opencv视觉检测,opencv图像识别检测
显著性检测是利用图像处理技术和计算机视觉算法来定位图片中最“突出”的区域。本文主要介绍openCV显著性检测的使用，通过示例代码详细介绍，具有一定的参考价值。感兴趣的朋友可以参考一下。
00-1010 1.概念2静态显著性检测3代码
目录
显著性检测是利用图像处理技术和计算机视觉算法来定位一幅图片中最“突出”的区域。突出区域是指图片中的显眼区域或重要区域，比如人眼在观看图片时会首先注意的区域。例如，在下图中，当我们的眼睛看过去时，我们首先注意到的不是草坪，而是躺在草坪上的内马尔。内马尔所在的地区是重要地区。这种自动定位图像或场景的重要区域的过程被称为显著性检测。显著性检测在目标检测和机器人学中有许多应用。
OpenCV的显著性模块中有三种显著性检测算法：
统计显著性：这种显著性检测算法依靠图像特征和统计信息来定位图像中的显著性区域。该显著性检测算法作为视频或一系列连续帧输入。运动显著性算法处理这些连续的帧，并跟踪帧中的“运动”对象。这些移动物体被认为是重要区域。客观性：这种显著性检测算法逐个计算提议，这些提议被认为是目标的可能区域。OpenCV提供了四种显著性检测算法的实现：
显著性. ObjectnessBING_create()cv2 .显著性. staticsalionspectralridue _ create()cv2 .显著性. staticsalionfinegreated _ create()cv2 .显著性. motionsalionbinwangapr 2014 _ create()
1. 概念
Static _ lucentity . py使用了两种静态显著性算法：cv2 . lucentity . Static lucentity spectral residual _ create()和cv2 . lucentity . Static salifyinded _ create()。ComputesAvailability()用于计算一张图片的显著区域，返回的结果是一个与输入图片大小相同的矩阵。每个像素位置的值为[0，1]，值越大，像素位置越突出。最后，我将可视化返回的重要性矩阵。
2 静态显著性检测
2图像突出显示
导入cv2
将matplotlib.pyplot作为plt导入
# 1阅读
img=cv2.imread(luna.png ，1)
img=cv2.cvtColor(img，cv2。COLOR_BGR2RGB)
# 2 staticsaliencyspectralridual _ create()
residual=cv2 . lubulence . staticsaliencyspectralridual _ create()
_，img _ Residual=Residual.computesaliency(img)
img_Residual=(img_Residual * 255)。astype(uint8 )
# 3显著性。staticsaliencfinegrained _ create()
grained=cv2 . lucentity . staticsaliencfinegrained _ create()
_，img _ Grained=Grained.computesaliency(img)
img_Grained=(img_Grained*255)。astype(uint8 )
thre=cv2.threshold(img_Grained，0，255，
cv2。THRESH_BINARY cv2。THRESH_OTSU)[1]
# 4节目
plt.subplot(221)
plt.imshow(img)
PLT . title(“img”)
plt.subplot(222)
PLT . im show(img _残差)
plt.title(img_Residual )
#
plt.subplot(223)
plt.imshow(img_Grained)
plt.title(img_Grained )
plt.subplot(224)
plt.imshow(thre)
工厂名称( thre )
plt.show()
这就是本文关于openCV显著性检测的使用。有关openCV显著性检测的更多信息，请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望你以后能支持热门的IT软件开发工作室！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。