作者:王抒伟
编辑:王抒伟
本文5555字15图,阅读约10分钟
算了
爱看多久看多久
零
参考目录:
1.获取图片
2.转换灰度并去噪声
3.提取图像的梯度
4.我们继续去噪声
5.图像形态学(牛逼吧、唬人的)
6.细节刻画
7.找出昆虫区域的轮廓
8.画出轮廓
9.裁剪出来就完成啦
一
第一天:
老师:你知道么,今天有人问了我一个问题。
~.我:什么?
老师:他说很难。
~.我:关于什么的?
老师:图像处理。
~.我:喔,你说说看,我确实做了不少图像处理的东西(心里默念,你不知知道你给过我多少图像吗?)
老师:好嘞!在用深度学习的时候,比如说面对一张图像,对某个区域感兴趣怎么办?
~.我:他傻啊,切割出来啊,只需要训练感兴趣的部分就好啦。
老师:哎,那你给我一个教程,我正好顺手把他的问题解决了。
~.我:好的(黑人脸.gif)
老师:我回头把图片数据发给你。
~.我:好的好的,老师,by the way, 有多少数据啊?
老师:也不多,一个U盘够了,这样吧,明天你过来拷一下吧。
~.我:好的(hello?一个U盘?)
二
第二天:
有这么一个文件
看了里面。。。我要爆炸了。
> 598M * 15 = 8970M = 8.97G 我的个亲娘嘞
打开一看 全是密密麻麻的------虫子!!!
为了视觉体验,自动屏蔽,请大家自行去谷歌:虫子、worm、bug、insects。
三天后
~.我: 老师, 我就给一个方法啊, 不同的虫子他们可以自己调阈值和方法,我已经有写说明文件。
老师: 好的,我看看。
考虑到**视觉忍受能力**,我用一个可爱的虫子做为一个示例,其他的都差不多,大家自行尝试。
目标是把虫子区域抠出来
三
运行环境:
环境:
例图:谷歌,可爱的虫子–image
软件:Anaconda 4.20,Opencv3.2
OpenCv的安装:
1.1安装Python3.60
1.2下载安装opencv3.2
四
具体思路:
1.获取图片,这个简单哈
看,这不就是你处理初始的样子?
2.转换灰度并去噪声
我们可以得到这两张图,第一张是灰度图,第二张是去噪之后的。
另外说一下,去噪咱们有很多种方法,均值滤波器、高斯滤波器、中值滤波器、双边滤波器等。
这里取高斯是因为高斯去噪效果是最好的。
3.提取图像的梯度
用Sobel算子计算x,y方向上的梯度,之后在x方向上 minus y方向上的梯度。
通过这个操作,会留下具有高水平梯度和低垂直梯度的图像区域。
此时,我们会得到
4.我们继续去噪声
考虑到图像的孔隙 首先使用低通滤泼器平滑图像, 这将有助于平滑图像中的高频噪声。 低通滤波器的目标是降低图像的变化率。
如将每个像素替换为该像素周围像素的均值, 这样就可以平滑并替代那些强度变化明显的区域。
对模糊图像二值化,顾名思义,就是把图像数值以某一边界分成两种数值,细节我会附在文章底部,如果还是不懂,去cao文档吧
此时,我们会得到
其实就算手动分割我们也是需要找到一个边界吧,可以看到轮廓出来了,但是我们最终要的是整个轮廓,所以内部小区域就不要了
5.图像形态学(牛逼吧、唬人的)
在这里我们选取ELLIPSE核,采用CLOSE操作,具体细节你依旧可以参考我的附录文档,及拓展。
此时,我们会得到
6.细节刻画
从上图我们可以发现和原图对比,发现有细节丢失,这会干扰之后的昆虫轮廓的检测,要把它们扩充,分别执行4次形态学腐蚀与膨胀(附录文档)
此时,我们会得到
7.找出昆虫区域的轮廓
此时用cv2.findContours()函数
第一个参数是要检索的图片,必须是为二值图,即黑白的(不是灰度图)
8.画出轮廓
找到轮廓了,接下来,要画出来的,即用cv2.drawContours()函数
此时,我们会得到
9.裁剪出来就完成啦
方法嘛,这不就是么,找到这四个点切出来就好啦
我们放大一点看一下细节
其实,box里保存的是绿色矩形区域四个顶点的坐标。 我将按下图红色矩形所示裁剪昆虫图像。
找出四个顶点的x,y坐标的最大最小值。新图像的高=max(Y)-min(Y),宽=max(X)-min(X)
终于我们得到了可爱的小虫子。
得到了目标区域,那么你想拿它干什么就干什么!我不管你哈。
考虑到现在的python教程一般都是一上来就是list、tuple什么的,而不是文件的读写和保存,包括批量读取等等
我特地加入了python版的文件批量读写和保存等附录文件
五
代码与附录:
附录
多谢大家支持公众号
看! 小编我给你们跪下了
相关知识和其他问题
欢迎大家留言或者加群在群中探讨
领取专属 10元无门槛券
私享最新 技术干货