2009-05-10 16:23:00 liuyi1985 阅读数 637
  • 软件测试入门视频教程

    软件测试入门视频培训教程:该课程将带你走进“软件测试”的大门,具体内容包括软件测试环境搭建、软件开发模型、产品模型、CMM模型、测试用例、等价类划分、边界值划分、白盒测试、单元测试、bugfree搭建、系统测试、回归测试、验收测试等。本课程以接地气的语言来讲解,让你听的懂,学的会!本课程以全新的方式为你呈现教学内容,清新脱俗独具特色的授课方式将带给你新的体验。

    2158101 人正在学习 去看看 李晓鹏

对于一个像素点的8领域,我们使用如下顺序搜索:

812

703

654

即1 -> 2 -> 3 -> 4 -> 5 -> 6 -> 7 -> 8

那么下图邻接的边界点(用大于0的数表示):

001

023

040

搜索顺序即为:1 -> 3 -> 4 -> 2

我们会发现,当搜索到2时,已经找不到后续为搜索过的边界了

为了避免这种情况,在搜索过程中顺序需要做一些改变,先搜四领域,再搜八领域。

即1 -> 3 -> 5 -> 7 -> 2 -> 4 -> 6 -> 8

 

2019-08-11 22:07:58 webzhuce 阅读数 492
  • 软件测试入门视频教程

    软件测试入门视频培训教程:该课程将带你走进“软件测试”的大门,具体内容包括软件测试环境搭建、软件开发模型、产品模型、CMM模型、测试用例、等价类划分、边界值划分、白盒测试、单元测试、bugfree搭建、系统测试、回归测试、验收测试等。本课程以接地气的语言来讲解,让你听的懂,学的会!本课程以全新的方式为你呈现教学内容,清新脱俗独具特色的授课方式将带给你新的体验。

    2158101 人正在学习 去看看 李晓鹏

边界提取

        要在二值图像中提取物体的边界,容易想到的一个方法是将所有物体内部的点删除(置为背景色)。具体地说,可以逐行扫描图像,如果发现一个黑点的8个邻域都是黑点,则该点为内部点,在目标图 像中将它删除。实际上这相当于采用一个3*3的结构元素对原图进行腐蚀,使得只有那些8个邻域都有黑点的内部点被保留,再用原图像减去腐蚀后的图像,恰好删除了这些内部点,留下了边界像素。这过程如下图所示。
在这里插入图片描述

示例演示

        利用OpenCV实现上面边界提取的功能。

#include<opencv2/opencv.hpp>
using namespace cv;

int main(int argc, char *argv[])
{
   Mat originimage = imread("E:/TestData/head_portrait.bmp");
   Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
   imshow("OriginImage", originimage);
   Mat erodeimage;
   cv::erode(originimage, erodeimage, element);
   imshow("ErodeImage", erodeimage);

   Mat output = originimage -  erodeimage;
   imshow("Output", output);


    waitKey(0);
    return 0;

}

运行结果

在这里插入图片描述

边界跟踪

        为了依次记录边界上的每个像素,边界跟踪首先按照某种扫描规则找到目标物体边界上的一个像素,然后就以该像素为起始点,根据某种顺序(如顺时针或逆时针)依次找出物体边界上的其余像素,直到又回到起始点,完成整条边界的跟踪。
例如,我们可以按照从左到右、从上到下的顺序扫描图像,这样首先会找到目标物体最左上方的边界点P0.显然,这个点的左侧及上侧都不可能存在边界点(否则左侧或上侧的边界点就会称为第一个被扫描到的边界点),因此不妨从左下方逆时针开始探查,如左下方的点是黑点,直接跟踪至此边界点,否则探查方向逆时针旋转45度,直至找到第一个黑点为止,跟踪至此边界点。找到边界点后,在当前探查方向的基础上顺时针回转90度,继续用上述方法搜索下一个边界点,知道探查又回到初始的边界点P0,则完成整条边界的跟踪。

示例演示

        在一幅图像中,实现跟踪多个边界的功能。对于带孔洞的物体也可以跟踪至其孔洞的轮廓。

#include<opencv2/opencv.hpp>
using namespace cv;

