得知DIP最后一天

转载请注明文章出处：http://blog.csdn.net/tonyshengtan ，出于尊重文章作者的劳动，转载请标明出处。文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro

开篇废话

本系列最后一篇。兴许的文章将在其它系列中编写。本想把小波也放在这个系列，但感觉近期写小波有点困难，这里学习环境不好，所想去写点好玩的，比方模式识别。图像特征点什么的，希望大家继续关注。

算法原理

多通道图像的简单切割。能够给定阈值向量，然后给定范围，能够是三维的球形，或者立方体，这个就要看详细的设计了，比方举个简单的样例，给定RGB中心阈值为T? (R0,G0,B0)，阈值为100。那么对于像素点(x,y)处的色彩向量I? (Rxy,Gxy,Bxy)

那么仅仅要满足

|T? ?I? |<100

的点满足要求，为目标点。否则为背景点。

算法相同适用于其它色彩空间。但要依据详细情况来设计，所以灵活性非常强。

代码

double Chanel3Distance(RGB point1,RGB point2){
    return sqrt((point1.c1-point2.c1)*(point1.c1-point2.c1)+
                (point1.c2-point2.c2)*(point1.c2-point2.c2)+
                (point1.c3-point2.c3)*(point1.c3-point2.c3));

}
void SegmentRGB(RGB* src,RGB *dst,int width,int height,RGB * color_center,double threshold){
    double distance=0.0;
    for(int i=0;i<width*height;i++){
        distance=Chanel3Distance(src[i], *color_center);
        if(distance<=threshold){
            dst[i].c1=src[i].c1;
            dst[i].c2=src[i].c2;
            dst[i].c3=src[i].c3;
        }else{
            dst[i].c1=0.;
            dst[i].c2=0.;
            dst[i].c3=0.;
        }
    }
}

结果分析

以下简单的切割和平滑，然后进行合并。

原图：

切割（使用简单的RGB模型，肤色切割点简单选取，所以效果不是非常好）：

平滑后合并

原图：

切割结果：

总结

至此用了70几天简单的介绍了图像处理的基础知识。特定的应用由于不具有行业通用性。所以将会有选择的进行学习，感谢自己一路坚持了几个月，感谢大家一直的支持，希望大家的技术进步。

本系列结束。

技术。待续。

。。

版权声明：本文博主原创文章，博客，未经同意不得转载。