使用OpenCV实现Halcon算法(6)dyn_threshold算子

简介: 使用OpenCV实现Halcon算法(6)dyn_threshold算子

先看halcon算子的使用:


read_image (Image,'photometric_stereo/embossed_01')
mean_image (Image,ImageMean,60,60)
dyn_threshold (Image, ImageMean, RegionDynThresh, 15, 'not_equal')


再看OpenCV的实现:

void CImagePreprocessing::dynamic_threshold_referHalcon(cv::Mat &frame_gray, int ksize, int offset) //仿Halcon
{
    cv::Mat srcMean;
    cv::Mat binary1;
    cv::Mat binary2;
    //均值滤波
    blur(frame_gray, srcMean, cv::Size(9, 9));
    //动态阈值
    binary1 = cv::Mat::zeros(frame_gray.size(), CV_8UC1);
    _HalconDynThreshold(frame_gray, srcMean, binary1, offset, Equal);
}
void CImagePreprocessing::_HalconDynThreshold(cv::Mat &src, cv::Mat &srcMean, cv::Mat &result, int offset, int LightDark)
{
    //使用Opencv实现Halcon中的动态阈值
    //src是原图,灰度图
    //srcMean是平滑滤波之后的图
    //最好不要把Offset这个变量设置为0,因为这样会导致最后找到太多很小的regions,而这基本上都是噪声。
    //所以这个值最好是在5-40之间,值选择的越大,提取出来的regions就会越小。
    int r = src.rows; //高
    int c = src.cols; //宽
    int Value = 0;
    for (int i = 0; i < r; i++)
    {
        uchar *datasrc = src.ptr<uchar>(i); //指针访问图像像素
        uchar *datasrcMean = srcMean.ptr<uchar>(i);
        uchar *dataresult = result.ptr<uchar>(i);
        for (int j = 0; j < c; j++)
        {
            switch (LightDark)
            {
            case Light:
                Value = datasrc[j] - datasrcMean[j];
                if (Value >= offset)
                {
                    dataresult[j] = 255;
                }
                break;
            case Dark:
                Value = datasrcMean[j] - datasrc[j];
                if (Value >= offset)
                {
                    dataresult[j] = 255;
                }
                break;
            case Equal:
                Value = datasrc[j] - datasrcMean[j];
                if (Value >= -offset && Value <= offset)
                {
                    dataresult[j] = 255;
                }
                break;
            case Not_equal:
                Value = datasrc[j] - datasrcMean[j];
                if (Value < -offset || Value > offset)
                {
                    dataresult[j] = 255;
                }
                break;
            default:
                break;
            }
        }
    }
}


相关文章
|
6月前
|
算法 计算机视觉
图像处理常用算法—6个算子 !!
图像处理常用算法—6个算子 !!
110 2
|
1月前
|
算法 计算机视觉 Python
圆形检测算法-基于颜色和形状(opencv)
该代码实现了一个圆检测算法,用于识别视频中的红色、白色和蓝色圆形。通过将图像从RGB转换为HSV颜色空间,并设置对应颜色的阈值范围,提取出目标颜色的区域。接着对这些区域进行轮廓提取和面积筛选,使用霍夫圆变换检测圆形,并在原图上绘制检测结果。
73 0
|
3月前
|
算法 定位技术 vr&ar
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
537 0
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
|
5月前
|
机器学习/深度学习 算法 计算机视觉
基于opencv的SVM算法的车牌识别系统设计与实现
基于opencv的SVM算法的车牌识别系统设计与实现
149 3
基于opencv的SVM算法的车牌识别系统设计与实现
|
5月前
|
算法 调度
【调度算法】关于轮盘赌和锦标赛两种选择算子的选用思考
【调度算法】关于轮盘赌和锦标赛两种选择算子的选用思考
122 1
|
5月前
|
移动开发 算法 计算机视觉
技术笔记:openCV特征点识别与findHomography算法过滤
技术笔记:openCV特征点识别与findHomography算法过滤
98 0
|
5月前
|
机器学习/深度学习 编译器 算法框架/工具
OpenCV算法库
numba是一个用于编译Python数组和数值计算函数的编译器,这个编译器能够大幅提高直接使用Python编写的函数的运算速度。
|
6月前
|
算法 计算机视觉
【OpenCV】- 分水岭算法
【OpenCV】- 分水岭算法
|
6月前
|
算法 计算机视觉 Python
【OpenCV】-算子(Sobel、Canny、Laplacian)学习
【OpenCV】-算子(Sobel、Canny、Laplacian)学习
177 2
|
6月前
|
算法 C++ 计算机视觉
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
301 0
下一篇
无影云桌面