Halcon 重叠区域 显示汉字 图像分割

一 如何填充区域之间的GAP或分割重叠区域

在这里插入图片描述

read_image(Image,'fabrik')

*区域生长法将图像分割成相同强度的区域，并将其划分成大小为行*列的矩形。 为了确定两个相邻的矩形是否属于相同的区域，
*仅使用其中心点的灰度值。 如果灰度值差小于等于公差，则将矩形合并到一个区域。

regiongrowing(Image,Regions,1,1,3,1000)

gen_empty_region(NoPixel)

expand_region(Regions,NoPixel,RegionExpanded1,'maximal','image')

dev_display(Image)

dev_set_draw('margin')

dev_set_colored(6)

dev_display(RegionExpanded1)

stop()

二 如何在窗口上显示汉字

dev_close_window()

read_image(image,'particle')

get_image_size(image,Width,Height)

dev_open_window(0,0,Width,Height,'black',WindowID)

dev_set_draw('margin')

dev_set_color('green')

threshold(image,Region,128,255)

connection(Region,ConnectedRegions)

select_shape_std(ConnectedRegions,SelectedRegions,'max_area',70)

area_center(SelectedRegions,Area,Row,Column)

dev_display(image)

dev_display(SelectedRegions)

set_tposition (WindowID, Height/2,0)

write_string (WindowID, '面积最大区域的行坐标:'+Row+' 面积最大区域的列坐标: '+Column)

三 图像分割之地形学操作1.分水岭介绍

1 分水玲介绍

传统的分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是地质学上的拓扑地貌，图像中每一像素的灰度值表示该点的海拔高度，每一个局部极小值及其周边区域称为集水盆地，而集水盆地的边界则形成分水岭。
在这里插入图片描述

2 相关概念

局部极小值点:该点对应一个盆地的最低点，当我们在盆地里滴一滴水的时候，由于重力作用，水最终会汇聚到该点。注意：可能存在一个最小值面，该平面内的都是最小值点。

3 分水玲原理

假设我们在盆地的最小值点，打一个洞，然后往盆地里面注水，并阻止两个盆地的水汇集，我们会在两个盆地的水汇集的时刻，在交接的边缘线上(也即分水岭线)，建一个坝，来阻止两个盆地的水汇集成一片水域。这样图像就被分成2个像素集，一个是注水盆地像素集，一个是分水岭线像素集。

dev_close_window()

read_image(image,'particle')

get_image_size(image,Width,Height)

dev_open_window(0,0,Width/2,Height/2,'black',WindowID)

dev_set_draw('margin')

dev_set_colored(12)

dev_clear_window()

*高斯滤波
gauss_filter(image,ImageGauss,9)

*图像反选
invert_image(ImageGauss,ImageInvert)

*从图像里提取分水玲和盆地
*第一个输入参数：输入图像
*第二个输出参数：分割后的盆地区域
*第三个输出参数：分割后的分水岭区域
watersheds(ImageInvert,Basins,Watersheds)

dev_display(image)

dev_display(Basins)

在这里插入图片描述

四 图像分割之阈值操作一

1 auto_threshold自动阈值

dev_close_window()

read_image(image,'egypt1')

get_image_size(image,Width,Height)

dev_open_window(0,0,Width, Height, 'black', WindowHandle)

dev_clear_window()

*根据图像的灰度直方图来确定阈值，这里的Sigma是高斯滤波器，用于直方图的平滑
Sigma:=4

auto_threshold(image,Regions,Sigma)

在这里插入图片描述
在这里插入图片描述

2 binary_threshold二值化阈值

dev_close_window ()

read_image (image, 'egypt1')

get_image_size (image, Width, Height)

dev_open_window (0, 0, Width, Height, 'black', WindowID)

dev_clear_window ()




*使用二值化阈值分割图像
*如果LightDark =“light”，则选择灰度值大于或等于最佳阈值的所有像素。
*如果LightDark =“dark”，则选择灰度值小于的最佳阈值de 所有像素。
*通过选择Method ='max_separability'，可以调用灰度直方图的自动阈值。
*该算法首先计算图像的直方图，然后使用统计矩来找到将像素划分为前景和背景的最佳阈值，
*并使这两个类之间的可分离性最大化。 此方法仅适用于字节和uint2图像。
binary_threshold (image, RegionMaxSeparabilityLight, 'max_separability', 'dark', UsedThreshold)

