資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在 OpenCV Python 中對給定影像執行距離變換？
我們可以使用cv2.distanceTransform()方法執行距離變換。以下是此方法的語法。
語法
cv2.distanceTransform(src, distanceType, maskSize)
此方法接受以下引數：
src - 8 位，單通道（二值）源影像。
distanceType - 距離的型別。
maskSize - 距離變換掩碼的大小。
步驟
要對影像執行距離變換，我們可以按照以下步驟操作：
匯入所需的庫。在以下所有示例中，所需的 Python 庫是OpenCV。確保您已安裝它。
使用cv2.imread()讀取輸入影像。使用此方法讀取的 RGB 影像是 BGR 格式。可以選擇將讀取的 BGR 影像賦值給 img。
現在，使用cv2.cvtColor()函式將此 BGR 影像轉換為灰度影像。可以選擇將轉換後的灰度影像賦值給 gray。
現在對灰度影像應用閾值處理，將其轉換為二值影像。調整第二個引數 (threshValue) 以獲得更好的二值影像。
使用cv2.distanceTransform()對二值影像應用距離變換。它返回距離變換後的影像。將此影像歸一化到 [0,1] 範圍內。
顯示距離變換後的影像。
讓我們來看一些例子，以便更好地理解。
輸入影像
我們將在下面的示例中使用此影像作為輸入檔案。
示例
在此示例中，我們找到輸入影像的距離變換。我們將cv2.DIST_L2作為 distanceType，並將 maskSize 設定為 3。
# Load image in grayscale import cv2 import numpy as np import matplotlib.pyplot as plt # Read the input image img = cv2.imread('sketch.jpg') # convert the image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # apply thresholding to convert the grayscale image to a binary image ret,thresh = cv2.threshold(gray,150,255,cv2.THRESH_BINARY) # Apply distance transform on the binary image dist = cv2.distanceTransform(thresh, cv2.DIST_L2, 3) # Normalize the distance image for range = {0.0, 1.0} # so we can visualize and threshold it cv2.normalize(dist, dist, 0, 1.0, cv2.NORM_MINMAX) cv2.imshow('Distance Transform Image', dist) cv2.waitKey(0) cv2.destroyAllWindows()
輸出
執行上面的 Python 程式後，它將生成以下輸出視窗：
示例
在此示例中，我們找到輸入影像的距離變換。我們應用五種不同型別的 distanceType 和 maskSize 為 3。
# import required libraries import cv2 import matplotlib.pyplot as plt # Read the input image img = cv2.imread('sketch.jpg') # convert the image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Apply thresholding to convert the grayscale image to a binary image ret,thresh = cv2.threshold(gray,150,255,cv2.THRESH_BINARY) # Apply distance transform on the binary image dist_C = cv2.distanceTransform(thresh, cv2.DIST_C, 3) dist_L1 = cv2.distanceTransform(thresh, cv2.DIST_L1, 3) dist_L2 = cv2.distanceTransform(thresh, cv2.DIST_L2, 3) dist_LP = cv2.distanceTransform(thresh, cv2.DIST_LABEL_PIXEL, 3) dist_M = cv2.distanceTransform(thresh, cv2.DIST_MASK_3, 3) # Normalize the distance image for range = {0.0, 1.0} # so we can visualize and threshold it cv2.normalize(dist_C, dist_C, 0, 1.0, cv2.NORM_MINMAX) cv2.normalize(dist_L1, dist_L1, 0, 1.0, cv2.NORM_MINMAX) cv2.normalize(dist_L2, dist_L2, 0, 1.0, cv2.NORM_MINMAX) cv2.normalize(dist_LP, dist_LP, 0, 1.0, cv2.NORM_MINMAX) cv2.normalize(dist_M, dist_M, 0, 1.0, cv2.NORM_MINMAX) # visualize the distance images plt.subplot(231),plt.imshow(dist_C, cmap = 'gray') plt.title('DIST_C'), plt.xticks([]), plt.yticks([]) plt.subplot(232),plt.imshow(dist_L1, cmap = 'gray') plt.title('DIST_L1'), plt.xticks([]), plt.yticks([]) plt.subplot(233),plt.imshow(dist_L2, cmap = 'gray') plt.title('DIST_L2'), plt.xticks([]), plt.yticks([]) plt.subplot(234),plt.imshow(dist_LP, cmap = 'gray') plt.title('DIST_LABEL_PIXEL'), plt.xticks([]), plt.yticks([]) plt.subplot(235),plt.imshow(dist_M, cmap = 'gray') plt.title('DIST_MASK_3'), plt.xticks([]), plt.yticks([]) plt.show()
輸出
執行上面的 Python 程式後，它將生成以下輸出視窗，顯示應用不同 distanceType 後獲得的不同變換。
注意這五種distanceType之間的區別。
更新於：2022年12月2日
1K+ 次瀏覽
廣告