激光条纹中心提取|激光条纹中心提取——灰度重心法计算机视觉|visual|studio|c++

菜鸡的灰度重心法灰度重心法的概念就不用我多哔哔了，做激光中心提取的同学都知道，灰度重心法应该说是最早的一种光条中心提取算法了，顾名思义就是根据灰度值的分布求出中心，所以往往要求灰度分布成高斯分布，但是实际情况是相反的，所以这种方法就只歇着，不过有很多灰度中心法结合或者改进比较常看到。

文章图片

上代码

#include #include #include #include using namespace cv; using std::vector; using namespace std; // 灰度重心法 void GGM(Mat src, int i) { Mat srcimg; srcimg = src; Mat grayimg; cvtColor(srcimg, grayimg, CV_BGR2GRAY); GaussianBlur(grayimg, grayimg, Size(0, 0), 6, 6); //traverse each column float x0 = 0; for (int i = 0; i < grayimg.cols; i++) { float sum_value = https://www.it610.com/article/0; float sum_valuecoor = 0; vectorcurrent_value; vectorcurrent_coordinat; for (int j = 0; j < grayimg.rows; j++) { float current = grayimg.at(j, i); //Save the point gray value and coordinates of the threshold into the array if (current > 30) { current_value.push_back(current); current_coordinat.push_back(j); } } //Calculate the gray center of gravity for (int k = 0; k < current_value.size(); k++) { sum_valuecoor += current_value[k] * current_coordinat[k]; sum_value += current_value[k]; } float x = sum_valuecoor / sum_value; x0 = x; circle(srcimg, Point(i, x), 1, Scalar(0, 0, 255), -1, 8); current_value.clear(); current_coordinat.clear(); } namedWindow("gscog", 0); resizeWindow("gscog", 800, 600); imshow("gscog", srcimg); string save_path = ".\\RailTurnout\\center\\" + to_string(i) + ".png"; cout << save_path << endl; imwrite(save_path, srcimg); waitKey(10); } int main() { // 相对对路径 string path = ".\\RailTurnout\\result\\*.png"; cout << path << endl; vector images; vector> fn; glob(path, fn, false); cout << fn.size() << endl; size_t count = fn.size(); cout << count << endl; for (int i = 0; i < count; i++) { images.push_back(imread(fn[i])); GGM(images[i], i); /*imshow("pic", images[i]); waitKey(10); */ } system("pause"); return 0; }

贴结果

文章图片

左边是没有经过深度学习去噪处理的，右边是采用深度学习去噪处理的
【激光条纹中心提取|激光条纹中心提取——灰度重心法】我建立了一个激光条纹提取的群，欢迎小伙伴加入，学习交流：点击链接加入群聊【激光条纹中心提取】先申明本人是学生，不涉及营销、宣传、推广、盈利，单纯为了学习交流，所以心怀不轨的请绕道!!!