Zedboard甲诊opencv图像处理（三）.docx

《Zedboard甲诊opencv图像处理（三）.docx》由会员分享，可在线阅读，更多相关《Zedboard甲诊opencv图像处理（三）.docx（3页珍藏版）》请在第一文库网上搜索。

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IinUX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0penCV+vs2010现在PC上测试，直到满意了再复制到

2、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：1INK:fata1error1NK1123:转换到COFF期间失败：文件无效或损坏百度了，？mod=viewthreM缸IC1=Io226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。首先我们己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

3、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

4、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。HS1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）、1指IightneSS（亮度）、V指VaIUe（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OTO0%的数值。明度（V）,亮度（1）,0-100%o根据这幅图就能很好地理解HSV空间了。

5、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。KFeanS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modu1escoresrcmatrix.cpp里面，这里要推茬一个博客，讲得挺清楚：？P=8例子可以看：doub1ecv:kmean

6、s(InputArray_data,intK,InputOutputArray_best1abe1s,TermCriteriacriteria,intattempts,intf1ags,OutputArraycenters)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:你需要最终生成的c1uster的数量_best1abe1s:当cv:kmeans执行完毕以后，Jcst1abc1s里面储存的就是每二个对应的数据元素所在的c1uster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.epsi1on=0.O1f;criteria,type=CV_TERMCRIT_EPS;这个表示centers在两轮c1uster运行以后的距离差，如果这个距离小于等于criteria,epsi1on就停止返回当前得到的centers,否则继续attempts:最多尝试多少次，文档上说一般设置为2f1ags:这个主要是传递一些配置参数，例如初始的时候使用USerCOcIe给定的IabeI-KMEANS_USE_INITIA1_1ABE1S,若使用kmeans+初始化算法-KMEANS.PPCENTERS