Opencv学习笔记 超像素分割
2023-09-14 09:01:35 时间
在计算机视觉领域,图像分割(Segmentation)指的是将数字图像细分为多个图像子区域(像素的集合)(也被称作超像素)的过程。超像素由一系列位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域。这些小区域大多保留了进一步进行图像分割的有效信息,且一般不会破坏图像中物体的边界信息。 图像分割的结果是图像上子区域的集合(这些子区域的全体覆盖了整个图像),或是从图像中提取的轮廓线的集合(例如边缘检测)。一个子区域中的每个像素在某种特性的度量下或是由计算得出的特性都是相似的,例如颜色、亮度、纹理。邻接区域在某种特性的度量下有很大的不同。
超像素分割有什么用处?超像素可以用来做跟踪;可以做标签分类;视频前景分割,因为相比像素,超像素处理速度会快几十倍、几百倍甚至更高;超像素还可以用于骨架提取、人体姿态估计、医学图像分割等方面。
Python参考代码如下:
# import the necessary packages
from skimage.segmentation import slic
from skimage.segmentation import mark_boundaries
from skimage.util import img_as_float
from skimage import io
import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
import argparse
# construct the argument parser and parse the arguments
# ap = argparse.ArgumentParser()
# ap.add_argument("-i", "--im
相关文章
- 使用OpenCV中的Structured-Light(结构光)模块做三维重建(流程 + 代码)
- pycharm安装opencv-python_pycharm下载库
- opencv实现imfill_使用opencv实现matlab中的imfill填充孔洞功能
- c语言读取bmp图像_opencv 图像处理
- OpenCV + Kotlin 实现 USB 摄像头(相机)实时画面、拍照
- pycharm配置OpenCV_pycharm opencv安装
- opencv cv2.imread()「建议收藏」
- 【OpenCV】中copyto()函数的使用方法理解
- opencv remap matlab,如何使用OpenCV的remap函数?
- python使用opencv如何保存图片_OpenCV Python 保存图片
- OpenCV快速识别魔方六面颜色
- OpenCV图像匹配算法之surf详解编程语言
- OpenCV图像匹配算法之sift详解编程语言
- 学习Linux下的OpenCV技术,实现图像处理与分析(opencvlinux)