2024-04-18 20:55:48 发布
网友
我已经尝试Python+OpenCV已经很长时间了,为了识别下图中的粒子,我遵循了许多教程:
我的最终目标是识别每一个粒子,从那里我将能够计数粒子的数量,计算出大小分布等
我已经尝试过定制多个网站的例子。 我得到了很好的提示:
虽然我没能取得好成绩。在
如何使用Python和OpenCV识别图像中的粒子?在
假设目标是得到一个估计的粒子数。另外,假设这些粒子是球体。在
有了这一点,应该可以建立一个模型,基于高光,阴影,半色调,使最终结果尽可能准确。在
因此,基于高光分割的概念的简单证明可以得到验证。在
最初的结果似乎并不乐观,但对比度的微小变化可以改善它:
应该足够得到估计的石头数量和应用更先进的模型,以确定的地区。在
在国际海事组织,获得有意义的结果的唯一希望就是利用粒子是圆的这一事实。通过使用一些均匀性标准,你可以找到候选粒子中心,并从这些粒子中心生长出轮廓,使它们保持圆形并在边缘停止。可以选择从种子点绘制光线,找到最近的边点,并使用圆或椭圆的稳健拟合。在
拒绝那些离圆度太远的形状。这将允许您找到未包含的粒子。然后你可以从其他种子点继续游戏,这次增长的轮廓可以被已经检测到的粒子遮挡。(当一条边被击中时,如果已知它属于某个粒子,则忽略它。)
假设目标是得到一个估计的粒子数。另外,假设这些粒子是球体。在
有了这一点,应该可以建立一个模型,基于高光,阴影,半色调,使最终结果尽可能准确。在
因此,基于高光分割的概念的简单证明可以得到验证。在
最初的结果似乎并不乐观,但对比度的微小变化可以改善它:
应该足够得到估计的石头数量和应用更先进的模型,以确定的地区。在
在国际海事组织,获得有意义的结果的唯一希望就是利用粒子是圆的这一事实。通过使用一些均匀性标准,你可以找到候选粒子中心,并从这些粒子中心生长出轮廓,使它们保持圆形并在边缘停止。可以选择从种子点绘制光线,找到最近的边点,并使用圆或椭圆的稳健拟合。在
拒绝那些离圆度太远的形状。这将允许您找到未包含的粒子。然后你可以从其他种子点继续游戏,这次增长的轮廓可以被已经检测到的粒子遮挡。(当一条边被击中时,如果已知它属于某个粒子,则忽略它。)
相关问题 更多 >
编程相关推荐