1.4-图像分割与信息提取《计算机视觉技术应用》

计算机视觉技术应用项目一手写数字图像处理图像分割与信息提取任务四职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四图像分割与信息提取了解图像分割知识能够掌握图像分割的方法将所需图像提取出来职业能力目标01知识目标技能目标职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四图像分割与信息提取

此任务的主要内容是使用图像分割的方法将所需图像提取出来。任务描述任务要求使用图像分割方法提取图像。任务描述与要求02职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四图像分割与信息提取任务计划表通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03项目名称手写数字图像处理任务名称图像分割与信息提取计划方式自主设计计划要求请用8个计划步骤来完整描述出如何完成本次任务序号任务计划1

2

3

4

5

6

7

8职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四图像分割与信息提取04知识储备图像分割1图像分割（基于阈值）04阈值分割就是寻找一个灰度值，将图像中每个像素的灰度值与之比较，根据比较结果对图像进行分割:像素灰度值大于此灰度值的像素归为一类，像素灰度值小于此灰度值的像素归为另一类。原图设置阈值大于灰度值设置阈值小于灰度值图像分割（基于阈值）04图像分割（基于边缘）04Roberts算子是一种利用局部差分算子寻找边缘的算子。他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感，但是无法抑制噪声的影响。Roberts算子图像分割（基于边缘）04Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。Prewitt算子图像分割（基于边缘）04Sobel算子是计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。Sobel算子图像分割（基于边缘）04LOG算子通过检测二阶导数过零点来判断边缘点。对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。LaplacianofGaussian(LOG)算子图像分割（基于边缘）04Canny的目标是找到一个最优的边缘检测算法，能够尽可能多地标识出图像中的实际边缘。能够标识出的边缘要与实际图像中的实际边缘尽可能接近。图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。Canny算子04图像分割（基于边缘）Canny算子LoG算子Sobel算子Prewitt算子Roberts算子职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四图像分割与信息提取05任务实施重点函数详解2依赖库的安装与导入1依赖库的安装与导入05本实验主要依赖OpenCV库，主流的图像处理工具。OpenCV用C++语言编写，它具有C++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和MacOS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令，如今也提供对于C#、Ch、Ruby，GO的支持。安装依赖库依赖库的安装与导入05numpy：Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。cv2：OpenCV，强大的图像处理库，能够快速的实现一些图像处理和识别的任务。matplotlib.pyplot：Matplotlib是Python的一个绘图库，是Python中最常用的可视化工具之一，可以非常方便地创建2D图表和一些基本的3D图表，常用于显示图片。导入依赖库05任务实施重点函数详解2依赖库的安装与导入12重点函数详解05读入图片cv2.imread()函数使用函数cv2.imread(filepath,flags)读入一副图片，有以下两个参数： 1、filepath：要读入图片的完整路径； 2、flags：读入图片的标志。其中flags参数有以下三个选择： 1、cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道； 2、cv2.IMREAD_GRAYSCALE：读入灰度图片；3、cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道。cv2.imread()函数05读入图片cv2.imread()函数cv2.imread()函数重点函数详解05固定阈值二值化cv2.threshold()函数固定阈值二值化即根据自定义的阈值划分界限，超过阈值的像素值全部划分为255，低于阈值的像素值全归为0。cv2.threshold(src,thresh,maxval,type)返回两个值，第一个为得到的阈值值，第二个就是阈值化后的图像。对应参数如下：

src：表示的是图片源

thresh：表示的是阈值（起始值）

maxval：表示的是最大值

type：表示的是这里划分的时候使用的是什么类型的算法，常用值为0（cv2.THRESH_BINARY）cv2.threshold()函数重点函数详解05重点函数详解cv2.threshold()函数固定阈值二值化cv2.threshold()函数05自适应阈值二值化cv2.adaptiveThreshold()函数自适应阈值二值化函数对每个像素点作为中心取BlockSize*BlockSize大小的区域。cv2.adaptiveThreshold(src,maxval,thresh_type,type,BlockSize,C)返回处理后的图像，参数解释如下：

src：输入图，只能输入单通道图像，即需要进行二值化的一张灰度图像。

maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值。

thresh_type：阈值的计算方法。cv2.adaptiveThreshold()函数重点函数详解05自适应阈值二值化cv2.adaptiveThreshold()函数

