用opencv对医学图像分割方法(基于OpenCV的图像分割OpenCV中的图像分割的函数)
1.基于OpenCV的图像分割OpenCV中的图像分割的函数有哪些
SetImageROI
基于给定的矩形设置感兴趣区域
void cvSetImageROI( IplImage* image,CvRect rect );
image
图像头.
rect
ROI 矩形.
函数 cvSetImageROI 基于给定的矩形设置图像的 ROI（感兴趣区域） .如果ROI是NULL 并且参数RECT的值不等于整个图像，ROI被分配.不像 COI，大多数的 OpenCV 函数支持 ROI 并且处理它就像它是一个分离的图像 （例如，所有的像素坐标从ROI的左上角或左下角（基于图像的结构）计算.
只要将想分割的部分rect的位置和大小订好就可以了.经过上述函数处理之后image除rect之外的其他部分相当于没有
2.基于OpenCV的图像分割OpenCV中的图像分割的函数有哪些
SetImageROI基于给定的矩形设置感兴趣区域 void cvSetImageROI( IplImage* image,CvRect rect );image 图像头.rect ROI 矩形.函数 cvSetImageROI 基于给定的矩形设置图像的 ROI（感兴趣区域） .如果ROI是NULL 并且参数RECT的值不等于整个图像，ROI被分配.不像 COI，大多数的 OpenCV 函数支持 ROI 并且处理它就像它是一个分离的图像 （例如，所有的像素坐标从ROI的左上角或左下角（基于图像的结构）计算.只要将想分割的部分rect的位置和大小订好就可以了.经过上述函数处理之后image除rect之外的其他部分相当于没有。
3.请问怎么用OpenCV 进行图像分割
采用金字塔方法进行图像分割#include "cv.h"#include "highgui.h"#include IplImage* image[2] = { 0, 0 }, *image0 = 0, *image1 = 0;CvSize size;int w0, h0,i;int threshold1, threshold2;int l,level = 4;int sthreshold1, sthreshold2;int l_comp;int block_size = 1000;float parameter;double threshold;double rezult, min_rezult;CvFilter filter = CV_GAUSSIAN_5x5;CvConnectedComp *cur_comp, min_comp;CvSeq *comp;CvMemStorage *storage;CvPoint pt1, pt2;void ON_SEGMENT(int a){ cvPyrSegmentation(image0, image1, storage, &comp, level, threshold1+1, threshold2+1); /*l_comp = comp->total; i = 0; min_comp.value = cvScalarAll(0); while(i fabs(255- cur_comp->value.val[0]) && fabs(min_comp.value.val[1])> fabs(cur_comp->value.val[1]) && fabs(min_comp.value.val[2])> fabs(cur_comp->value.val[2]) ) min_comp = *cur_comp; i++; }*/ cvShowImage("Segmentation", image1);}int main( int argc, char** argv ){ char* filename = argc == 2 ? argv[1] : (char*)"fruits.jpg"; if( (image[0] = cvLoadImage( filename, 1)) == 0 ) return -1; cvNamedWindow("Source", 0); cvShowImage("Source", image[0]); cvNamedWindow("Segmentation", 0); storage = cvCreateMemStorage ( block_size ); image[0]->width &= -(1height &= -(1 评论0 0 0。
4.opencv 有没有利用给定点做图像分割的函数或算法
定点做分割？我知道的有定区域做分割。比如用构造函数：
Mat image = read(path, 0);
Mat roi(image, Rect(x, y, width, height));
这表示Rect(x, y, width, height)内的图片被“分割”到了roi中，注意，Mat格式中，一般除了明显的copy，其他都只是改变指针，所以image没有变化。这点要注意，之所以这样是为了省空间和时间，毕竟图片处理很耗时。
5.基于OpenCV的图像分割
SetImageROI基于给定的矩形设置感兴趣区域 void cvSetImageROI( IplImage* image, CvRect rect );image 图像头. rect ROI 矩形. 函数 cvSetImageROI 基于给定的矩形设置图像的 ROI（感兴趣区域） . 如果ROI是NULL 并且参数RECT的值不等于整个图像， ROI被分配. 不像 COI， 大多数的 OpenCV 函数支持 ROI 并且处理它就像它是一个分离的图像 （例如， 所有的像素坐标从ROI的左上角或左下角（基于图像的结构）计算。
