pembangunan bahagian belakang
Tutorial Python
Bagaimana untuk mengekstrak dua kawasan bulat dari imej piksel 9000x7000 menggunakan Python dan OpenCV?
Bagaimana untuk mengekstrak dua kawasan bulat dari imej piksel 9000x7000 menggunakan Python dan OpenCV?
Apr 01, 2025 pm 09:42 PM
Python dan OpenCV dengan cekap mengekstrak dua kawasan bulat dalam imej 9000x7000 piksel
Memproses imej resolusi ultra tinggi (seperti 9000x7000 piksel) dan mengekstrak bentuk tertentu (seperti lingkaran) dari mereka adalah cabaran biasa dalam pemprosesan imej dan penglihatan komputer. Artikel ini menyediakan penyelesaian menggunakan perpustakaan Python dan OpenCV untuk mengekstrak kawasan pekeliling sasaran dengan cekap dan tepat.
Masalah dengan kod yang sedia ada ialah terdapat terlalu banyak lingkaran yang dikesan dan adalah mustahil untuk memilih dua kawasan bulatan yang diperlukan secara tepat. Untuk penambahbaikan, kami akan mengguna pakai strategi berikut:
- Preprocessing Imej: Pengurangan Skala dan Kebisingan : Pertama, untuk meningkatkan kecekapan pemprosesan, kami mengurangkan imej asal ke saiz yang betul. Pada masa yang sama, penapis kabur Gaussian digunakan untuk mengurangkan bunyi imej, dengan itu meningkatkan ketepatan pengesanan bulat.
Import CV2 import numpy sebagai np image_path = r "c: \ users \ 17607 \ desktop \ smls Pictures \ pic_20231122151507973.bmp" # Baca imej img = cv2.imread (image_path) # Zum imej (laraskan nisbah zum mengikut keadaan sebenar) scale_percent = 10 # skala hingga 1/10 gambar asal lebar = int (img.shape [1] / scale_percent) ketinggian = int (img.shape [0] / scale_percent) Dim = (lebar, ketinggian) resized_img = cv2.resize (img, red, interpolation = cv2.inter_area) # penukaran kelabu kelabu = cv2.cvtcolor (resized_img, cv2.color_bgr2gray) # Gaussianblurred = cv2.gaussianblur (kelabu, (5, 5), 0)
- Pengesanan Edge: Algoritma Canny : Gunakan algoritma pengesanan kelebihan canny untuk mengekstrak maklumat tepi imej dan sediakan untuk pengesanan pekeliling berikutnya.
# Tepi pengesanan kelebihan canny = cv2.canny (kabur, 50, 150)
- Pengesanan bulatan: Hough Transform : Gunakan transformasi bulatan hough untuk mengesan bulatan dalam imej. Kuncinya adalah pelarasan parameter untuk memastikan bahawa hanya dua kalangan yang kita perlukan dikesan. Di sini kami menapis mengikut jejari bulatan dan pilih dua kalangan terbesar.
# Lingkaran transformasi houghcircle = cv2.houghcircles (tepi, cv2.hough_gradient, 1, 40, param1 = 50, param2 = 30, minradius = 0, maxradius = 0)
Sekiranya bulatan tidak ada:
lingkaran = np.uint16 (np.around (lingkaran))
# Pilih dua lingkaran terbesar = lingkaran [0 ,:]
lingkaran = lingkaran [np.argsort (lingkaran [:, 2]) [::-1] [: 2]] # pilih dua lingkaran dengan jejari terbesar untuk saya dalam kalangan:
center_x, center_y, radius = i
# Lukis bulatan cv2.circle (resized_img, (center_x, center_y), radius, (0, 0, 255), 2)
cv2.circle (resized_img, (center_x, center_y), 2, (255, 0, 0), 3)
cv2.imshow ("lingkaran yang dikesan", saiz semula_img)
cv2.waitkey (0)
cv2.destroyallWindows ()
Melalui langkah-langkah di atas, kita dapat mengekstrak dua kawasan bulat terbesar dari imej resolusi tinggi dan mengesahkannya dengan hasil visualisasi. Harus diingat bahawa parameter transformasi scale_percent dan Hough perlu diselaraskan mengikut imej sebenar untuk mencapai kesan pengesanan yang terbaik. Sekiranya dua kalangan mempunyai saiz yang sama, pilihan yang lebih halus mungkin diperlukan berdasarkan koordinat pusat atau ciri -ciri lain.