thresh_type：阈值的计算方法，包含以下2种类型：

cv2.ADAPTIVE_THRESH_MEAN_C；

cv2.ADAPTIVE_THRESH_GAUSSIAN_C。

ADAPTIVE_THRESH_MEAN_C：为局部邻域块的平均值，该算法是先求出块中的均值。

ADAPTIVE_THRESH_GAUSSIAN_C：为局部邻域块的高斯加权和。该算法是在区域中(x,y)周围的像素根据高斯函数按照他们离中心点的距离进行加权计算。cv2.adaptiveThreshold()函数重点函数详解05重点函数详解自适应阈值二值化cv2.adaptiveThreshold()函数cv2.adaptiveThreshold()函数重点函数详解05左边为自定义阈值二值化，右边为固定阈值二值化，可以看到自适应阈值二值化处理出来的结果图包含更多噪点，在此案例并不适用，因此选择固定阈值二值化。05构造卷积核cv2.getStructuringElement()函数二值图像的膨胀或腐蚀操作，类似于对图像的卷积操作。因此需要有个kernel操作矩阵，类似于卷积核。常见的是3X3的矩阵。在使用腐蚀或膨胀函数之前，我们需要使用构造卷积核函数构造一个特定大小和形状的结构元素，用于图像形态学处理。进行腐蚀或膨胀操作的核，不仅可以是矩形，还可以是十字形和椭圆形，opencv提供cv2.getStructuringElement(shape,ksize,anchor)函数来获得核，其参数如下：

shape：核的形状

cv2.MORPH_RECT：矩形

cv2.MORPH_CROSS：十字形(以矩形的锚点为中心的十字架)

cv2.MORPH_ELLIPSE：椭圆(矩形的内切椭圆）

ksize：核的大小，矩形的宽，高格式为(width,height)

anchor：核的锚点，默认值为(-1,-1),即核的中心点cv2.getStructuringElement()函数重点函数详解重点函数详解05膨胀操作函数cv2.dilate()函数cv2.dilate(src,kernel,anchor,iterations,borderType,borderValue)，其对应参数如下：

1)src：输入图像对象矩阵,为二值化图像

2)kernel：进行膨胀操作的核，可以通过函数getStructuringElement()获得

3)anchor：锚点，默认为(-1,-1)

4)iterations：操作的次数，默认为1

5)borderType：边界种类

6)borderValue：边界值cv2.dilate()函数重点函数详解05图像膨胀处理重点函数详解05改变图片大小cv2.resize()函数cv2.resize(src,dsize[,dst[,fx[,fy[,interpolation]]]])返回变换大小后的目标图像，涉及参数如下：

1)src-原图

2)dsize-目标图像大小

3)fx-水平轴上的比例因子，可选

4)fy-垂直轴上的比例因子，可选

5)interpolation-插值方法，可选。共有5种：

a)INTER_NEAREST-最近邻插值法

b)INTER_LINEAR-双线性插值法（默认）

c)INTER_AREA-基于局部像素的重采样cv2.resize()函数重点函数详解05外接矩形cv2.boundingRect()函数这个函数作用为找到轮廓的外接矩形，返回四个值，分别是x，y，w，h： x，y是矩阵左上点的坐标

w，h是矩阵的宽和高cv2.boundingRect()函数重点函数详解05绘制矩形cv2.rectangle()函数cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),3)用于是在图像上绘制一个简单的矩形，其参数介绍如下：

img:要作用的图片

(x1,y1):矩形框的左上角坐标

(x2,y2):矩形框的右下角坐标

(0,255,0)：矩形框的RGB颜色（绿色）

3：所画线的宽度cv2.rectangle()函数职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务四图像分割与信息提取任务检查与评价061、请参照评价标准完成自评和对其他小组的互评。2、各组请代表分析本组任务实施经验。项目名称手写数字图像处理任务名称图像分割与信息提取评价方式可采用自评、互评、老师评价等方式说明主要评价学生在项目学习过程中的操作技能、理论知识、学习态度、课堂表现、学习能力等

评价内容与评价标准序号评价内容评价标准分值得分1理论知识（20%）了解图像分割知识、以及两种图片边缘分割的知识。（20分）20分

2专业技能（40%）依赖库的安装与导入（10%）正确安装和导入所需依赖库（10分）10分

重点函数详解（30%）图像分割预处理（10分）30分

图像分割（20分）3核心素养（20%）具有良好的自主学习能力、分析解决问题的能力、整个任务过程中有指导他人（20分）20分

具有较好的学习能力和分析解决问题的能力，任务过程中无指导他人（15分）能够主动学习并收集信息，有请教他人进行解决问题的能力（10分）不主动学习（0分）4课堂纪律（20%）设备无损坏、设备摆放整齐、工位区域内保持整洁、无干扰课堂秩序（20分）20分

设备无损坏、无