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
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
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
转载
2024-05-25 17:03:08
95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
尝试利用CMake重编译OpenCV多次失败，苦于用不了OpenCV的GPU模块！ 受一个师兄的启发，开始尝试从OpenCV库函数中抠出来自己的CUDA代码，忙活了一周终于有点起色。成功抠出来FAST角点检测的代码，特在此分享经验~首先需要研读OpenCV库函数的代码，找到其位置：.cu文件 D:\software\opencv-2.4.13\opencv\sources\modules\gp
转载
2024-03-11 01:38:08
148阅读
在Opencv1代的时候，是使用lplImage 和 CvMat 数据结构来表示图像的。他们都是C语言的结构，申请的内存需要自己手动管理。从Opencv2.3往后就引入了Mat类，他可以自动管理内存，而我接触opencv开始，用的就是Mat类，再之后在学习opencv过程中才接触了lplImage和CvMat 但是这两个数据结构毕竟给我们带来了一定的负担，所以我不是很喜欢用。所以lplImage
转载
2024-05-09 15:17:54
64阅读
为了提升自己对Opencv中Mat数据类型的熟悉和掌握程度，自己尝试着写了一下Laplace图像锐化函数，一路坎坷，踩坑不断。现将代码分享如下：#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
//Laplace滤波锐化图像
void my
转载
2024-04-15 16:12:19
43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
基于VS与OpenCV的模板匹配学习（4）：手写OpenCV matchTemplate() 文章目录基于VS与OpenCV的模板匹配学习（4）：手写OpenCV matchTemplate()前言一、OpenCV templmatch源码分析二、平方差度量计算三、高斯金字塔3.1 创建高斯金字塔模板3.2 高斯金字塔策略3.3 findMatchingPosition_GrayValueBase
转载
2024-03-26 07:43:57
58阅读
1.2 Mat的内存管理图像数据量大，不妥善管理好内存会产生很大的问题。OpenCV1.X中多采用C的结构，需要用户自己管理内存，在图像不再使用时调用CvRelease。OpenCV2.X中采用C++面向对象的方式，内存可以由自动申请和释放。 1.2.1 图像头与图像内容OpenCV中，图像的头与图像内容是分开的。如下面这段代码：Mat A = Mat::zeros(800,600, C
转载
2024-04-23 11:02:44
85阅读
一、矩阵 Mat I,img,I1,I2,dst,A,B;
double k,alpha;Scalar s;
//Scalar 是一个结构体，常用来存储像素，比如Scalar s;
s=cvGet2D(pImg,x,y);
s.val[0],s.val[1],s.val[2]就是对应的图像BGR的值1.加法
I=I1+I2;//等同add(I1,I2,I);
add(I1,I2,dst
转载
2024-07-22 17:12:33
44阅读
1 cv::Mat cv::Mat是一个n维矩阵类，声明在<opencv2/core/core.hpp>中。 class CV_EXPORTS Mat
{
public:
//a lot of methods
…
/*! includes several bit-fields:
- the ma
OpenCV学习之CvMat的用法详解及实例 CvMat是OpenCV比较基础的函数。初学者应该掌握并熟练应用。但是我认为计算机专业学习的方法是，不断的总结并且提炼，同时还要做大量的实践，如编码，才能记忆深刻，体会深刻，从而引导自己想更高层次迈进。1.初始化矩阵： 方式一、逐点赋值式： CvMat* mat = cvCreateMa
转载
2024-03-07 19:03:14
83阅读
Public Member Funcchannels()Mat矩阵元素拥有的通道数。depth()用来度量每一个像素中每一个通道的精度，但它本身与图像的通道数无关。 depth数值越大，精度越高。 Mat.depth()得到的是一个0~6的数字，分别代表不同的位数，对应关系如下：enum{CV_8U=0,CV_8S=1,CV_16U=2,CV_16S=3,CV_32S=4,CV_32F=5,CV_
转载
2024-06-04 11:11:19
82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
//<学习OPENCV>第3章
//数据结构基本操作
#include<cv.h>
#include<iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include <cxcore.h>
#include<
转载
2024-04-17 16:01:32
152阅读
细化算法作为数学形态学在图像处理上的典型应用对应，可以求取图像基本形状特征，去除多余不相关数据。细化算法比较多，这里只对3种算法进行分析。1. 算法一：查询删除————————引自 吕凤军《数字图像处理编程入门》 对应3*3局部数据，有1）内部点不删 2）孤立点不删 3）直线端点不删 4）去除后连通域增加不删。 &n
转载
2024-08-12 17:45:34
208阅读
