没有合适的资源？快使用搜索试试~ 我知道了~

文库首页安全技术网络安全图像二值化-轮廓提取-细化1

图像二值化-轮廓提取-细化1

图像处理

需积分: 0 14 下载量 77 浏览量 2022-08-08 21:56:02 上传评论收藏 405KB DOCX 举报

温馨提示

试读

21页

方法1：灰度化后的R=（处理前的R + 处理前的G +处理前的B）/ 3灰度化后的G=（处理前的R + 处理前的G +处理前的B）/ 3灰度化后的B=（处理前的

资源详情

资源评论

资源推荐

1. 图像二值化

图像处理基本概念

像素点是最小的图像单元，一张图片由好多的像素点构成。

一张图片如果尺寸是 800 * 800 的，宽度是 800 像素，高度是 800 像素。也

就是说这张图片是由一个 800 * 800 的像素点矩阵构成的，这个矩阵是 800 行，800

列，像素是图像的最小单元，这张图片的宽度是 800 个像素点的长度，高度是 800

个像素点的长度，共有 800 * 800 = 640000 个像素点。

因为一个像素点的颜色是由 RGB 三个值来表现的，所以一个像素点矩阵对应

三个颜色向量矩阵，分别是 R 矩阵，G 矩阵，B 矩阵，它们也都是 800 *800 大小

的矩阵。下面展示某图片的一部分颜色矩阵数据：

这个是 R 矩阵中的一部分

这个是 G 矩阵中的一部分

这个是 B 矩阵中的一部分

比如每个矩阵的第一行第一列的值分别为：R：240，G：223，B：204，所以

这个像素点的颜色就是（240,223,204）

存储像素值需要指定颜色空间和数据类型，彩色方式把颜色分成三种或者四

种基元素，通过组合基元素可以产生所有颜色，RGB 颜色空间是最常用的一种颜

色空间，这归功于他也是人眼内部构成颜色的方式。他的颜色是红色，绿色，和

蓝色，有时候为了表示透明颜色也会加入第四个元素 alpha（A）。

图像中的噪声点

图像中噪声是指由于成像传感器噪声、相片颗粒噪声、图片在传输过程中的

通道传输误差等因素会使图片上出现一些随机的、离散的、孤立的像素点，这就

是图像噪声。图像噪声在视觉上通常与它们相邻的像素明显不同，例如黑区域中

的白点、白区域中的黑点等。

如何改变像素点的颜色：

在理解了一张图片是由一个像素点矩阵构成之后，我们就知道我们对图像的

处理就是对这个像素点矩阵的操作，想要改变某个像素点的颜色，我们只要在这

个像素点矩阵中找到这个像素点的位置，比如第 x 行，第 y 列，所以这个像素点

在这个像素点矩阵中的位置就可以表示成（x，y）,因为一个像素点的颜色由红、

绿、蓝三个颜色变量表示，所以我们通过给这三个变量赋值，来改变这个像素点

的颜色，比如改成红色（255，0，0），可以表示为（x，y，（R=255，G=0，

B=0））。

单通道图像和三通道

（一）：单通道图，

俗称灰度图，每个像素点只能有有一个值表示颜色，它的像素值在 0 到 255

之间，0 是黑色，255 是白色，中间值是一些不同等级的灰色。（也有 3 通道的灰

度图，3 通道灰度图只有一个通道有值，其他两个通道的值都是零）。

（二）:三通道图，每个像素点都有 3 个值表示

，所以就是 3 通道。也有 4 通道的图。例如 RGB 图片即为三通道图片，RGB

色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通

道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB 即是代表红、

绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是

目前运用最广的颜色系统之一。总之，每一个点由三个值表示。

在我的教程 Mat -

基本图像容器

中，你或许已了解到，图像矩阵的大小取决于

我们所用的颜色模型，确切地说，取决于所用通道数。如果是灰度图像，矩阵就

会像这样：

而对多通道图像来说，矩阵中的列会包含多个子列，其子列个数与通道数相等。

例如，RGB 颜色模型的矩阵：

注意到，子列的通道顺序是反过来的：BGR 而不是 RGB。很多情况下，因为

内存足够大，可实现连续存储，因此，图像中的各行就能一行一行地连接起来，

