv】图像细化 【opencv】图像细化 2014-02-17 21:03 5404人阅读 评论(14) 收藏 举报 分类： opencv（1） 版权声明：本文为博主原创文章，未经博主允许不得。 在我们进行图像处理的时候，有可能需要对图像进行细化，提取出图像的骨架信息，进行更加有效的分
转载
2016-03-01 18:17:00
381阅读
2评论
目录1. 整体思路1.1. 文字检测, Detection1.2. 文字识别, Classification1.2.1. segmentation based method, 需要分割字符的方式1.3. 最后进行后处理校正2. 关键技术2.1. 特征提取3. 开源项目整理3.1. Tesseract3.1.1. TesserOCR3.1.2. 结合OpenCV EAST3.2. 中文 OCR 项目
程序编码参考经典的细化或者骨架算法文章：T. Y. Zhang and C. Y. Suen, “A fast parallel algorithm for thinning digital patterns,” Comm. ACM, vol. 27, no. 3, pp. 236-239, 1984.它的原理也很简单： 我们对一副二值图
转载
2023-10-16 18:54:11
165阅读
