opencv水平投影,opencv投影法
1.简介这篇文章将展示什么是图像的投影直方图，以及如何绘制这个投影直方图。例如，如果我们想识别一些字符，我们可以使用投影来提取图像上的特征。投影直方图是一种使用图像在给定方向(例如，垂直或水平方向)上的投影的方法。这些投影表示每一列或每一行中属于该对象的像素数。
2.投影直方图的功能。让我们看一个简单的例子，如下所示：
上图分别代表数字5及其垂直和水平投影。上述两个直方图可以用作数字5的向量描述符。在我们计算了它们与标识数字0到9的直方图向量之间的相似度之后，我们就可以知道当前的数字是多少了。
3.实际应用那么，我们来看一个实际项目中的具体栗子！
3.1读入图像和灰度。首先，我们使用opencv读取颜色图并执行灰度，如下所示：
导入cv2
将numpy作为np导入
将matplotlib.pyplot作为plt导入
导入操作系统
#加载图像
img=cv2 . im read( display _ image . png )
#转换为灰度
Gray=cv2.cvtcolor (img，cv2.color _ bgr2gray)结果如下：
上图的上半部分是输入的原始图像，下半部分是灰度图像。
3.2二值化然后我们对上图进行中值滤波去噪，再进行膨胀腐蚀操作。示例代码如下：
#平滑图像以避免噪声
gray=cv2.medianBlur(gray，5)
#应用自适应阈值
thresh=cv2 . adaptive threshold(gray，255，1，1，11，2)
#应用一些扩张和侵蚀来连接缝隙
kernel=np.ones((5，5)，np.uint8)
thresh=cv2.dilate(thresh，kernel，iterations=2)
Thresh=cv2.erode (thresh，kernel，iterations=2)结果如下：
上图的上半部分是中值滤波后的图，下半部分是二元膨胀腐蚀后的图。
3.3 findContours然后我们使用函数findContours得到封闭区域的轮廓，过滤掉高度较小的轮廓。示例代码如下：
#寻找轮廓
轮廓，层次=cv2.findContours(thresh，cv2。RETR _列表，cv2。CHAIN_APPROX_SIMPLE)
#对于每个轮廓，找到边界矩形并绘制它
对于轮廓中的cnt:
x，y，w，h=cv2.boundingRect(cnt)
如果h 10:
2.CVrectangle (img，(x，y)，(x w，y h)，(0，255，0)，2)结果如下：
3.4计算直方图最后，我们来计算向X轴方向的投影。相应的示例代码如下：
#图像的宽度和高度
高度，宽度=thresh.shape
#对价值线求和
vertical_px=np.sum(thresh，axis=0)
#正常化
规格化=vertical_px/255
#用零创建黑色图像
blank image=NP . zeros _ like(thresh)
#制作垂直投影直方图
对于idx，枚举中的值(正常化):
cv2.line(blankImage，(idx，0)，(idx，height-int(value))，(255，255，255)，1)
#连接图像
img _ concate=cv2.vconcat(
[img，cv2.cvtColor(blankImage，cv2。COLOR_BGR2RGB)])
cv2.imshow(out ，img _ concate)
2.cvwaitkey (0)获得以下结果：
请注意，观察上图中重复出现的数字，比如4和3，它们的垂直投影直方图几乎相同！
4.总结这篇文章是一篇简单的文章，向你展示如何简单的制作投影直方图，以及如何绘制。如本文所述，我们可以为每个字符建立一个存储向量，然后用它来对字符进行分类。
你丢了学业吗？
关注微信官方账号《AI算法之道》了解更多关于AI算法的信息。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。