手机网站会员中心模板下载个人网站备注模板

手机网站会员中心模板下载,个人网站备注模板,个人做房产网站,平面设计线上培训机构推荐通性检测连通性检测是计算机视觉中的一种基础图像处理技术#xff0c;用于识别和标记二值图像中相互连接的像素区域。简单来说#xff0c;它能够找出图像中所有独立的连通区域#xff08;即像素之间相互连接形成的区域#xff09;。应用场景更多的是其它图像处…通性检测连通性检测是计算机视觉中的一种基础图像处理技术用于识别和标记二值图像中相互连接的像素区域。简单来说它能够找出图像中所有独立的连通区域即像素之间相互连接形成的区域。应用场景更多的是其它图像处理的一个前置步骤可能有时候可以用来统计物体数量但是使用场景很有限。效果实践图像灰度化首先需要将图像转化为灰度图// 转换为灰度图像using var gray src.CvtColor(ColorConversionCodes.BGR2GRAY);灰度图是一种只包含亮度信息而不包含颜色信息的图像表示方式它将彩色图像中的每个像素转换为从黑色最暗到白色最亮的256个灰度级别中的一个值通常用0-255的数值来表示其中0代表纯黑色255代表纯白色中间值代表不同深浅的灰色。图像二值化然后再将灰度图转化为二值图像// 二值化处理using var binary new Mat();ThresholdTypes thresholdType GetThresholdType();if (ThresholdType Adaptive){Cv2.AdaptiveThreshold(gray, binary, 255, AdaptiveThresholdTypes.MeanC, ThresholdTypes.Binary, 11, 2);}else{Cv2.Threshold(gray, binary, ThresholdValue, 255, thresholdType);}private ThresholdTypes GetThresholdType(){return ThresholdType switch{Otsu ThresholdTypes.Otsu,Binary ThresholdTypes.Binary,_ ThresholdTypes.Otsu};}这里展示了OpenCVSharp中进行图像二值化的两种方法分别是Cv2.AdaptiveThreshold与Cv2.Threshold。先来看下Cv2.AdaptiveThresholdpublic static void AdaptiveThreshold(InputArray src, OutputArray dst,double maxValue, AdaptiveThresholdTypes adaptiveMethod, ThresholdTypes thresholdType, int blockSize, double c){if (src is null)throw new ArgumentNullException(nameof(src));if (dst is null)throw new ArgumentNullException(nameof(dst));src.ThrowIfDisposed();dst.ThrowIfNotReady();NativeMethods.HandleException(NativeMethods.imgproc_adaptiveThreshold(src.CvPtr, dst.CvPtr, maxValue, (int) adaptiveMethod, (int)thresholdType, blockSize, c));GC.KeepAlive(src);GC.KeepAlive(dst);dst.Fix();}AdaptiveThreshold 方法是OpenCV中的一个自适应阈值处理函数它的主要作用是对图像进行局部自适应的二值化处理。与全局阈值处理不同它不是对整个图像使用单一的阈值而是根据图像中每个像素周围的局部区域动态计算阈值。这种方法特别适用于光照不均匀的图像能够更好地处理图像中不同区域亮度差异较大的情况。该方法通过计算每个像素周围邻域的平均值或高斯加权平均值然后减去一个常数c来得到局部阈值最后根据这个局部阈值对像素进行二值化。在连通性分析应用中自适应阈值能够在光照不均匀的情况下产生比全局阈值更好的二值化效果从而提高连通区域检测的准确性。看一下这个方法的参数参数名 含义src 源图像必须是8位单通道图像通常是灰度图dst 目标图像与源图像具有相同的大小和类型maxValue 满足条件的像素被赋予的非零值通常是255adaptiveMethod 自适应阈值算法ADAPTIVE_THRESH_MEAN_C局部平均值或 ADAPTIVE_THRESH_GAUSSIAN_C高斯加权平均值thresholdType 阈值类型必须是 THRESH_BINARY 或 THRESH_BINARY_INVblockSize 用于计算阈值的像素邻域大小必须是奇数如3, 5, 7等c 从平均值或加权平均值中减去的常数可以是正数、零或负数再看一下AdaptiveThresholdTypes枚举值 数值 描述 计算方式MeanC 0 均值自适应阈值 计算block_size × block_size像素邻域的均值然后减去param1GaussianC 1 高斯加权自适应阈值 计算block_size × block_size像素邻域的高斯加权和然后减去param1再来看下Cv2.Thresholdpublic static double Threshold(InputArray src, OutputArray