在本教程中，我们将学习Computer Vision中使用的流行色彩空间，并将其用于基于颜色的分割。 1975年，匈牙利专利HU170062引入了一种难题，在43,252,003,274,489,856,000（43亿亿）种可能性中，只有一种正确的解决方案。到2009年1月，这项被称为“魔方”的发明席卷全球，销量超过3.5亿。 因此，有位同学又建立基于计
转载
2024-04-07 20:50:53
93阅读
前言还记得这个图吗？前阵子有篇文章《【综合练习】C++OpenCV实战---获取数量》里面中我们利用学到了一些OpenCV的基本知识进行了数量的提取。当时算是完成了，可以看看文章中的实现思路里面用到了距离变换，连通区域计算，还是归一化等一些API，比较烦所，其中里面一个最关键的问题是通过图像二值化后进行形态学操作，需要反复不停的测试找到一个合适的点才能把最左侧的两个枣区分开，上一章中我们学习了In
转载
2024-02-26 16:55:55
49阅读
使用OpenCV基于特定的色彩范围进行图像分割操作
一、遍历图像实现色彩掩码本节我们实现这样一个算法，我们指定某种颜色和一个阈值，根据输入图片生成一张掩码，标记符合的像素（和指定颜色的差异在阈值容忍内）。源代码如下，我们使用一个class完成这个目标，其指定了两种构建函数，并通过逐像素扫描的形式生成掩码（process成员函数）。另外，本class做了仿
转载
2024-06-12 05:39:04
176阅读
机器学习中的一个比较常用的算法SVM，Support vector machine，支持向量机，具体说明可以看维基百科http://zh.wikipedia.org/wiki/SVM。本文主要对SVM在OpenCV中的应用进行一些说明。1、首先是SVM的构造原文这样说http://docs.opencv.org/modules/ml/doc/support_vector_machines.html
转载
2024-06-14 10:37:20
31阅读
所谓的颜色空间是指，针对一个给定的颜色，我们如何组合颜色元素以对其编码。即把颜色分成几个基元素，通过组合基元素可以产生所有的颜色。RGB是最常用的一种颜色空间，因为它的原理和我们人眼的内部构成颜色的方式相同，通过基色 R（红色），G（绿色），B（蓝色），有时候还会有表示颜色透明度的（A）。HSV由一个圆锥组成，下顶点为黑色，上顶圆的中心点为白色。 H：色调，用角度度量，取值范围为0°～360°，从
转载
2024-03-25 19:55:13
65阅读
颜色空间介绍我们所看到的图像信息，其实每一帧都是由B、G、R三个颜色分量所构成的像素点排列而成。颜色模型也被称为颜色空间，是用一组数值来描述颜色的数学模型。、RGB图像是一种比较常见的颜色空间类型，除此以外，还有一些还有一些其他的颜色空间，比较常见的包括GRAY颜色空间（灰度图像）、Lab颜色空间、XYZ颜色空间、YCrCb颜色空间、HSV颜色空间、HLS颜色空间、CIELab颜色空间、CIELu
转载
2024-02-19 12:43:04
492阅读
图像的色彩分割其实原理差不多，也是根据图像的rgb色彩组成，设置分割区间来将颜色分开来；比如Scalar(100,100,100)-Scalar(150,150,150)间的色彩分割出来；但是rgb颜色分割时候，rgb值往往不是连续性的，比如下面：淡蓝色深蓝色啊中间并不递增分布的，所以用rgb彩色分割效果一般，一般采用HSV等方法分割；代码示例rgb分割：int img_B,img_G,img_R
转载
2023-10-08 11:46:28
521阅读
在滤波、变换、缩放等任务中，图像分割具有重要的意义。图像分割是将不同的对象划分为不同的部分，并将这些区域以明显的颜色或者记号标记出来。图像分割是使用轮廓、边界框等概念进行其他高级计算机视觉任务（例如对象分类和对象检测）的基础。良好的图像分割为我们后续的图像分类以及检测奠定了基础。
原创
2021-07-15 10:28:24
470阅读
图像分割在滤波、变换、缩放等任务中，图像分割具有重要的意义。图像分割是将不同的对象划分为不同的部分，并将这些区域以明显的颜色或者记号标记出来。图像分割是使用轮廓、边界框等概念进行其他高级计算机视觉任务（例如对象分类和对象检测）的基础。良好的图像分割为我们后续的图像分类以及检测奠定了基础。计算机视觉中三种不同的图像分割类型：1. 颜色分割或阈值分割2. 语义分割3. 边缘检测本次将介绍基于颜色的图像分割，并通过OpenCV实现。（准确性落后于DL，运行速度快于DL）颜色分割可以用于检测身体肿瘤
原创
2022-01-17 18:16:47
1564阅读
在滤波、变换、缩放等任务中，图像分割具有重要的意义。图像分割是将不同的对象划分为不同的部分，并将这些区域以明显的颜色或者记号标记出来。图像分割是使用轮廓、边界框等概念进行其他高级计算机视...