只要将想分割的部分rect的位置和大小订好就可以了。经过上述函数处理之后image除rect之外的其他部分相当于没有。
6.如何用opencv实现图像阈值化分割
颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。
它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。
OpenCV对颜色直方图进行统计的代码如下所示，在图像检索，镜头分割等领域使用的还是比较多的。#include #include #include using namespace std; int main( int argc, char** argv ) { IplImage * src= cvLoadImage("F:\\test3.jpg"); IplImage* hsv = cvCreateImage( cvGetSize(src), 8, 3 ); IplImage* h_plane = cvCreateImage( cvGetSize(src), 8, 1 ); IplImage* s_plane = cvCreateImage( cvGetSize(src), 8, 1 ); IplImage* v_plane = cvCreateImage( cvGetSize(src), 8, 1 ); IplImage* planes[] = { h_plane, s_plane }; /** H 分量划分为16个等级，S分量划分为8个等级 */ int h_bins = 16, s_bins = 8; int hist_size[] = {h_bins, s_bins}; /** H 分量的变化范围 */ float h_ranges[] = { 0, 180 }; /** S 分量的变化范围*/ float s_ranges[] = { 0, 255 }; float* ranges[] = { h_ranges, s_ranges }； /** 输入图像转换到HSV颜色空间 */ cvCvtColor( src, hsv, CV_BGR2HSV ); cvCvtPixToPlane( hsv, h_plane, s_plane, v_plane, 0 )； /** 创建直方图，二维， 每个维度上均分 */ CvHistogram * hist = cvCreateHist( 2, hist_size, CV_HIST_ARRAY, ranges, 1 )； /** 根据H,S两个平面数据统计直方图 */ cvCalcHist( planes, hist, 0, 0 )； /** 获取直方图统计的最大值，用于动态显示直方图 */ float max_value; cvGetMinMaxHistValue( hist, 0, &max_value, 0, 0 )； /** 设置直方图显示图像 */ int height = 240; int width = (h_bins*s_bins*6); IplImage* hist_img = cvCreateImage( cvSize(width,height), 8, 3 ); cvZero( hist_img )； /** 用来进行HSV到RGB颜色转换的临时单位图像 */ IplImage * hsv_color = cvCreateImage(cvSize(1,1),8,3); IplImage * rgb_color = cvCreateImage(cvSize(1,1),8,3); int bin_w = width / (h_bins * s_bins); for(int h = 0; h < h_bins; h++) { for(int s = 0; s < s_bins; s++) { int i = h*s_bins + s； /** 获得直方图中的统计次数，计算显示在图像中的高度 */ float bin_val = cvQueryHistValue_2D( hist, h, s ); int intensity = cvRound(bin_val*height/max_value)； /** 获得当前直方图代表的颜色，转换成RGB用于绘制 */ cvSet2D(hsv_color,0,0,cvScalar(h*180.f / h_bins,s*255.f/s_bins,255,0)); cvCvtColor(hsv_color,rgb_color,CV_HSV2BGR); CvScalar color = cvGet2D(rgb_color,0,0); cvRectangle( hist_img, cvPoint(i*bin_w,height), cvPoint((i+1)*bin_w,height - intensity), color, -1, 8, 0 ); } } cvNamedWindow( "Source", 1 ); cvShowImage( "Source", src ); cvNamedWindow( "H-S Histogram", 1 ); cvShowImage( "H-S Histogram", hist_img ); cvWaitKey(0); }。
