OPENCV: SEGMENTAÇÃO USANDO LIMITE

Neste artigo, uma técnica básica para segmentação de objetos chamada Limiar . Mas antes de entrar em mais detalhes, abaixo está uma breve visão geral do OpenCV. OpenCV (Open Source Computer Vision) é uma biblioteca de código aberto de plataforma cruzada de funções de programação destinada a executar tarefas de visão computacional em tempo real em uma ampla variedade de campos, como:

Reconhecimento facial
Sistemas de reconhecimento de íris
Reconhecimento de gestos
Interação humano-computador (HCI)
Robótica móvel
Identificação de objeto
Segmentação e reconhecimento
Visão estéreo Stereopsis: percepção de profundidade de 2 câmeras
Realidade aumentada

Ele também inclui uma biblioteca robusta de aprendizado de máquina estatística que contém vários classificadores diferentes usados para oferecer suporte às áreas acima. Para usar o OpenCV basta importar ou incluir as bibliotecas necessárias e começar a usar a infinidade de funções disponíveis. Limiar é uma técnica de segmentação muito popular usada para separar um objeto de seu fundo. No artigo abaixo descrevi várias técnicas usadas para limitar imagens em tons de cinza (8 bits) . O processo de limiar envolve a comparação de cada valor de pixel da imagem (intensidade de pixel) com um limite especificado. Isso divide todos os pixels da imagem de entrada em 2 grupos:

Pixels com valor de intensidade inferior ao limite.
Pixels com valor de intensidade maior que o limite.

Esses 2 grupos agora recebem valores diferentes dependendo dos vários tipos de segmentação. OpenCV suporta 5 esquemas de limite diferentes em imagens em escala de cinza (8 bits) usando a função: Limite duplo (InputArray src OutputArray dst double thresh double maxval tipo int) Parâmetros:

InputArray src: imagem de entrada (Mat 8 bits ou 32 bits)

OutputArray dst: imagem de saída (mesmo tamanho da entrada)

limite duplo: definir valor limite

double maxval: maxVal usado no tipo 1 e 2

int type* :Especifica o tipo de limite a ser usado. (0-4)

*Abaixo é fornecida uma lista de tipos de limites. Imagem de entrada

A imagem RGB de entrada é primeiro convertida em uma imagem em tons de cinza antes que o limiar seja feito.

Tipos de limites

Se o valor da intensidade do pixel em (x y) na imagem de origem for maior que o limite, o valor na imagem final será definido como maxVal.

Se o valor da intensidade do pixel em (x y) na imagem de origem for maior que o limite, o valor na imagem final será definido como 0, caso contrário, será definido como maxVal.

Se o valor da intensidade do pixel em (x y) na imagem de origem for maior que o limite, o valor na imagem final será definido como limite, caso contrário, permanecerá inalterado.

Se o valor da intensidade do pixel em (x y) na imagem de origem for maior que o limite, o valor em (x y) na imagem final não muda. Todos os pixels restantes são definidos como ‘0’.

Se o valor da intensidade do pixel em (x y) na imagem de origem for maior que o limite, o valor em (x y) na imagem final será definido como ‘0’. Todos os valores de pixel restantes permanecem inalterados.

Para compilar programas OpenCV você precisa ter a biblioteca OpenCV instalada em seu sistema. Estarei postando um tutorial simples para o mesmo nos próximos dias. Se você já instalou o OpenCV execute o código abaixo com a imagem de entrada de sua escolha. CPP

    // CPP program to demonstrate segmentation   // thresholding.   #include         #include         #include         #include         using     namespace     cv  ;   int     main  (  int     argc       char  **     argv  )   {      if     (  argc     !=     2  )         {      cout      < <     ' Usage:  '      '   '      < <     endl  ;      return     -1  ;      }      int     threshold_value     =     0  ;      // Valid Values: 0 1 2 3 4      int     threshold_type     =     2  ;         // maxVal useful for threshold_type 1 and 2      int     maxVal     =     255  ;         // Source image      Mat     src     =     imread  (  argv  [  1  ]     1  );      cvNamedWindow  (  'Original'       CV_WINDOW_NORMAL  );      imshow  (  'Original'       src  );      Mat     src_gray       dst  ;      // Convert the image to GrayScale      cvtColor  (  src       src_gray       CV_BGR2GRAY  );      // Create a window to display results      cvNamedWindow  (  'Result'       CV_WINDOW_NORMAL  );      createTrackbar  (  'Threshold'       'Result'           &  threshold_value       255  );      while     (  1  )         {      threshold  (  src_gray       dst       threshold_value           maxVal       threshold_type  );      imshow  (  'Result'       dst  );      waitKey  (  1  );      }   }