形成一个长行。

图片的灰度化

就是让像素点矩阵中的每一个像素点都满足下面的关系：R=G=B。

灰度处理的方法：

一般灰度处理经常使用下面两种计算公式来进行处理。

方法 1：

灰度化后的 R=（处理前的 R + 处理前的 G +处理前的 B）/ 3

灰度化后的 G=（处理前的 R + 处理前的 G +处理前的 B）/ 3

灰度化后的 B=（处理前的 R + 处理前的 G +处理前的 B）/ 3

方法 2：

灰度化后的 R = 处理前的 R * 0.3+ 处理前的 G * 0.59 +处理前的 B *

0.11

灰度化后的 G = 处理前的 R * 0.3+ 处理前的 G * 0.59 +处理前的 B * 0.11

灰度化后的 B = 处理前的 R * 0.3+ 处理前的 G * 0.59 +处理前的 B * 0.11

注意：第二种方法更好。

//******************灰度转换函数*************************

//第一个参数 image 输入的彩色 RGB 图像；

//第二个参数 imageGray 是转换后输出的灰度图像；

//*************************************************************

void ConvertRGB2GRAY(const Mat &image,Mat &imageGray)

{

if(!image.data||image.channels()!=3)

{

return ;

}

imageGray=Mat::zeros(image.size(),CV_8UC1);

uchar *pointImage=image.data;

uchar *pointImageGray=imageGray.data;

int stepImage=image.step;

int stepImageGray=imageGray.step;

for(int i=0;i<imageGray.rows;i++)

{

for(int j=0;j<imageGray.cols;j++)

{

pointImageGray[i*stepImageGray+j]=0.114*pointImage[i*stepImage+3*

j]+0.587*pointImage[i*stepImage+3*j+1]+0.299*pointImage[i*stepImage+3

*j+2];

}

剩余20页未读，继续阅读

内容反馈

StoneChan

粉丝: 27
资源: 321

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

图像二值化-轮廓提取-细化1

评论0

最新资源

图像二值化-轮廓提取-细化1

评论0

提取二值化图像的轮廓线

条纹二值化，细化，轮廓提取源码

二值化、轮廓提取以及坐标数据提取代码.txt

Opencv 轮廓提取

二值化后的图像细化处理

图像轮廓提取

图像细化+轮廓骨线提取+opencv3.1.0+Zhang-Suen算法

包括图像平滑、图像增强、图像边缘检测、图像阈值化、图像细化、面积测量_C++_代码_相关文件_下载

tuxiangfenge.rar_delphi 图像 分割_delphi 细化_腐蚀_轮廓

image_measurement:包括图像平滑，图像增强，图像边缘检测，图像阈值化，图像细化，面积测量，面积边界提取和周长计算

图像轮廓提取及筛选

图像骨架提取（细化）

sz图像二值化/细化算法

图像中物体的轮廓提取

图像的内外轮廓的提取

vc++数字图像识别技术经典案例 光盘源码

数字图像处理系统VC源码

滚珠丝杠副内螺纹的图像测量 (2005年)

Delphi图像分割程序

bs.rar_图形图像处理_C/C++_

opencv3.0 图像二值化与细化

8.24位图像处理（二值化、分割、提取轮廓）

图像边缘(轮廓)提取

C语言图像轮廓提取

二值化图像轮廓及链码直方图

一种抑制脉冲噪声的边缘检测算法

最新资源

tuxiangfenge.rar_delphi 图像分割_delphi 细化_腐蚀_轮廓

vc++数字图像识别技术经典案例光盘源码