摘要： 本章我们用kmeans算法实现一个简单图像的分割。如下面的图像，我们知道图像分3个簇，背景、白色的任务，红色的丝带以及帽子。 Mat img = cv::imread("../kmeans.jpg"); namedWindow("image"); imshow("image", img); 首先我们会生成采样点，采样... 阅读全文

摘要： kmeans算法的原理参考：http://www.cnblogs.com/mikewolf2002/p/3368118.html 下面学习一下opencv中kmeans函数的使用。 首先我们通过OpenCV中的随机数产生器RNG，生成一些均匀分布的随机点，这些点的位置对应一副图像中的像素位置，然后使用kmeans算法对这些随机点进行分类，并计算出分类簇的中心点。 ... 阅读全文

摘要： 原帖地址：http://blog.csdn.net/qll125596718/article/details/8243404 1.基本Kmeans算法[1] 选择K个点作为初始质心 repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 簇不发生变化或达到最大迭代次数 时间复杂度：O(tKmn)... 阅读全文

摘要： grab cut算法是graph cut算法的改进。在理解grab cut算之前，应该学习一下graph cut算法的概念及实现方式。 我搜集了一些graph cut资料：http://yunpan.cn/QGDVdBXwkXutH grab cut算法详细描述见资料中的pdf文件：“GrabCut” — Interactive Foreground Extraction... 阅读全文

摘要： 在OpenCV中，实现了grabcut分割算法，该算法可以方便的分割出前景图像，操作简单，而且分割的效果很好。算法的原理参见papaer：“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts 比如下面的一副图，我们只要选定一个四边形框，把框中的图像作为grabcut的一个输入参数，表示该框中... 阅读全文

摘要： 最后再来看一种通过形态学腐蚀和开操作得到骨架的方法。http://felix.abecassis.me/2011/09/opencv-morphological-skeleton/ 代码非常简单： void gThin::cvmorphThin(cv::Mat& src, cv::Mat& dst) { if(src.type()!=CV_8UC1) ... 阅读全文

摘要： 本章我们在学习一下基于索引表的细化算法。 假设要处理的图像为二值图，前景值为1，背景值为0。 索引表细化算法使用下面的8邻域表示法： 一个像素的8邻域，我们可以用8位二进制表示，比如下面的8邻域，表示为00111000=0x38=56 我们可以枚举出各种情况下，当前像素能否删除的表，该表大小为256。它的索引即为8邻域表示的值，表中存的值为0或1，0表示当前像素不能删除，1表示... 阅读全文

摘要： 本章我们看下Pavlidis细化算法，参考资料http://www.imageprocessingplace.com/downloads_V3/root_downloads/tutorials/contour_tracing_Abeer_George_Ghuneim/theo.html Computer VisiAlgorithms in Image Algebra，second edition... 阅读全文

摘要： 本章我们学习Rosenfeld细化算法，参考资料：http://yunpan.cn/QGRjHbkLBzCrn 在开始学习算法之前，我们先看下连通分量，以及4连通性，8连通性的概念： http://www.imageprocessingplace.com/downloads_V3/root_downloads/tutorials/contour_tracing_Abeer_George_Ghu... 阅读全文

摘要： 本章我们学习一下Hilditch算法的基本原理，从网上找资料的时候，竟然发现两个有很大差别的算法描述，而且都叫Hilditch算法。不知道那一个才是正宗的，两个算法实现的效果接近，第一种算法更好一些。 第一种算法描述参考paper和代码： Linear Skeletons from Square Cupboards Speedup Method for Real-Time Thi... 阅读全文