Atas ialah kandungan terperinci Bagaimana untuk mengekstrak dua kawasan bulat dari imej piksel 9000x7000 menggunakan Python dan OpenCV?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undress AI Tool
Gambar buka pakaian secara percuma
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Clothoff.io
Penyingkiran pakaian AI
Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Topik panas
Cara memasang php pada tingkap
Jul 15, 2025 am 02:46 AM
Langkah -langkah utama untuk memasang PHP pada Windows termasuk: 1. Muat turun versi PHP yang sesuai dan menyahpepijatnya. Adalah disyorkan untuk menggunakan versi Threadsafe dengan versi Apache atau nonthreadSafe dengan nginx; 2. Konfigurasi fail php.ini dan tukar nama php.ini-development atau php.ini-pengeluaran kepada php.ini; 3. Tambah laluan PHP ke laluan pembolehubah persekitaran sistem untuk penggunaan baris arahan; 4. Uji sama ada PHP dipasang dengan jayanya, laksanakan PHP-V melalui baris arahan dan jalankan pelayan terbina dalam untuk menguji keupayaan parsing; 5. Jika anda menggunakan Apache, anda perlu mengkonfigurasi p dalam httpd.conf
Python untuk julat gelung
Jul 14, 2025 am 02:47 AM
Di Python, menggunakan gelung untuk fungsi julat () adalah cara biasa untuk mengawal bilangan gelung. 1. Gunakan apabila anda mengetahui bilangan gelung atau perlu mengakses elemen dengan indeks; 2. Julat (berhenti) dari 0 hingga Stop-1, julat (mula, berhenti) dari awal hingga berhenti-1, julat (mula, berhenti) menambah saiz langkah; 3. Perhatikan bahawa julat tidak mengandungi nilai akhir, dan mengembalikan objek yang boleh diperolehi daripada senarai dalam Python 3; 4. Anda boleh menukar ke senarai melalui senarai (julat ()), dan gunakan saiz langkah negatif dalam urutan terbalik.
Peranan kontrak pintar Ethereum
Jul 15, 2025 pm 09:18 PM
Peranan kontrak pintar Ethereum adalah untuk merealisasikan pelaksanaan protokol yang terdesentralisasi, automatik dan telus. Fungsi terasnya termasuk: 1. Sebagai lapisan logik teras DAPP, ia menyokong penerbitan token, defi, NFT dan fungsi lain; 2. Secara automatik melaksanakan kontrak melalui kod untuk mengurangkan risiko campur tangan dan penipuan manusia; 3. Membina ekosistem defi supaya pengguna dapat secara langsung menjalankan operasi kewangan seperti pinjaman dan urus niaga; 4. Buat dan menguruskan aset digital untuk memastikan keunikan dan verifiability; 5. Meningkatkan ketelusan dan keselamatan rantaian bekalan dan pengesahan identiti; 6. Menyokong tadbir urus DAO dan merealisasikan pengambilan keputusan yang terdesentralisasi.
Yang sesuai untuk stablecoin dai_ analisis senario penggunaan stablecoin yang terdesentralisasi
Jul 15, 2025 pm 11:27 PM
DAI sesuai untuk pengguna yang melampirkan kepentingan konsep desentralisasi, secara aktif mengambil bahagian dalam ekosistem defi, memerlukan kecairan aset rantaian silang, dan mengejar ketelusan dan autonomi aset. 1. Penyokong konsep desentralisasi kepercayaan kontrak pintar dan tadbir urus komuniti; 2. Pengguna Defi boleh digunakan untuk pinjaman, ikrar, dan perlombongan kecairan; 3. Pengguna rantaian boleh mencapai pemindahan fleksibel aset pelbagai rantaian; 4. Peserta tadbir urus dapat mempengaruhi keputusan sistem melalui pengundian. Senario utamanya termasuk pinjaman terdesentralisasi, lindung nilai aset, perlombongan kecairan, pembayaran rentas sempadan dan tadbir urus komuniti. Pada masa yang sama, perlu memberi perhatian kepada risiko sistem, risiko turun naik gadai janji dan isu ambang teknikal.
