图像金字塔及其在 OpenCV 中的应用范例(下)

前言

  本文将主要讲解如何使用 OpenCV 实现图像分割,这也是图像金字塔在 OpenCV 中的一个重要应用。

关于图像分割

  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。图像分割的目的是简化或改变图像的表示形式,使得图像更容易理解和分析。[1]图像分割通常用于定位图像中的物体和边界(线,曲线等)。更精确的,图像分割是对图像中的每个像素加标签的一个过程,这一过程使得具有相同标签的像素具有某种共同视觉特性。

  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。 [1]

  ------ 维基百科

  以下是一位网友对图像分割技术的一个看法,也挺值得借鉴:

  从学术角度讲图像分割主要分成3大类,一是基于边缘的,二是基于区域的,三是基于纹理的。由于基于纹理的也可以看成是基于区域的,所以有些专家也把分割方法分成基于边缘和基于区域两大类。选择算法的时候主要参考你要分割的图像样本的特点。

  如果图像的边界特别分明,比如绿叶和红花,在边界处红绿明显不同,可以精确提取到边界,这时候用基于边缘的方法就可行。但如果是像医学图像一样,轮廓不是特别明显,比如心脏图像,左心房和左心室颜色比较接近,它们之间的隔膜仅仅是颜色比它们深一些,但是色彩上来说很接近,这时候用基于边缘的方法就不合适了,用基于区域的方法更好。再比如带纹理的图像,例如条纹衫,如果用基于边缘的方法很可能就把每一条纹都分割成一个物体,但实际上衣服是一个整体,这时候用基于纹理的方法就能把纹理相同或相似的区域分成一个整体。

  不过总体来说,基于区域的方法近些年更热一些,如Meanshift分割方法、测地线活动轮廓模型、JSEG等。

  ------ 某位网友

金字塔图像分割函数 - cvPyrSegmentation()

  实现原理步骤:

    1. 建立一个图像金字塔

    2. 在金字塔 Gi 层和 Gi+1层之间建立父子关系

    3. 由分辨率低的层次向分辨率高的层次逐层分割,优化。

  函数原型:

1 void cvPyrSegmentation(
2     IplImage* src,    // 输入图像
3     IplImage* dst,    // 输出图像
4     CvMemStorage* storage,    // 这个参数和下个参数用来管理关于分割结果的一些细致信息
5     CvSeq** comp,
6     int level,        // 金字塔等级
7     double threshold1,    // 建立连接的错误阈值
8     double threshold2     // 分割簇的错误阈值
9 );

  参数特别说明:

    1. 输入图像的长和宽必须能够被 2 整除,并且能够被 2 整除的次数不少于金字塔总的层数。

    2. 关于参数 storage 和 comp,将在以后的文章中结合具体开发例子来介绍。

  参考示例代码:

 1 // 此头文件包含图像IO函数的声明
 2 #include "highgui.h"
 3 // 此头文件包含基本的图像处理函数和高级计算机视觉算法
 4 #include "cv.h"
 5 // 使用 cvPyrSegmentation 分割函数需要包含此头文件
 6 #include <opencv2/legacy/legacy.hpp>
 7
 8 #include <iostream>
 9 using namespace std;
10
11 // 分割图像
12 bool doPyrSegmentation( IplImage * src ,IplImage * dst)
13 {
14     // 检查处理图像大小是否符合规格 (规格的解释见下)
15     if (!(src->width%2 == 0 && src->height%2 == 0))
16         return false;
17
18     // 定义分割参数
19     int level = 1;
20     double threshold1 = 150 ;
21     double threshold2 = 30 ;
22     CvMemStorage * stoage = cvCreateMemStorage(0) ;
23     CvSeq* comp=NULL;
24
25     // 分割
26     cvPyrSegmentation(src,dst, stoage,&comp,level, threshold1,threshold2);
27
28     return true;
29 };
30
31 int main(int argc,char ** argv)
32 {
33     IplImage * src = cvLoadImage("d:\\1.jpg");
34
35     IplImage * dst= cvCreateImage(cvGetSize(src), src->depth,src->nChannels);
36
37     if (!doPyrSegmentation(src,dst)) {
38         return EXIT_FAILURE;
39     }
40
41     cvNamedWindow("分割前") ;
42     cvNamedWindow("分割后") ;
43     cvShowImage("分割前",src);
44     cvShowImage("分割后",dst);
45
46     cvWaitKey(0) ;
47
48     // 清理内存
49     cvDestroyAllWindows();
50
51     return 0;
52 }

  运行结果:

    