在这里插入图片描述

3 char_threshold字符提取

dev_close_window()

read_image(image,'alpha1')

get_image_size(image,Width,Height)

dev_open_window(0,0,Width,Height,'black', WindowHandle)

dev_clear_window()


*阈值分割提取字符，主要应用是在明亮的纸上分割黑色字符单通道图像
*第一个输入参数：图像
*第二个输入参数：要计算直方图的区域
*第三个输出参数：分割的字符区域
*第四个输入参数：直方图高斯平滑的Sigma
*第五个输入参数：灰度值差异的百分比
*第理工输出参数：输出计算出的阈值
char_threshold(image,image,Characters,6,95,Threshold)

在这里插入图片描述
在这里插入图片描述

4 dual_threshold分割

*读取一张图像
read_image(Traffic1,'traffic1')

*读取一张图片
read_image(Traffic2,'traffic2')

*将图像由byte类型转化为int2类型
convert_image_type(Traffic1,ImageConverted1,'int2')

*将图像由byte类型转换为int2类型
convert_image_type(Traffic2,ImageConverted2,'int2')

*将两个图像相减
sub_image(ImageConverted1,ImageConverted2,ImageSub,1,0)

*将有符号图像分割为正负两个区域
*第一个输入参数：图像
*第二个输出参数：分割后的正负区域
*第三个输入参数：最小区域大小
*第四个输入参数：最小灰度值大小
*第五个输入参数：阈值
dual_threshold(ImageSub,RegionDiff,500,20,10)

在这里插入图片描述

五 图像分割之阈值操作二

1 dyn_threshold局部阈值

dev_close_window()

read_image(image,'egypt1')

get_image_size(image,Width,Height)

dev_open_window(0,0,Width,Height,'black',WindowID)

dev_clear_window()

mean_image(image,ImageMean,9,9)

*用局部阈值来分割图像
*第一个输入参数：原始图像
*第二个输入参数：滤波后的图像
*第三个输出参数：分割后的区域
*第四个输入参数：补偿值，范围在5到40之间比较有用
*第五个输入参数：提取区域的类型，是亮的区域，或暗的区域，或相似区域
dyn_threshold(image,ImageMean,RegionDynThresh,15,'not_equal')

在这里插入图片描述
在这里插入图片描述

2 threshold固定阈值

dev_close_window()

read_image(image,'egypt1')

get_image_size(image,Width,Height)

dev_open_window(0,0,Width/2,Height/2,'black',WindowID)

dev_clear_window()

*用全局阈值分割图像，试用图像亮度均匀的场合
*第一个输入参数：输入图像
*第二个输出参数：分割后的区域
*第三个输入参数：阈值下限
*第四个输入参数：阈值上限
threshold(image,Region,0,150)

在这里插入图片描述
在这里插入图片描述

3 var_threshold局部阈值

dev_close_window()

read_image(image,'label_01')

get_image_size(image,Width,Height)

dev_open_window(0,0,Width/2,Height/2,'black', WindowHandle)

dev_clear_window()

*通过局部平均值和标准偏差进行阈值图像。试用场合不均匀的照明或噪声的图像
*第一个输入参数：输入图像
*第二个输出参数：分割后的区域
*第三个输入参数：均值和标准差的掩码宽度
*第四个输入参数：均值和标准差的掩码高度
*第五个输入参数：标准差因子
*第六个输入参数：最小灰度值和均值之差
*第七个输入参数：提取区域的类型，是亮的区域，或暗的区域，或相似区域，或不相似区域
var_threshold(image,Region,15,15,1.0,40,'dark')

在这里插入图片描述
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/754412.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Java使用Graphics2D画图，画圆，矩形，透明度等实现

Java使用Graphics2D画图，画圆，矩形，透明度等实现

背景 如上图，需要使用Java生成一个图片， 并以base64编码的形式返回给前端展示。 使用Graphics2D类，来进行画图，其中需要画方框、原型、插入图标、写入文字等，同时需要设置透明度等细节点 环境：Jdk17&#…
阅读更多...
NAS—网络附加存储

NAS—网络附加存储

关键词：私有化存储、Nas、云盘、群晖、Tailscale、 前言 身处于互联网时代的我们，几乎每时每刻都在与计算机打交道，而软件则作为我们和计算机之间沟通的桥梁，因此可以认为软件的作用是：将计算机能力进行包装&#xf…
阅读更多...
期货散户应该如何有效的管理仓位呢?

