🥑SimpleCV形状分类检测
SimpleCV | Python | 形状分类
SimpleCV是用于构建计算机视觉应用程序的开源框架。 它使您可以借助一些强大的计算机视觉库（例如OpenCV）来处理来自网络摄像头，Kinects，FireWire和IP摄像机或移动电话的图像或视频流，而无需先了解位深度，文件格式 ，色彩空间，缓冲区管理，特征值或矩阵与位图存储。
我们可以在simplecv.org上找到很多文档，示例和教程。这次，我们将使用称为“ FindBlobs（）”的SimpleCV方法来识别图像上的形状。
BLOB字来自Binary Large OBject，它是图像中一组共享像素，它们具有某些共同的属性（例如，灰度值）。 术语“大”表示在此图像上仅会注意到特定大小的对象，而其余的将被标识为“噪声”，并且该方法将忽略它。 斑点检测的目的是识别并标记这些特定区域。
在此图像的右窗口中，我们可以看到白色的所有与黑色背景不同的对象。在左侧窗口中，我们可以看到有两个斑点与所需的特征相匹配。
BLOB分析中有三种主要方法：
提取
表示
分类
提取
该方法从找到互连的像素开始，这意味着该相邻像素符合先前确定的规格。 通常使用递归草火和安全草火算法来查找此相互关联的像素，这一次我们不再对此进行深入研究。
表示
下一步是在我们先前提取的像素上表示特征，这是通过获取在提取中找到的特征数量，然后将其与建议的特征进行比较以查看其是否匹配来完成的，例如，如果我们正在识别矩形，则像素最多代表四条相互连接的线，两条线水平彼此平行，而两条线垂直彼此平行。
分类
检测的最后一步是将先前标识的表示形式与原型进行比较，以验证其是否与我们要寻找的所有特征相匹配，在这种情况下，原型将是组成矩形的一组像素。
源代码
🏈page指点迷津 | BriefLast updated