Aliran dana di rantai terdedah: apakah token baru yang ditaruh oleh wang pintar?
Jul 16, 2025 am 10:15 AM
Pelabur biasa dapat menemui token yang berpotensi dengan menjejaki "Wang Pintar", yang merupakan alamat keuntungan tinggi, dan memberi perhatian kepada trend mereka dapat memberikan petunjuk utama. 1. Gunakan alat seperti Nansen dan Arkham Intelligence untuk menganalisis data pada rantai untuk melihat pembelian dan pegangan wang pintar; 2. Gunakan analisis dune untuk mendapatkan papan pemuka yang dicipta oleh komuniti untuk memantau aliran dana; 3. Ikuti platform seperti Lookonchain untuk mendapatkan kecerdasan masa nyata. Baru-baru ini, wang Cangming merancang untuk memoles semula trek LRT, projek depin, ekosistem modular dan protokol RWA. Sebagai contoh, protokol LRT tertentu telah memperoleh sejumlah besar deposit awal, projek Depin tertentu telah terkumpul secara berterusan, rantaian awam permainan tertentu telah disokong oleh Perbendaharaan Industri, dan protokol RWA tertentu telah menarik institusi untuk masuk.
Mana yang lebih baik, dai atau usdc? _Is dai sesuai untuk pegangan jangka panjang?
Jul 15, 2025 pm 11:18 PM
Adakah Dai sesuai untuk pegangan jangka panjang? Jawapannya bergantung kepada keperluan individu dan keutamaan risiko. 1. Dai adalah stablecoin yang terdesentralisasi, yang dihasilkan oleh cagaran yang berlebihan untuk aset crypto, sesuai untuk pengguna yang mengejar rintangan dan ketelusan penapisan; 2. Kestabilannya sedikit lebih rendah daripada USDC, dan mungkin mengalami sedikit deans kerana turun naik cagaran; 3. Berkenaan dengan pinjaman, ikrar dan senario tadbir urus dalam ekosistem defi; 4. Perhatikan risiko peningkatan dan tadbir urus sistem Makerdao. Jika anda meneruskan jaminan kestabilan dan pematuhan yang tinggi, disarankan untuk memilih USDC; Jika anda melampirkan kepentingan konsep desentralisasi dan secara aktif mengambil bahagian dalam aplikasi DEFI, DAI mempunyai nilai jangka panjang. Gabungan kedua -duanya juga boleh meningkatkan keselamatan dan fleksibiliti peruntukan aset.
Python untuk gelung untuk membaca baris fail mengikut baris
Jul 14, 2025 am 02:47 AM
Menggunakan gelung untuk membaca fail mengikut baris adalah cara yang cekap untuk memproses fail besar. 1. Penggunaan asas adalah membuka fail melalui WithOpen () dan secara automatik menguruskan penutupan. Digabungkan dengan ForlineInfile untuk melintasi setiap baris. line.strip () boleh mengeluarkan rehat dan ruang garis; 2. Jika anda perlu merakam nombor baris, anda boleh menggunakan Enumerate (fail, mula = 1) untuk membiarkan nombor baris bermula dari 1; 3. Apabila memproses fail bukan ASCII, anda harus menentukan parameter pengekodan seperti UTF-8 untuk mengelakkan kesilapan pengekodan. Kaedah ini ringkas dan praktikal, dan sesuai untuk kebanyakan senario pemprosesan teks.
rentetan kes-insensitif Python Bandingkan jika
Jul 14, 2025 am 02:53 AM
Cara yang paling langsung untuk membuat perbandingan rentetan kes tidak sensitif dalam python adalah menggunakan .lower () atau .upper () untuk membandingkan. Sebagai contoh: str1.lower () == str2.lower () boleh menentukan sama ada ia sama; Kedua, untuk teks berbilang bahasa, disyorkan untuk menggunakan kaedah casefold yang lebih teliti (), seperti "Stra?" .Casefold () akan ditukar kepada "strasse", sementara .lower () boleh mengekalkan watak -watak tertentu; Di samping itu, ia harus dielakkan untuk digunakan == perbandingan secara langsung, melainkan jika kes disahkan konsisten, mudah untuk menyebabkan kesilapan logik; Akhirnya, semasa memproses input pengguna, pangkalan data atau padanan