期货散户应该如何有效的管理仓位呢?

期货散户应该如何有效的管理仓位呢?首先,他们要意识到自己所做的决定是很重要的。其次,还要注意自己的风险承受能力。最后,要做好风险管理,以便避免出现任何问题。 1：散户如何管理仓位 散户在进行期货交易时，要想有效地管理仓位，需要遵循一…
阅读更多...
Windwos +vs 2022 编译openssl 1.0.2 库

Windwos +vs 2022 编译openssl 1.0.2 库

一 前言 先说 结论&#xff0c;编译64位报错&#xff0c;查了一圈没找到解决方案&#xff0c;最后换了32位的。 使用qt访问web接口&#xff0c;因为是https&#xff0c;没有openssl库会报错 QNetworkReply* reply qobject_cast<QNetworkReply*>(sender());if (reply){…
阅读更多...
vivo 互联网自研代码评审 VCR 落地实践

vivo 互联网自研代码评审 VCR 落地实践

作者&#xff1a;vivo 互联网效能平台团队- Chi Wei 本文介绍了vivo工程效能团队基于 Gitlab、Gerrit等开源工具搭建的VCR平台&#xff0c;代码评审idea插件开发及开发过程中遇到的挑战、困难&#xff0c;并分享了相应的应对策略和优化方案。 代码评审是软件质量保证一种活动&…
阅读更多...
5年成为10亿级大单品，海天如何策划黄豆酱的极致产品力?

5年成为10亿级大单品，海天如何策划黄豆酱的极致产品力?

在当今的调味品市场中&#xff0c;酱料作为一个重要的细分品类&#xff0c;正迅速成为消费者日常饮食中不可或缺的一部分。随着人们对烹饪品质和口味多样化的追求不断提升&#xff0c;酱料市场的前景愈发广阔。而在这片广阔的市场中&#xff0c;海天味业&#xff0c;作为中国调…
阅读更多...
ElasticSearch-Windows系统ElasticSearch(ES)的下载及安装

ElasticSearch-Windows系统ElasticSearch(ES)的下载及安装

前言 下载ElasticSearch 可以进入ElasticSearch官方下载地址&#xff0c;选择与电脑系统相对应的版本&#xff1b;博主已经上传资源&#xff0c;或者点此直接免费下载&#xff0c;本次演示版本为8.14.1。 注意&#xff1a; Elasticsearch 5 需要 Java 8 以上版本&#xff1b;…
阅读更多...
Excel 宏录制与VBA编程 ——VBA编程技巧篇一 (Union方法、Resize方法、Cells方法、UseSelect方法、With用法)

Excel 宏录制与VBA编程 ——VBA编程技巧篇一 (Union方法、Resize方法、Cells方法、UseSelect方法、With用法)

Uniom方法 使用Union方法可以将多个非连续区域连接起来成为一个区域&#xff0c;从而可以实现对多个非连续区域一起进行操作。 Resize方法 使用Range对象的Resize属性调整指定区域的大小&#xff0c;并返回调整大小后的单元格区域。 Cells方法 Cells属性返回一个Range对象。 Us…
阅读更多...
基于Java的大学生租房系统

基于Java的大学生租房系统

你好呀&#xff0c;我是计算机学姐码农小野&#xff01;如果有相关需求&#xff0c;可以私信联系我。 开发语言&#xff1a;Java 数据库&#xff1a;MySQL 技术&#xff1a;SpringBoot框架&#xff0c;MVC模式 工具&#xff1a;Vscode&#xff0c;MySQL&#xff0c;B/S架构…
阅读更多...
计算机网络之OSI七层体系结构

计算机网络之OSI七层体系结构

目录 1.物理层 1.1物理层组成 1.2物理层功能 1.3物理层服务 1.4物理层标准 1.5物理层接口 2.数据链路层 2.1基于物理层的问题 2.2数据链路层功能 2.3数据链路层服务 2.4数据链路层协议 3.网络层 3.1基于DL层的问题 3.2网络层功能 3.3网络层服务 3.4网络层协议 …
阅读更多...
根据肥胖类型选择减调方向收获窈窕身材