//only process binary image
//black is boundary
std::vector<std::vector<cv::Point>> TraceBoundary(Mat &image)
{
    std::vector<std::vector<Point>> boundaryset;
    Point start, current, next; // start point and current point
    //search dirction array
    int direction[8][2] ={{-1, 1}, //left-down
                          {0, 1}, // down
                          {1, 1}, //right-down
                          {1, 0}, //right
                          {1, -1}, //right-up
                          {0, -1}, //up
                          {-1, -1}, //left-up
                          {-1, 0}  // left
                         };
    int begindirection = 0, currentdirection = 0;
    bool atstart = false, findboundary = false;

    for(int i = 0; i < image.rows; i++)
    {
        for(int j = 0; j < image.cols; j++)
        {
            if(image.at<uchar>(i, j) == 0) //find start point
            {
                start.x = j;
                start.y = i;
                current = start;
                atstart = true;
                findboundary =  true;
                std::vector<Point> points;
                points.push_back(current);
                std::cout << "Start: " << j << " " << i << std::endl;
                while((current.x != start.x) || (current.y != start.y) || atstart)
                {
                    atstart = false;

                    //search next point
                    next.x = current.x + direction[currentdirection][0];
                    next.y = current.y + direction[currentdirection][1];
                    int searchtimes = 1;
                    while(next.x < 0 || next.x >= image.cols || next.y < 0 || next.y >= image.rows || image.at<uchar>(next) == 255)
                    {
                        currentdirection++; //rotate 45 degrees counterclockwise
                        currentdirection %= 8;
                        next.x = current.x + direction[currentdirection][0];
                        next.y = current.y + direction[currentdirection][1];
                        //there are no boundary points in 8 domains, which means they are isolated points
                        if(++searchtimes >= 8)
                            break;
                    }
                    if(image.at<uchar>(next) == 0) // find next point
                    {
                        std::cout << "Next: " << next.x << " " << next.y << std::endl;
                        points.push_back(next);
                        current = next;
                        currentdirection -= 2;
                        if(currentdirection < 0)
                            currentdirection += 8;

                    }
                    else // not find next point
                    {
                        findboundary = false;
                        break;
                    }
                }
                if(findboundary)
                {
                    boundaryset.push_back(points);
                    for(auto &p : points)
                    {
                        image.at<uchar>(p) = 255;
                    }
                }
            } // find boundary one time
        } // for j
    } // for i
    return boundaryset;
}

int main(int argc, char *argv[])
{
   Mat originimage = imread("E:/TestData/head_boundary.bmp");
   imshow("OriginImage", originimage);

   Mat image;
   cvtColor(originimage, image, CV_BGR2GRAY);
   std::vector<std::vector<Point>> boundaryset = TraceBoundary(image);

   //show result
   Mat result;
   originimage.copyTo(result);
   for(auto &points : boundaryset)
   {
       for(auto &p : points)
       {
            result.at<Vec3b>(p)[0]= 0;
            result.at<Vec3b>(p)[0]= 0;
            result.at<Vec3b>(p)[1]= 255;
       }
   }
   imshow("Output", result);


    waitKey(0);
    return 0;

}

运行结果

在这里插入图片描述

2017-11-10 21:00:36 hustllx 阅读数 1103
  • 软件测试入门视频教程

    软件测试入门视频培训教程:该课程将带你走进“软件测试”的大门,具体内容包括软件测试环境搭建、软件开发模型、产品模型、CMM模型、测试用例、等价类划分、边界值划分、白盒测试、单元测试、bugfree搭建、系统测试、回归测试、验收测试等。本课程以接地气的语言来讲解,让你听的懂,学的会!本课程以全新的方式为你呈现教学内容,清新脱俗独具特色的授课方式将带给你新的体验。

    2158101 人正在学习 去看看 李晓鹏

matlab函数:B=bwboundaries(img);

使用栈实现代码:

close all;clear all;
img = imread('G:/bound.jpg');
img = rgb2gray(img);
img = im2bw(img);
img=im2bw(img);
B=bwboundaries(img);%库函数结果

[m,n]=size(img);
k=1;
flag=0;
for i=1:m %找到第一个不为0元素位置
    for j=1:n
        if img(i,j)>0
            stack(k,1)=i;
            stack(k,2)=j;
            starti=i;   %标记第一个点
            startj=j;
            dir=7;
            k=k+1;
            flag=1; %表示已经找到了第一个元素
            break;
        end
    end
    if flag==1
        break;
    end
end

