5-6.项目五 人工智能+智能制造：机器人颜色识别-任务三图像形态学处理与轮廓框选_第1页
5-6.项目五 人工智能+智能制造：机器人颜色识别-任务三图像形态学处理与轮廓框选_第2页
5-6.项目五 人工智能+智能制造：机器人颜色识别-任务三图像形态学处理与轮廓框选_第3页
5-6.项目五 人工智能+智能制造：机器人颜色识别-任务三图像形态学处理与轮廓框选_第4页
5-6.项目五 人工智能+智能制造：机器人颜色识别-任务三图像形态学处理与轮廓框选_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

任务三

图像形态学处理与轮廓框选项目五

人工智能+智能制造：机器人颜色识别《人工智能技术应用导论》12目录任务描述任务目标3任务实施4任务说明任务描述1

任务描述颜色识别问题在进行颜色识别的过程中，想要显示的颜色通过阈值范围限制并不一定可以全部显示出来，可能会存在边缘信息漏掉的情况

如何解决？这种情况下，通常会用到图像处理中常用的形态学处理操作。任务目标2任务目标

图像形态学处理掌握图像形态学处理方法，具体包括开操作和闭操作的应用。

检测结果处理掌握如何对检测结果进行轮廓框选，进而统计像素数目。任务说明3

实现步骤图像形态学处理设置形态学操作的内核、图像开操作和图像闭操作。

轮廓框选识别图像中的轮廓数目、轮廓绘制、输出找到图像中的颜色数目和种类实践要求

成功对图像进行态学处理使用矩形框将检测到的轮廓框选并显示完成像素统计任务实施4代码详解1、图像形态学处理

代码详解图像形态学处理cv2.getStructuringElement()：创建一个形态学操作的内核。形态学操作的本质，就是用这个“内核”去扫描图像的每一个像素，并根据内核覆盖下的像素情况来决定中心像素的新值。cv2.MORPH_RECT：指定内核的形状为矩形。这是最常用的形状之一。(50,50)：指定内核的尺寸为50x50像素。这是一个相对较大的内核。cv2.morphologyEx()：对灰度二值图像进行开运算和闭运算。开运算是先腐蚀，后膨胀的组合操作。闭运算是先膨胀，后腐蚀的组合操作。代码详解2、轮廓框选

代码详解轮廓检测cv2.findContours()：在二值图像中查找所有轮廓。这是从像素集合到几何形状的关键一步

轮廓绘制与保存cv2.drawContours()：在原始图像上绘制出找到的所有轮廓。是为了可视化，让识别结果一目了然cv2.imwrite()：保存轮廓数量统计代码详解len()：计算找到的轮廓总数。判断是否至少找到了一个轮廓。如果找到了轮廓，说明图像中可能存在目标颜色，遍历所有轮廓，计算它们的总像素点数。条件判断基于像素总数做出最终的识别决策。这是一个阈值判断。400是一个经验值，意味着只有当检测到的同色区域的总像素数大于400时，程序才认为这是一个有效的、显著的目标，而不是噪声或微小的干扰。程序退出cv2.destroyAllWindows()和sys.exit()：销毁所有OpenCV创建的窗口，并退出整个Python脚本。rawCapture.truncate(0)：清空PiRGBArray缓冲区。项目运行与测试在PyCharm的终端中运行脚本Color_Recognition.py，对图像进行形态学处理，分别进行开操作和闭操作运行结果如图所示项目运行与测试最后使用矩形框将轮廓框选起来，呈现出最终结果如图所示。项目运行与测试

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论