OpenCV例程：针对对比度差的图像，目标分割方法( 二 ) _2410

                            sumRR += R5R5[m+2][n+2]*p_data;
                            sumVAR+= VAR[m+2][n+2]*p_data;
                     }
              }
              float *pLawsEnergy_data = https://vvvtt.com/article/(float*)(pLawsEnergy.data+j*pLawsEnergy.step);
              pLawsEnergy_data[3*i+0]=abs(sumVAR)/25;
              pLawsEnergy_data[3*i+1]=abs(sumRR)/25;
              pLawsEnergy_data[3*i+2]=abs(sumES)/25;
       }
}

4k-means聚类：
k-means算法是一个聚类算法，
聚类算法用于按照数据的特征发现数据项的相似性，并将相似的数据项放在统一个组中，相似性采用距离进行描述。
k-means聚类的流程：
起首，随机拔取k个点，将每个点分派给它们，获得最初的k个分类；
然后，在每个分类入彀算均值，将点从头分派，划归到比来的中间点；
反复上述
直到点的划归不再改变。

5k-means聚类的流程：
针对本图像，分为路脸孔标和树林布景两类；
①设置初始聚类中间{100,100,100}，{0,0,0}；
②按照差的绝对值之和计较相似度，将图像像素划分为方针和布景两类；
③从头计较聚类中间；一般用求重心的方式；
④判定，聚类中间是否改变，若是没改变则收敛；不然，继续迭代。
⑤采用形态学操作进一步优化朋分图像；
如图所示：
//进来的伴侣，点赞，存眷，投票，感谢！

6本文法式总结如下：
因为字数较多，故经由过程图像显示如下：
#include "stdafx.h"
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
       const int R5R5[5][5]=
       {
              1, -4, 6, -4, 1,
          -4, 16,-24, 16, -4,
           6, -24, 36, -24, 6,
          -4, 16,-24, 16, -4,
           1, -4, 6, -4, 1
       };

OpenCV例程：针对对比度差的图像，目标分割方法( 二 )

猜你喜欢