小结

  本文具体讲述了用 OpenCV 进行图像分割的一个例子。至于如何获取分割的具体结果进行后续开发,则是以后讨论的内容。

时间: 2024-12-20 02:20:32

图像金字塔及其在 OpenCV 中的应用范例(下)的相关文章

图像金字塔及其在 OpenCV 中的应用范例(上)

前言 图像金字塔是计算机图形学中非常重要的一个概念. 本文将详细介绍这个概念,以及它的实现与应用. 图像金字塔的定义 图像金字塔是一组图像的集合,集合中的所有图像都是通过对某一图像连续降采样得到的一组图像序列. 有两种经典的金字塔:高斯金字塔和拉普拉斯金字塔,前者采用向下采样,后者是向上采样需要的缺失的信息. 向下采样(生成高斯金字塔)的具体操作为: 1. 对图像进行高斯卷积 2. 删除所有的偶数行和偶数列 向上采样的缺失信息(生成拉普拉斯金字塔)的具体操作为: 1. 首先将维数扩大两倍 2.

opencv中的meanshift图像切割

Meanshift(均值漂移)是一种在一组数据的密度分布中寻找局部极值的稳定的方法.Meanshift不仅能够用于图像滤波,视频跟踪,还能够用于图像切割. 通过给出一组多维数据点,其维数是(x,y,r,g,b),均值漂移能够用一个窗体扫描空间来找到数据密度最大的区域,能够理解为数据分布最集中的区域. 在这里须要注意,因为空间位置(也就是上面的x和y)的变化范围与颜色的变化范围(上面的r,g,b)有极大的不同,所以,meanshift对这两个维数要採用不同的窗体半径.在opencv自带的means

【转】图像金字塔PyrDown,PyrUP

原文链接:http://blog.csdn.net/davebobo/article/details/51885043 [图像金字塔] 图像金字塔这个词,我们经常在很多地方可以看到.它是图像多尺度表达的一种,最主要的是用于图像的分割.同时,图像金字塔也被广泛用于各种视觉应用中. 图像金字塔是一个图像集合,集合中所有的图像都源于同一个原始图像,而是通过对原始图像连续降采样获得,直到达到某个终止条件才停止降采样.我们可以通过下图来形象的说明图像金字塔的概念.在金字塔的底部是待处理图像的高分辨率表示,

Atitit 图像金字塔原理与概率 attilax的理解总结qb23

1.1. 高斯金字塔  (  Gaussianpyramid): 拉普拉斯金字塔 (Laplacianpyramid):1 1.2. 图像金字塔 高斯金字塔 采样金字塔1 1.3. 尺度空间的目的是『见森林又能见树木』,墨迹一点的解释就是,在低尺度下可以看清楚很多细节,在高尺度下可以看到轮廓 2 1.4. 在一幅图像中,要想描述真实世界的结构与信息,多尺度描述至关重要.2 1.5. 图像金字塔这种结构在图像处理中有广泛的用途.最著名的特征匹配算子SIFT就是通过构造图像金字塔来完成的. 3 1.

OpenCV笔记(十)——图像金字塔

图像金字塔(Image Pyramids)可以用来处理图像的缩放. 有两种广为使用的图像金字塔:高斯金字塔和拉普拉斯金字塔. 这里介绍高斯金字塔. 高斯金字塔有两种操作:upsample和downsample,可以理解为图像的放大和缩小. 以下图为例: 图像如果downsample,则col和row均变成之前的1/2,图像的面积也为之前的1/4.等价于金字塔的层数升高一层,面积为先前的四分之一. 如果是upsample,则col和row均是之前的2倍,则图像面积为之前的4倍.等价于金字塔下降一层

OpenCV图像金字塔

图像金字塔 目标 本文档尝试解答如下问题: 如何使用OpenCV函数 pyrUp 和 pyrDown 对图像进行向上和向下采样. 原理 Note 以下内容来自于Bradski和Kaehler的大作: Learning OpenCV . 当我们需要将图像转换到另一个尺寸的时候, 有两种可能: 放大 图像 或者 缩小 图像. 尽管OpenCV 几何变换 部分提供了一个真正意义上的图像缩放函数(resize, 在以后的教程中会学到),不过在本篇我们首先学习一下使用 图像金字塔来做图像缩放, 图像金字塔

[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

OpenCV探索之路(五):图片缩放和图像金字塔

对图像进行缩放的最简单方法当然是调用resize函数啦! resize函数可以将源图像精确地转化为指定尺寸的目标图像. 要缩小图像,一般推荐使用CV_INETR_AREA来插值:若要放大图像,推荐使用CV_INTER_LINEAR. 现在说说调用方式 第一种,规定好你要图片的尺寸,就是你填入你要的图片的长和高. #include<opencv2\opencv.hpp> #include<opencv2\highgui\highgui.hpp> using namespace std