while 1
    if mod(dir,2)==0
        dir=mod(dir+7,8); %偶数处理方式
    else
        dir=mod(dir+6,8); %奇数的处理方式
    end
    i=stack(k-1,1);
    j=stack(k-1,2);
    while 1
        flag=1;
        switch dir
            case 0
                if j+1<n+1&&img(i,j+1)>0%右方
                    stack(k,1)=i;
                    stack(k,2)=j+1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 1
                if i-1>0&&j+1<n+1&&img(i-1,j+1)>0%右上方
                    stack(k,1)=i-1;stack(k,2)=j+1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                     dir=mod(dir+1,8);
                end
            case 2
                if i-1>0&&img(i-1,j)>0%上方
                    stack(k,1)=i-1;stack(k,2)=j;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 3
                if i-1>0&&j-1>0&&img(i-1,j-1)>0%左上方
                    stack(k,1)=i-1;stack(k,2)=j-1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                     dir=mod(dir+1,8);
                end
            case 4
                if j-1>0&&img(i,j-1)>0%左方
                    stack(k,1)=i;stack(k,2)=j-1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 5
                if i+1<m+1&&j-1>0&&img(i+1,j-1)>0%左下方
                    stack(k,1)=i+1;stack(k,2)=j-1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 6
                if i+1<m+1&&img(i+1,j)>0%下方
                    stack(k,1)=i+1;stack(k,2)=j;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 7
                if i+1<m+1&&j+1<n+1&&img(i+1,j+1)>0%右下方
                    stack(k,1)=i+1;stack(k,2)=j+1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                   dir=mod(dir+1,8);
                end
            otherwise
        end
        if flag==0%找到下一个点退出当前循环
            break;
        end
    end
    if  k-1>2&&stack(k-2,1)==starti&&stack(k-2,2)==startj&&stack(k-1,1)==stack(2,1)&&stack(k-1,2)==stack(2,2)%退出循环条件
        break;
    end
end
stack(k-1,:)=[];

figure;
subplot(1,2,1);
imshow(img);
subplot(1,2,2);
imshow(img);
hold on;
for i=1:length(stack)
    hold on; plot(stack(:,2),stack(:,1),'r');
end

使用递归实现:

2019-03-22 17:55:39 weixin_42183170 阅读数 1373
  • 软件测试入门视频教程

    软件测试入门视频培训教程:该课程将带你走进“软件测试”的大门,具体内容包括软件测试环境搭建、软件开发模型、产品模型、CMM模型、测试用例、等价类划分、边界值划分、白盒测试、单元测试、bugfree搭建、系统测试、回归测试、验收测试等。本课程以接地气的语言来讲解,让你听的懂,学的会!本课程以全新的方式为你呈现教学内容,清新脱俗独具特色的授课方式将带给你新的体验。

    2158101 人正在学习 去看看 李晓鹏

空间滤波的工作原理

滤波器的邻域中心访问输入图像中的每一个像素,并产生一个对应的信像素,新像素的坐标等于当前访问的像素的坐标,新像素的值是预定义操作的运算结果。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
以此类推。

一,图像边界处理方法

1 忽略边界数据
2.拓展图像(四周补上数据)

  • 使用P值填充(如:P=0)
  • 复制图像边界像素的值
  • 镜像图像边界像素的值
  • 周期扩展

1. 忽略边界数据
在这里插入图片描述
优点:滤波后的图像中所有像素点都能由整个模版处理
缺点:处理后的图像比原始图像小,输出的图像尺寸=n-w+1
2. 拓展图像(四周补上数据)
在这里插入图片描述
(1) 使用P=0来填充
在这里插入图片描述
在这里插入图片描述
(2) 复制图像边界
在这里插入图片描述
在这里插入图片描述
(3)镜像扩展
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
(4)周期扩展
在这里插入图片描述
在这里插入图片描述
优点:与原图的尺寸相等
缺点:若扩展方法不当,补在靠近图像边缘的部分会给处理后的图像带来不良影响,而且会随着滤波器尺寸的增加而增大

matlab代码示例
%%%%%%%%%%
%  边界填充示例 %
%%%%%%%%%%
% 用matlab创建图像
A=ones(512,512)*255;
A(1:256,1:256)=0;
A(257:512,257:512)=0;
figure;
imshow(uint8(A));title('原图');
% 指定均值滤波器
f =ones(21,21);
% f =ones(21,21)/(21*21);
% 采用不同边界填充策略滤波
%f为滤波器,相当于卷积核
B1= imfilter(A,f,0,'full');
B2= imfilter(A,f,'replicate','full');
B3= imfilter(A,f,'symmetric','full');
B4= imfilter(A,f,'circular','full');
% 显示结果
figure;
subplot(231);imshow(uint8(A));title('原图');
subplot(232);imshow(mat2gray(B1));title('填充0');
subplot(233);imshow(mat2gray(B2));title('复制边界');
subplot(235);imshow(mat2gray(B3));title('镜像扩展');
subplot(236);imshow(mat2gray(B4));title('周期扩展');

