高斯金字塔图像分割

基于高斯金子塔的图像分割的原理是,根据相邻金字塔采样的原理可知,上层金字塔是下层金字塔下采样得到,那么上层金子塔的一个点和下层 金字塔的四个点就有一个映射关系,若他们的差值小于threshold1,则被连接建立起来。同时与周围的连接进行比较,如果差值小于threshold2,则这两个连接形成一个簇。分辨率从小到大不断进行此过程。

// Segmentation.cpp : Defines the entry point for the console application.
//

#include "stdafx.h"

#include <cv.h>
#include <highgui.h>

void main()
{

	//以原始通道数读取图片1
	IplImage* img1 = cvLoadImage("D://vc6.0//MSDev98//MyProjects//MachineVision//TestPic//Lena.bmp",CV_LOAD_IMAGE_UNCHANGED);
	IplImage* img2 = cvCreateImage(cvSize(img1->width, img1->height), IPL_DEPTH_8U, 1);

	//命名窗口
	cvNamedWindow("Origin", CV_WINDOW_AUTOSIZE);
	cvNamedWindow("PrySegmentation", CV_WINDOW_AUTOSIZE);	

	CvMemStorage* storage = cvCreateMemStorage(0);
	CvSeq* cmp = NULL;
	cvPyrSegmentation(img1, img2, storage, &cmp, 8, 150, 30);

	//显示图片
	cvShowImage("Origin", img1);
	cvShowImage("PrySegmentation", img2);

	cvWaitKey(0);

	cvReleaseImage(&img1);
	cvReleaseImage(&img2);

	cvDestroyAllWindows();

}

高斯金字塔图像分割

时间: 2024-10-08 09:45:30

高斯金字塔图像分割的相关文章

[转]OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放

[OpenCV入门教程之十三]OpenCV图像金字塔:高斯金字塔.拉普拉斯金字塔与图片尺寸缩放 2014-05-18 18:58 36007人阅读 评论(54) 收藏 举报 本文章已收录于:  OpenCV知识库 本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接:http://blog.csdn.net/poem_qianmo/article/details/26157633 作者:毛星云(浅墨)    微博:http://weibo.com/u/1723155442 知乎:http

【OpenCV入门教程之十三】OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放

本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接:http://blog.csdn.net/poem_qianmo/article/details/26157633 作者:毛星云(浅墨)    微博:http://weibo.com/u/1723155442 知乎:http://www.zhihu.com/people/mao-xing-yun 邮箱: [email protected] 写作当前博文时配套使用的OpenCV版本: 2.4.9 这篇文章里,我们将一起探讨图像金字塔的一

12、高斯金字塔、拉普拉斯金字塔与图片尺寸缩放

一.引言 我们经常会将某种尺寸的图像转换为其他尺寸的图像,如果放大或者缩小图片的尺寸,笼统来说的话,可以使用OpenCV为我们提供的如下两种方式: (1)resize函数.这是最直接的方式, (2)pyrUp( ).pyrDown( )函数.即图像金字塔相关的两个函数,对图像进行向上采样,向下采样的操作. pyrUp.pyrDown其实和专门用作放大缩小图像尺寸的resize在功能上差不多,披着图像金字塔的皮,说白了还是在对图像进行放大和缩小操作.另外需要指出的是,pyrUp.pyrDown在O

SIFT解析(一)建立高斯金字塔

转自:honpey  http://blog.csdn.net/wendy709468104/article/details/8639617 SIFT(Scale-Invariant Feature Transform,尺度不变特征转换)在目标识别.图像配准领域具有广泛的应用,下面按照SIFT特征的算法流程对其进行简要介绍对SIFT特征做简要介绍. 高斯金字塔是SIFT特征提取的第一步,之后特征空间中极值点的确定,都是基于高斯金字塔,因此SIFT特征学习的第一步是如何建立的高斯金字塔. 明白几个

OpenCV Using Python——构造高斯金字塔和拉普拉斯金字塔

构造高斯金字塔和拉普拉斯金字塔 1. 高斯金字塔和拉普拉斯金字塔简介 假设你的视觉算法只能识别大小恒定的物体,但物体在现实世界中随着空间的变换会表现出不同尺度.这时,高斯金字塔和拉普拉斯金字塔可以解决尺度变化问题. 高斯金字塔由一组不同大小的图像组成.通常在高斯金字塔的底层放置原始图像,当前层(顶层除外)的图像用高斯模板滤波,然后下采样后的图像放在当前层的上一层.拉普拉斯金字塔当前层的图像(与高斯金字塔的上一层对齐)等于高斯金字塔的上一层(底层除外)的上采样图像减去高斯金字塔的当前层图像.彩色图

金字塔图像分割原理解析与示例[opencv]

图像分割指的是将数字图像细分为多个图像子区域的过程,在OpenCv中实现了三种跟图像分割相关的算法,它们分别是:金字塔分割算法,分水岭分割算法以及均值漂移分割算法.它们的使用过程都很简单,刚开始学习opencv,先记录一下我对金字塔分割原理的理解吧. 金字塔分割算法 金字塔分割算法由cvPrySegmentation所实现,该函数的使用还是比较简单:需要注意的是图像的尺寸以及金字塔的层数,图像的宽度和高度必须能被2整除,能够被2整除的次数决定了金字塔的最大层数.下面的代码演示了如何校验金字塔层数

opencv 金字塔图像分割

我所知的opencv中分割函数:watershed(只是看看效果,不能返回每类pixel类属),cvsegmentImage,cvPyrSegmentation(返回pixel类属) 金字塔分割原理篇在这里,本文只提供代码. Segment函数: [cpp] view plain copy #include<cv.h> #include <cvaux.h> #include <opencv\cxcore.hpp> #include <opencv.hpp>

OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放

这篇已经写得很好,真心给作者点个赞.题目都是直接转过来的,直接去看吧. Reference Link : http://blog.csdn.net/poem_qianmo/article/details/26157633

Opencv3编程入门笔记(4)腐蚀、膨胀、开闭运算、漫水填充、金字塔、阈值化、霍夫变换

19      腐蚀erode.膨胀dilate 腐蚀和膨胀是针对图像中的白色部分(高亮部分)而言的,不是黑色的.除了输入输出图像外,还需传入模板算子element,opencv中有三种可以选择:矩形MORPH_RECT,交叉形MORPH_CROSS,椭圆形MORPH_ELLIPSE.Matlab中会有更多一点的模板. 例如: Mat element = getStructuringElement(MORPH_RECT,Size(15,15)); erode(srcImage,dstImage,