dst, double thresh, double maxval, ThresholdTypes type){if (src is null)throw new ArgumentNullException(nameof(src));if (dst is null)throw new ArgumentNullException(nameof(dst));src.ThrowIfDisposed();dst.ThrowIfNotReady();NativeMethods.HandleException(NativeMethods.imgproc_threshold(src.CvPtr, dst.CvPtr, thresh, maxval, (int)type, out var ret));GC.KeepAlive(src);GC.KeepAlive(dst);dst.Fix();return ret;}Threshold 方法对输入图像的每个像素应用固定级别的阈值处理将灰度图像转换为二值图像或进行其他类型的阈值变换。这是图像处理中的基本操作常用于图像分割、特征提取等场景。看一下这个方法的参数参数名 类型 含义src InputArray 输入数组单通道8位或32位浮点类型dst OutputArray 输出数组与src具有相同的大小和类型thresh double 阈值用于判断像素值的分界点maxval double 最大值用于THRESH_BINARY和THRESH_BINARY_INV阈值类型type ThresholdTypes 阈值类型决定了如何应用阈值再看一下阈值类型枚举值 数值 描述 计算公式Binary 0 二值化阈值 src(x,y) thresh ? maxval : 0BinaryInv 1 反向二值化阈值 src(x,y) thresh ? 0 : maxvalTrunc 2 截断阈值 src(x,y) thresh ? thresh : src(x,y)Tozero 3 零化阈值 src(x,y) thresh ? src(x,y) : 0TozeroInv 4 反向零化阈值 src(x,y) thresh ? 0 : src(x,y)Mask 7 掩码值 -Otsu 8 使用Otsu算法自动选择最佳阈值 自动计算最优阈值Triangle 16 使用Triangle算法自动选择最佳阈值 自动计算最优阈值比较常用的就是Binary与Otsu。连通性检测在OpenCVSharp中对二值图像进行连通性分析一行代码就行// 连通性分析var cc Cv2.ConnectedComponentsEx(binary);现在看下Cv2.ConnectedComponentsExpublic static ConnectedComponents ConnectedComponentsEx(InputArray image,PixelConnectivity connectivity PixelConnectivity.Connectivity8,ConnectedComponentsAlgorithmsTypes ccltype ConnectedComponentsAlgorithmsTypes.Default){using var labelsMat new Matint();using var statsMat new Matint();using var centroidsMat new Matdouble();var nLabels ConnectedComponentsWithStatsWithAlgorithm(image, labelsMat, statsMat, centroidsMat, connectivity, MatType.CV_32S, ccltype);var labels labelsMat.ToRectangularArray();var stats statsMat.ToRectangularArray();var centroids centroidsMat.ToRectangularArray();var blobs new ConnectedComponents.Blob[nLabels];for (var i 0; i nLabels; i){blobs[i] new ConnectedComponents.Blob{Label i,Left stats[i, 0],Top stats[i, 1],Width stats[i, 2],Height stats[i, 3],Area stats[i, 4],Centroid new Point2d(centroids[i, 0], centroids[i, 1]),};}return new ConnectedComponents(blobs, labels, nLabels);}ConnectedComponentsEx 函数计算布尔图像的连通组件标记图像支持4邻域或8邻域连通性。它返回一个包含所有标记信息的结构化对象其中标签0代表背景其他标签[1, N-1]代表不同的前景连通区域。参数名 含义image 需要进行标记的输入图像通常是二值图像connectivity 连通性类型默认为8邻域连通。Connectivity8表示8邻域连通上下左右对角线Connectivity4表示4邻域连通仅上下左右ccltype 连通组件算法类型默认为Default。指定用于连通组件分析的算法现在我们得到了很多区域现在我们想将所有检测到的连通区域blobs以不同颜色渲染到目标图像上。