filter这样的运算符可用于消除噪音。

标签：图像   gauss   转换图像   bin   常见   nis   ddl   filter   运算   

校正图像

与对齐类似，可能需要校正图像，例如消除镜头畸变或转换图像的参考点。

预处理图像（过滤）

下一个重要部分是图像的预处理。在这里，像mean_image或gauss_filter这样的运算符可用于消除噪音。一个快速但不太完美的替代方案是binomial_filter。运算符middle_image对于抑制小斑点或细线很有用。算子anisotropic_diffusion(各向异性扩散)对保留边缘的平滑很有用，最后使用fill_interlace消除由隔行交错相机(摄像机视频流图像)引起的缺陷

提取分割参数

代替使用固定的阈值，可以为每个图像动态提取它们。例如具有多个峰值的灰度值直方图，每个对象类别一个。在这里，您可以使用算子gray_histo_abs和histo_to_thresh。作为高级替代方案，可以将算子intensity与参考图像结合使用,仅适用于背景：在设置过程中，将确定背景区域的平均灰度值。如果平均灰度值已更改，则可以相应调整阈值。

分割图像

对于分割，可以使用各种方法。最简单的方法是threshold(阈值)，指定一个属于前景对象的值范围。另一个非常常见的方法是dyn_threshold。在此，第二张图像将作为参考图像。通过这种方法，使用局部阈值而不是全局阈值。这些局部阈值存储在参考图像中。可以通过拍摄空背景图片将其设为静态作为参考图像，也可以使用平滑滤镜(例如mean_image)

filter这样的运算符可用于消除噪音。

标签：图像   gauss   转换图像   bin   常见   nis   ddl   filter   运算   

原文地址：https://www.cnblogs.com/yujsjfll/p/13194736.html