Zedboard甲诊opencv图像处理（三）.doc

《Zedboard甲诊opencv图像处理（三）.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、Zedboard甲诊opencv图像处理（三）　　整个工程进展到这一步也算是不容易吧，但技术含量也不怎么高，中间乱起八糟的错误太烦人了，不管怎么样，现在面临了最大的困难吧，图像处理算法。算法确实不好弄啊，虽然以前整过，但都不是针对图像的。　　现在的图像算法太多了，好像谁都在研究，没有一个统一的路线，看论文也是越看越糊涂，无奈之下还是自己好好学学吧，幸好队友以前也搞过，大家也都愿意参与进来了，很开心！　　首先改变下策略吧，之前一直在linux中直接在QT中利用OpenCV库进行图像处理的尝试，但是效率太差了，每次想要结果，都要用板子，所以，现在改用OpenCV+vs201

2、0现在PC上测试，直到满意了再复制到板子上进行测试。　　换工具，得先配置啊，还好之前搞过，使用的人也多，所以比较顺利：参考博客　　自己写程序，测试结果编译出错：LINK:fatalerrorLNK1123:转换到COFF期间失败:文件无效或损坏　　百度了，?mod=viewthread&TId=10226这个帖子不错，安装完补丁之后，编译生成解决方案成功。　　测试了小程序，可以使用了。　　针对自己的问题吧，现在的问题是月牙提取不出来，所以绞尽脑汁、千方百计要把这月牙给分离出来，找方法一个一个试吧。　　话说加入OpenCV后编译又出现一个错误：　　　　这个方法解决了。　　

3、首先我们已经对图像进行了初步的分割，可以将指甲的轮廓提取出来，只是效果不是很理想。可以看到受光照影响明显，需要采取措施解决光照问题。如下图：　　　　现在想要通过对扣取出来的图片进行进一步处理，也就是对第二幅图进行特征提取，从中找到我们所需的月牙，月牙和甲床面积比，月牙颜色，甲床颜色，甲床上是否有斑点、横纹、纵纹，从而为后面的医学诊断理论作依据。　　既然基于灰度图像已经不能再有任何进展了，不如就用彩色图像分割吧。之前也探索过，发现还是有一定的效果的。　　RGB颜色空间是图像处理中最基本、最常用、面向硬件的颜色空间。我们采集到的彩色图像，一般就是被分成R、G、B的成分加以保

4、存的。然而，自然环境下获取的果实图像容易受自然光照、叶片遮挡和阴影等情况的影响，即对亮度比较敏感。而RGB颜色空间的分量与亮度密切相关，即只要亮度改变，3个分量都会随之相应地改变。所以，RGB颜色空间适合于显示系统，却并不适合于图像处理。　　HSL和HSV（也叫HSB）是对RGB色彩空间中点的两种有关系的表示，它们尝试描述比RGB更准确的感知颜色联系，并仍保持在计算上简单。　　H指hue（色相）、S指saturaTIon（饱和度）、L指lightness（亮度）、V指value(色调)、B指brightness（明度）。　　色相（H）是色彩的基本属性，就是平常所说的颜色

5、名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。 明度（V），亮度（L），取0-100%。　　　　根据这幅图就能很好地理解HSV空间了。所以接下来就采用彩色图像进行分析看看效果。，貌似可以先将指甲抠出来。不管怎样，先试试。　　　　首先查论文，看到的好多是聚类方法，kmeans方法首先来，幸好OpenCV也有这函数，先来学学。　　K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类

6、中心的值，直至得到最好的聚类结果。　　我的OpenCV的版本是2.3.1.其中Kmean的实现在modulescoresrcmatrix.cpp里面，这里要推荐一个博客，讲得挺清楚：?p=8　　例子可以看：　　doublecv::kmeans(InputArray_data,intK,InputOutputArray_bestLabels,TermCriteriacriteria,intattempts,intflags,OutputArray_centers)　　下面就是分析这个函数了。　　_data:这个就是你要处理的数据，例如是一个CvMat数据　　K:你需要最终

7、生成的cluster的数量　　_bestLabels:当cv::kmeans执行完毕以后,_bestLabels里面储存的就是每一个对应的数据元素所在的cluster的index，这样你就可以更新你的数据，就是标记矩阵。　　criteria:这个东西是用来告诉cv::kmeans以一个什么样的停止条件来运行，例如criteria.epsilon=0.01f;criteria.type=CV_TERMCRIT_EPS;这个表示centers在两轮cluster运行以后的距离差，如果这个距离小于等于criteria.epsilon就停止返回当