结果:
在这里插入图片描述
好像不太明显。。。。不管了,可以把图片尺寸变大。
[file, path] = uigetfile({'*.jpg'; '*.bmp'; '*.gif'; '*.png' }, '选择图片');可选图片。
matlab中的imfilter函数介绍:
在这里插入图片描述

二,均值滤波

平滑滤波器的输出是包含在滤波器模版领域内的像素灰度的平均值,即均值滤波器
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三,中值滤波

可以使用matlab中的medfilt2函数:B=medfilt2(A,[m n]);
在这里插入图片描述
这里引用一个函数:medfilt_filter
添加链接描述

function [img]=median_filter(image, m)
%----------------------------------------------
%中值滤波
%输入:
%image:原图
%m:模板的大小3*3的模板,m=3

%输出:
%img:中值滤波处理后的图像
%----------------------------------------------
    n=m;
    [height, width]=size(image);
    x1=double(image);
    x2=x1;
    for i=1: height-n+1
        for j=1:width-n+1
            mb=x1(i:(i+n-1),j:(j+n-1));
            mb=mb(:);
            mm=median(mb);
            x2( i+(n-1)/2,j+(n-1)/2)=mm;
        end
    end
    img=uint8(x2);%matlab中uint16的范围是0-65535,uint8的范围是0-255。uint8(num)就是把num中大于255的强制赋值为255
end

在这里插入图片描述

[file, path] = uigetfile({'*.jpg'; '*.bmp'; '*.gif'; '*.png' }, '选择图片');
A = imread([path, file]);%取图
B=imnoise(A,'salt & pepper',0.02);%椒盐噪声污染
D = rgb2gray(B);%灰度处理
C=median_filter(D,3);
subplot(2,2,1);imshow(A);title('原图');
subplot(2,2,2);imshow(B);title('椒盐噪声污染图');
subplot(2,2,3);imshow(D);title('椒盐噪声污染灰度图');
subplot(2,2,4);imshow(C);title('中值滤波后');

运行结果:
在这里插入图片描述

四,统计排序滤波

matlab中的ordfilt2函数:B=ordfilt2(A,order,domain);
如:D = ordfilt2(B,5,ones(3,3));
在这里插入图片描述
在这里插入图片描述
matlab示例:

A = imread('cameraman.tif');
B = imnoise(A,'salt & pepper',0.05);
C = median_filter(B,[3 3]);
D = ordfilt2(B,5,ones(3,3));
figure;
subplot(221);imshow(A);title('原图');
subplot(222);imshow(B);title('椒盐噪声污染图');
subplot(223);imshow(C);title('中值滤波');
subplot(224);imshow(D);title('统计排序滤波');

运行结果:
在这里插入图片描述

reference:
李卫军,肖宛昂,董肖莉,覃鸿老师《视觉信息处理及FPGA实现》课程等

锐化下次写。
如有错误欢迎指出,转载请注明出处

2017-05-14 22:19:10 PinkRiverside 阅读数 1000
  • 软件测试入门视频教程

    软件测试入门视频培训教程:该课程将带你走进“软件测试”的大门,具体内容包括软件测试环境搭建、软件开发模型、产品模型、CMM模型、测试用例、等价类划分、边界值划分、白盒测试、单元测试、bugfree搭建、系统测试、回归测试、验收测试等。本课程以接地气的语言来讲解,让你听的懂,学的会!本课程以全新的方式为你呈现教学内容,清新脱俗独具特色的授课方式将带给你新的体验。

    2158101 人正在学习 去看看 李晓鹏

边界跟踪

利用边缘检测算法可以检测出图像中的边界点。但是在很多情况下,仅仅检测出边界点是不够地,必须通过边界跟踪得到边界点序列等数据,为图像分析做准备。对二值图像的边界跟踪可基于八个方向码进行,如图所示。

这里写图片描述

P(x,y) 为物体的一个边界点,则P(x,y) 的下一个边界点必存在其八邻域内,因此可以根据八邻域信息进行外边界跟踪。在找到下一个边界点后,依次边界点为当前边界点继续搜索。这一搜索过程不断重复下去,直到搜索至起点。

图像分割

由边界跟踪结果可得到图像中目标区域边界的提取,将图像分为若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性。

这里写图片描述

扩大图像边界区域

阅读数 277

没有更多推荐了,返回首页