转载
2021-08-30 16:37:15
1287阅读
opencv实战
转载
2021-06-24 14:04:15
475阅读
opencv实战
转载
2021-07-15 15:15:57
690阅读
前言上一篇中我们学习了《C++ OpenCV使用InRange对HSV颜色进行分割》，本身通过视频中可以看到我们通过颜色把按摩器提取了出来，这次我们基于上一章的成果，在上面实现原视频中的物体标识出来，呈现出追踪的效果。实现效果视频
实现思路对源视频用InRange进行颜色分割对分割出来的图像进行形态学操作（开操作去燥）然后再进行N闪的膨胀（N为整数，需要自己把握）对膨胀后的形态进行查
转载
2024-08-13 10:20:48
88阅读
Meanshift不仅可以用于图像滤波，视频跟踪，还可以用于图像分割。 一般而言一副图像的特征点至少可以提取出5维，即(x,y,r,g,b)，众所周知，meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。 有一点需要注意的是图像像素的
转载
2024-03-20 16:39:46
76阅读
学了好几天了，突然在图像分离颜色通道这里遇到了个大门槛，这里总结一下自己的经验。关键代码我是从他这里考出来的，没有知道，只能读它的源代码，但当我运行的时候就蒙了，乱七八糟的报错，最后跟踪是在split函数这里出错了，代码完全一样，但是就是过不去1. Mat srcImage;
2. Mat logoImage;
3. vector<Mat&g
转载
2024-05-29 07:38:40
46阅读
上次的决策树在此首先记录一下集成算法集成学习算法 集成学习（ensemble learning）是通过在数据上构建多个模型，集成所有模型的建模结果。有随机森林（比较基础），梯度提升树（GBDT），Xgboost等集成算法。集成算法的目标集成算法会考虑多个评估器的建模结果，汇总之后得到一个综合的结果，以此来获取比单个模型更好的回归或分类表现。多个模型集成成为的模型叫做集成评估器（ensemble e
转载
2024-10-27 07:08:39
18阅读
K-means算法分割 K-means是一种经典的无监督聚类算法 不需要人工干预。算法原理: （1）随机选择两个中心点； （2）计算每个点到这两个中心点的距离，最近的分成一类（连接起来）； （3）重新计算中心点（平均值计算），计算新的中心点到旧的中心点的差值如果小于输入的值，就说明中心的位置发生了变
原创
2022-01-25 11:29:51
1031阅读
RGB颜色空间的的理解
三基色原理：
大多数的颜色可以通过红、绿、蓝三色按照不同的比例合成产生，同样绝大多数单色光也可以分解成红绿蓝三种色
光，红绿蓝三基色按照不同的比例相加合成混色称为相加混色。其中一些混色的规律有：
红色+绿色=黄色；绿色+蓝色=青色；红色+蓝色=品红；红色+绿色+蓝色=白色；
RGB颜色空间：
（1）、并不是说R值越大，颜色越红
转载
2024-01-09 06:49:26
182阅读
最近需要做一个图像分割的程序，查了opencv的源代码，发现opencv里实现的图像分割一共有两个方法，watershed和mean-shift算法。这两个算法的具体实现都在segmentation.cpp文件内。watershed（分水岭算法）方法是一种基于边界点的分割算法。我想好好的研究一下， 网上找了一些博客和教程，感觉也就泛泛的解释了一下实验的流程，具体算法的运行过程并不清楚，又把原始论文
转载
2024-03-31 11:04:06
57阅读
最简单的图像分割的方法。应用举例：从一副图像中利用阈值分割出我们需要的物体部分（当然这里的物体可以是一部分或者整体）。这样的图像分割方法是基于图像中物体与背景之间的灰度差异，而且此分割属于像素级的分割。为了从一副图像中提取出我们需要的部分，应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，并作出相应的判断。（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。一旦
转载
2024-07-10 18:27:36
56阅读