// 创建标签图像using var labelView src.EmptyClone();cc.RenderBlobs(labelView);public void RenderBlobs(Mat img){if (img is null)throw new ArgumentNullException(nameof(img));/*if (img.Empty())throw new ArgumentException(img is empty);if (img.Type() ! MatType.CV_8UC3)throw new ArgumentException(img must be CV_8UC3);*/if (Blobs is null || Blobs.Count 0)throw new OpenCvSharpException(Blobs is empty);if (Labels is null)throw new OpenCvSharpException(Labels is empty);var height Labels.GetLength(0);var width Labels.GetLength(1);img.Create(new Size(width, height), MatType.CV_8UC3);var colors new Scalar[Blobs.Count];colors[0] Scalar.All(0);for (var i 1; i Blobs.Count; i){colors[i] Scalar.RandomColor();}using var imgt new MatVec3b(img);var indexer imgt.GetIndexer();for (var y 0; y height; y){for (var x 0; x width; x){var labelValue Labels[y, x];indexer[y, x] colors[labelValue].ToVec3b();}}}这个函数是 ConnectedComponents 类的一个方法用于将所有检测到的连通区域blobs以不同颜色渲染到目标图像上。RenderBlobs 方法将连通组件分析的结果可视化为每个不同的连通区域分配一个随机颜色并将这些区域绘制到指定的目标图像中。创建边界框图像:// 创建边界框图像using var rectView binary.CvtColor(ColorConversionCodes.GRAY2BGR);foreach (var blob in cc.Blobs.Skip(1)){rectView.Rectangle(blob.Rect, Scalar.Red);}获取最大连通区域// 获取最大连通区域var maxBlob cc.GetLargestBlob();using var filtered new Mat();cc.FilterByBlob(src, filtered, maxBlob);增加点击显示大图功能为了更好查看效果可以增加一个点击显示大图功能如下所示1、XAML中的样式定义在 ConnectedComponentsSampleView.xaml 中定义了一个可点击图片的样式Style x:KeyClickableImageStyle TargetTypeImageSetter PropertyCursor ValueHand/EventSetter EventMouseLeftButtonDown HandlerImage_MouseLeftButtonDown//Style这个样式做了两件事将鼠标悬停时的光标设置为手型提示用户可以点击为 MouseLeftButtonDown 事件绑定处理函数 Image_MouseLeftButtonDown2、图片控件应用样式所有需要点击查看大图的图片控件都应用了这个样式例如Image Source{Binding OriginalImage} StretchUniform Height200Visibility{Binding HasImage, Converter{StaticResource BooleanToVisibilityConverter}}Style{StaticResource ClickableImageStyle}Tag原始图片/注意这里使用了 Tag 属性来存储图片的标题用于后续显示大图时的窗口标题。3、事件处理逻辑在 ConnectedComponentsSampleView.xaml.cs 中实现了核心的事件处理逻辑private void Image_MouseLeftButtonDown(object sender, MouseButtonEventArgs e){if (sender is Image image image.Source is BitmapImage bitmapImage){// 获取图片标题string title image.Tag as string ?? 图片;// 创建新窗口显示大图Window imageWindow new Window{Title title,Width 800,Height 600,WindowStartupLocation WindowStartupLocation.CenterScreen,WindowState WindowState.Normal};// 创建Image控件显示图片var largeImage new Image{Source bitmapImage,Stretch Stretch.Uniform // 保持原始比例};// 设置窗口内容imageWindow.Content largeImage;// 显示窗口imageWindow.Show();}}