根据肥胖类型选择减调方向收获窈窕身材

我们生活中胖子很多&#xff0c;从胖到瘦的人也不少&#xff0c;但瘦了后对自己身材满意的人却是不多的&#xff0c;很多人瘦了也只是减掉了身上的赘肉而已&#xff0c;大体的身形却是没有变化的&#xff0c;因此&#xff0c;并不感到满意。因为他们本身的形体是固定的&#xf…
阅读更多...
拼多多面试总结

拼多多面试总结

文章目录 一面自我介绍提问算法反问结果 二面提问算法反问结果 主管面主管面试准备算法题其他个人提问准备 提问数据库普通索引和覆盖索引的区别索引是什么&#xff1f;索引怎么加快数据库查询的&#xff1f;索引具体怎么实现的&#xff1f;以B树为例&#xff0c;节点放了什么&…
阅读更多...
java生成excel，uniapp微信小程序接收excel并打开

java生成excel，uniapp微信小程序接收excel并打开

java引包&#xff0c;引的是apache.poi <dependency><groupId>org.apache.poi</groupId><artifactId>poi-ooxml</artifactId><version>5.2.3</version></dependency> 写一个测试类&#xff0c;把excel输出到指定路径 public s…
阅读更多...
leetcode494. 目标和

leetcode494. 目标和

1.思想方法 2.代码 class Solution { public int findTargetSumWays(int[] nums, int target) {int sum 0;for(int num : nums)sum num;if(sum < Math.abs(target) || (targetsum)%2 ! 0)return 0;int x (targetsum) / 2,n nums.length;//基于滚动数组的方法int[] dp…
阅读更多...
JavaWeb-day28_HTML

JavaWeb-day28_HTML

今日内容 零、 复习昨日 一、HTML 零、 复习昨日 一、Web开发 前端三大件 HTML ,页面展现CSS , 样式JS (JavaScript) , 动起来 二、HTML 2.1 HTML概念 ​ 网页&#xff0c;是网站中的一个页面&#xff0c;通常是网页是构成网站的基本元素&#xff0c;是承载各种网站应用的平台…
阅读更多...
MySQL高级-SQL优化- count 优化 - 尽量使用count（*）

MySQL高级-SQL优化- count 优化 - 尽量使用count（*）

文章目录 1、count 优化2、count的几种用法3、count(*)4、count(id)5、count(profession)6、count(null)7、 count(1) 1、count 优化 MyISAM引擎把一个表的总行数存在了磁盘上&#xff0c;因此执行count&#xff08;*&#xff09;的时候会直接返回这个数&#xff0c;效率很高&a…
阅读更多...
阿里云nginx更新证书后依旧显示旧证书

阿里云nginx更新证书后依旧显示旧证书

尝试的解决办法 重启nginx服务删除服务器上的旧证书清除浏览器缓存检查是否使用CDN服务 最后的解决办法 云服务器开启了WAF服务&#xff0c;在WAF服务中配置证书
阅读更多...
MySQL学习（5）:SQL语句之数据查询语言：DQL

MySQL学习（5）:SQL语句之数据查询语言：DQL

1.DQL语法 select 字段列表 from 表名列表 #DQL是可以进行多表查询的 where 条件列表 group by 分组字段列表 having 分组后条件列表 order by 排序字段列表 limit 分页参数 2.基本查询&#xff08;select&#xff09; 2.1查询多字段 select 字段1,字段2,字段3,......fro…
阅读更多...
重要通知：据最新TEMU要求所有欧区车灯都需要能效标签（eu energy lable）

重要通知：据最新TEMU要求所有欧区车灯都需要能效标签（eu energy lable）

重要通知&#xff1a; 据最新TEMU要求&#xff0c;所有“欧区车灯”都需要能效标签&#xff08;eu energy lable&#xff09;&#xff0c;目前已下架欧区站点&#xff0c;上传成功后可恢复。 灯具类欧盟EU ENERGY LABEL 近日有不少欧洲站卖家收到TEMU平台商品要求卖家们发布的…
阅读更多...
SHELL脚本学习（十二）sed进阶

SHELL脚本学习（十二）sed进阶

一、多行命令 概述 sed 编辑器的基础命令都是对一行文本进行操作。如果要处理的数据分布在多行中&#xff0c;sed基础命令是没办法处理的。 幸运的是&#xff0c;sed编辑器的设计人员已经考虑了这个问题的解决方案。sed编辑器提供了3个处理多行文本的特殊命令。 命令描述N加…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站