哈工大博士王剛毅**中提到紅孔檢測法，**描述其檢測效果很好，用opencv實現了一下可能是他描述的不夠詳細，也可能本人理解有偏差，實現方法不一致，導致我的檢測效果很一般。
// blue.cpp : 定義控制台應用程式的入口點。
////
#include "stdafx.h"
#include #include #include #include #include #include#include using namespace std;
using namespace cv;
#define pi 3.1415926
int _tmain(int argc, _tchar* argv)
/*cvnamedwindow("test");
imshow("test",img);
cvwaitkey(0);*/
//轉到hsv
mat hsv_base;
mat how_red;
cvtcolor(img, hsv_base, cv_bgr2hsv );
/*cvnamedwindow("hsv");
imshow("hsv",hsv_base);
cvwaitkey(0);*/
mat colorcut;
colorcut.create(img.rows,img.cols,cv_32f);
how_red.create(img.rows,img.cols,cv_32f);
//顏色分割
for(int x=0;x(x,y)[0];
h_src =h_src/255.0*360;
double s_src=hsv_base.at(x,y)[1];
s_src=s_src/255;
double v_src= hsv_base.at(x,y)[2];
if ( h_src>=300&&h_src<360)
else if (h_src>=0&&h_src<=60)
else
colorcut.at(x,y)=0;
if (h_src>330||(h_src<=30&&s_src>=0.2))
}} double *max_value ;
double *min_value ;
double maxval=0;
double minval =0;
max_value =&maxval;
min_value =&minval;
minmaxloc(how_red, min_value, max_value);
/*cvnamedwindow("how");
imshow("how",how_red);
cvwaitkey(0);*/
// //紅色位圖均值濾波//
//紅色程度圖濾波//
mat blueredimg ;
mat blueredhowred;
blueredimg.create(colorcut.rows,colorcut.cols,cv_32f);
blueredhowred.create(colorcut.rows,colorcut.cols,cv_32f);
colorcut/=255.;
blur(colorcut,blueredimg,size(7,7));
minmaxloc(blueredimg, min_value, max_value);
blur(how_red,blueredhowred,size(7,7));
//cvnamedwindow("blur");
//imshow("blur",blueredimg);
//cvwaitkey(0);
// //得到最終細化後要提取區域的影象
// //開閉運算//
dilate(refinedimg,refinedimg,cv::mat());
erode(refinedimg,refinedimg,cv::mat());
//dilate(refinedimg,refinedimg,cv::mat());
cvnamedwindow("bbbb");
imshow("bbbb",refinedimg);
cvwaitkey(0);
// //提取區域尋找紅孔//
vector> contours;
findcontours(refinedimg,
contours, // a vector of contours
cv_retr_external, // retrieve the external contours
//篩選區域，太大的太小的去除//
mat resultt(colorcut.rows,colorcut.cols,cv_8u,scalar(0));
int cmin= 100; // minimum contour length
int cmax= 1000; // maximum contour length
vector>::const_iterator itc= contours.begin();
while (itc!=contours.end())
//// draw contours on the original image//
//對篩選後的區域求外接多凸邊形//
vectorhull;
vector>::const_iterator itc1=contours.begin();
while (itc1!=contours.end())
line(resultt,*(hull.begin()),*(hull.end()-1),scalar(255),3);
++itc1;
} vector> contours2;
findcontours(resultt,
contours2, // a vector of contours
cv_retr_external, // retrieve the external contours
drawcontours(resultt,contours2, -1 , scalar(255),cv_filled); //填充區域。//
namedwindow("ddddd");
imshow("ddddd",resultt);
cvwaitkey(0);
minmaxloc(resultt, min_value, max_value);
cout<<"max："<(x,y);
int ff = refin.at(x,y);
if (rr>ff)
else
}} erode(hole,hole,cv::mat());
namedwindow("dddd");
imshow("dddd",hole);
cvwaitkey(0);
return 0;
}
交通標誌的檢測與識別
正在投稿中，專案已開源在github article,author journal number pages year publisher 如果本文幫助了您，請您引用我們的 本科畢業設計的時候曾經做過交通標誌的檢測與識別，這個作為很好的影象處理與識別領域的入門project還是非常不錯的.交通場景圖...
交通標誌識別
交通標誌識別實際上包括交通標誌的檢測和識別兩個過程，檢測是在影象中尋找到感興趣目標並定位，識別是對感興趣目標進行分類。現在r cnn系列 yolo ssd能夠很好的將檢測和分類兩個過程融合到一起，並且在pascal voc等資料集上取得了很好的效果，但對像交通標誌這種小目標的檢測效果並不好。就交通標...
交通標誌識別 語句筆記
np.unique 該函式是去除陣列中的重複數字，並進行排序之後輸出。計算label個數時適用。from colletions import counter 求陣列中每個數字出現了幾次 from collections import counter a 1,4,2,3,2,3,4,2 b count...