能免费做婚礼邀请函的网站,社区网站建设方案ppt,网站建设知名企业,html网站开头怎么做的Python OpenCV通过灰度平均值进行二值化处理以减少像素误差 前言前提条件相关介绍实验环境通过灰度平均值进行二值化处理以减少像素误差固定阈值二值化代码实现 灰度平均值二值化代码实现 前言 由于本人水平有限#xff0c;难免出现错漏#xff0c;敬请批评改正。更多精彩内容… Python OpenCV通过灰度平均值进行二值化处理以减少像素误差 前言前提条件相关介绍实验环境通过灰度平均值进行二值化处理以减少像素误差固定阈值二值化代码实现 灰度平均值二值化代码实现 前言 由于本人水平有限难免出现错漏敬请批评改正。更多精彩内容可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏或我的个人主页查看基于DETR的人脸伪装检测YOLOv7训练自己的数据集口罩检测YOLOv8训练自己的数据集足球检测YOLOv5TensorRT加速YOLOv5模型推理YOLOv5IoU、GIoU、DIoU、CIoU、EIoU玩转Jetson Nano五TensorRT加速YOLOv5目标检测YOLOv5添加SE、CBAM、CoordAtt、ECA注意力机制YOLOv5yolov5s.yaml配置文件解读、增加小目标检测层Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集YOLOv5使用7.0版本训练自己的实例分割模型车辆、行人、路标、车道线等实例分割使用Kaggle GPU资源免费体验Stable Diffusion开源项目 前提条件 熟悉Python 相关介绍 Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)随着版本的不断更新和语言新功能的添加越多被用于独立的、大型项目的开发。 实验环境 Python 3.x 面向对象的高级语言 通过灰度平均值进行二值化处理以减少像素误差 背景同一物体黑色异物但不同亮度大小的图片单纯地使用固定阈值的二值化处理所得到的物体黑色异物的像素个数误差较大实验表明通过灰度平均值进行二值化处理可以有效地减少像素个数的误差。亮 暗 固定阈值二值化
代码实现
import cv2
import numpy as np# 图像显示函数
def show(name, img):cv2.namedWindow(name, 0) # 用来创建指定名称的窗口,0表示CV_WINDOW_NORMAL# cv2.resizeWindow(name, img.shape[1], img.shape[0]); # 设置宽高大小为640*480cv2.imshow(name, img)cv2.waitKey(0)cv2.destroyAllWindows()def count_pix_nums(img_path):imgcv2.imread(img_path,0)ret, thresh cv2.threshold(img,60,255, cv2.THRESH_BINARY_INV)pix_nums np.count_nonzero(thresh)return pix_nums if __name____main__:light_pix_nums count_pix_nums(imgs/light.jpg)dark_pix_nums count_pix_nums(imgs/dark.jpg)print(亮度较大的图物体黑色异物像素个数为:,light_pix_nums)print(亮度较小的图物体黑色异物像素个数为:,dark_pix_nums)亮度较大的图物体黑色异物像素个数为: 3558
亮度较小的图物体黑色异物像素个数为: 3693灰度平均值二值化
代码实现
import cv2
import numpy as np# 图像显示函数
def show(name, img):cv2.namedWindow(name, 0) # 用来创建指定名称的窗口,0表示CV_WINDOW_NORMAL# cv2.resizeWindow(name, img.shape[1], img.shape[0]); # 设置宽高大小为640*480cv2.imshow(name, img)cv2.waitKey(0)cv2.destroyAllWindows()def count_pix_nums(img_path):imgcv2.imread(img_path,0)mean_gray_value np.mean(img)threshold_value_bias 60threshold_value mean_gray_value - threshold_value_biasret, thresh cv2.threshold(img,threshold_value,255, cv2.THRESH_BINARY_INV)pix_nums np.count_nonzero(thresh)return pix_nums if __name____main__:light_pix_nums count_pix_nums(imgs/light.jpg)dark_pix_nums count_pix_nums(imgs/dark.jpg)print(亮度较大的图物体黑色异物像素个数为:,light_pix_nums)print(亮度较小的图物体黑色异物像素个数为:,dark_pix_nums)亮度较大的图物体黑色异物像素个数为: 3950
亮度较小的图物体黑色异物像素个数为: 3948由于本人水平有限难免出现错漏敬请批评改正。更多精彩内容可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏或我的个人主页查看基于DETR的人脸伪装检测YOLOv7训练自己的数据集口罩检测YOLOv8训练自己的数据集足球检测YOLOv5TensorRT加速YOLOv5模型推理YOLOv5IoU、GIoU、DIoU、CIoU、EIoU玩转Jetson Nano五TensorRT加速YOLOv5目标检测YOLOv5添加SE、CBAM、CoordAtt、ECA注意力机制YOLOv5yolov5s.yaml配置文件解读、增加小目标检测层Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集YOLOv5使用7.0版本训练自己的实例分割模型车辆、行人、路标、车道线等实例分割使用Kaggle GPU资源免费体验Stable Diffusion开源项目
