EmguCV学习(三)
2016-04-15 18:21
183 查看
(1)直方图伸展以及直方图均衡化
观察某些图像的释放图可以很容易看到,整个可用的强度值范围并没有被完全利用,特别是图像中比较亮的强度值。这里,通过伸展直方图来生成一个对比度更高的图像。
然后,利用EMgucv的自带函数进行直方图均衡化,值得注意的是,函数库里面的直方图均衡命令是针对灰度值而言的,那么,在处理彩色图像的时候,要么将其转换为灰度图像,要么针对BGR三个通道的直方图分别进行均衡,然后将三幅单通道图像合并得到最后的彩色均衡化图像,也是本节的方案。
这里说明提下,中间的两幅图像是使用直方图伸展后得到的。上图是分别对BGR三个通道进行伸展后合并得到的彩色图像,下图是对BGR三个通道进行伸展时所采用的参数为Blue通道直方图伸展时使用的参数;
最右边的是使用Opencv(EMGucv)自带直方图函数处理的结果,处理时分别对BGR三个通道的图像进行均衡再合并得到最终图像。
(2)反向投影直方图检测特定图像内容
part1 灰度图像
part2 RGB彩色图像
(3)基于图像HSV空间色调分量的均值平移算法查找目标
本例中,首先读取一个狒狒图像,设置ROI为狒狒脸部。然后,读取需要检测的图像,并查找该图像中狒狒的脸部区域
看结果还是可以的~
(4)基于直方图的图相似相似度比较,这里用到了CvInvoke.CompareHist这个函数
(5)基于积分图像的自动化阈值分割
右边是直接采用opencv的自动化阈值分割方法实现~在自定义方法中,并没有对边缘数据进行处理~
观察某些图像的释放图可以很容易看到,整个可用的强度值范围并没有被完全利用,特别是图像中比较亮的强度值。这里,通过伸展直方图来生成一个对比度更高的图像。
然后,利用EMgucv的自带函数进行直方图均衡化,值得注意的是,函数库里面的直方图均衡命令是针对灰度值而言的,那么,在处理彩色图像的时候,要么将其转换为灰度图像,要么针对BGR三个通道的直方图分别进行均衡,然后将三幅单通道图像合并得到最后的彩色均衡化图像,也是本节的方案。
这里说明提下,中间的两幅图像是使用直方图伸展后得到的。上图是分别对BGR三个通道进行伸展后合并得到的彩色图像,下图是对BGR三个通道进行伸展时所采用的参数为Blue通道直方图伸展时使用的参数;
最右边的是使用Opencv(EMGucv)自带直方图函数处理的结果,处理时分别对BGR三个通道的图像进行均衡再合并得到最终图像。
(2)反向投影直方图检测特定图像内容
part1 灰度图像
part2 RGB彩色图像
(3)基于图像HSV空间色调分量的均值平移算法查找目标
本例中,首先读取一个狒狒图像,设置ROI为狒狒脸部。然后,读取需要检测的图像,并查找该图像中狒狒的脸部区域
看结果还是可以的~
(4)基于直方图的图相似相似度比较,这里用到了CvInvoke.CompareHist这个函数
(5)基于积分图像的自动化阈值分割
右边是直接采用opencv的自动化阈值分割方法实现~在自定义方法中,并没有对边缘数据进行处理~
相关文章推荐
- python中使用OpenCV进行人脸检测的例子
- opencv 做人脸识别 opencv 人脸匹配分析
- 使用opencv拉伸图像扩大分辨率示例
- 基于C++实现kinect+opencv 获取深度及彩色数据
- OpenCV 2.4.3 C++ 平滑处理分析
- Python中使用OpenCV库来进行简单的气象学遥感影像计算
- 利用Python和OpenCV库将URL转换为OpenCV格式的方法
- python结合opencv实现人脸检测与跟踪
- Python环境搭建之OpenCV的步骤方法
- Python实现OpenCV的安装与使用示例
- 在树莓派2或树莓派B+上安装Python和OpenCV的教程
- opencv-python学习一--人脸检测
- 在Ubuntu上安装OpenCV3.0和Python-openCV的经历
- OpenCV配置,从来没有这么简单!
- ubuntu下opencv和qt的安装配置
- OpenCV学习笔记(二十五)——OpenCV图形界面设计Qt+VS2008
- 分享一些OpenCV实现立体视觉的经验
- 关于OpenCv图像变换与基本图形检测
- "应用程序正常初始化失败"-0xc0150002 解决办法
- OpenCV->HSV色彩空间