[blog]马赫效应和应对方法
//创建并且分析如何处理矩形的MachEffect
Mat srcRect1(500,500,CV_8UC1);
Mat srcRect2(500,500,CV_8UC1);
for (int i=0;i<10;i++)
{
for (int j=0;j<50;j++)
{
srcRect1.row(i*50+j) = i*25;
}
}
imshow(“MachEffectRect1”,srcRect1);
就是macheffect,它的应对方法就是知道数据产生的结构，然后构建连续梯度
for (int i=0;i<10;i++)
{
for (int j=0;j<50;j++)
{
srcRect2.row(i*50+j) = i*25;
}
}
for (int i=0;i<9;i++)
{
for (int j=0;j<50;j++)
{
srcRect2.row(25+i*50+j) = i*25+j/2;
}
}
imshow(“MachEffectRect2”,srcRect2);
这里最为困难的，无疑就是“结构的获取”，比如对于这种情况
//创建任意情况的MachEffect
Mat srcRnd = imread(“macheffect.bmp”);
Mat RncClone = srcRnd.clone();
Mat canny;
blur(RncClone,RncClone,Size(10,10));
Mat srcRnd2 = Mat::zeros(500,500,CV_8UC1);
std::vector
>contours;
>contours;
int imaxSize = -1;int imaxNum = 0;
for (int i=0;i<10;i++)
{
dilate(RncClone,RncClone,Mat(10,10,CV_8UC1));
threshold(RncClone,canny,100,255,THRESH_BINARY_INV);
Canny(canny,canny,0,255);
findContours(canny,contours,CV_RETR_LIST,CV_CHAIN_APPROX_NONE);
for (int n=0;n
{
int itmp = contours[n].size();
if (itmp > imaxSize )
{
imaxSize = contours[n].size();
imaxNum = n;
}
}
drawContours(srcRnd2,contours,imaxNum,Scalar(255-25*i),-1);
imaxNum = 0;
imaxSize = -1;
contours.clear();
imshow(“canny”,canny);
imshow(“Rncclone”,RncClone);
imshow(“srcRnd”,srcRnd);
imshow(“srcRnd2”,srcRnd2);
//srcRnd2 = Mat::zeros(500,500,CV_8UC1);
waitKey();
}
他还是可以来做的，因为这个结构并不复杂，但是如果对于现实中产生的情况，其结构的获取会比较复杂。但是总的来说，获取结构，构建连续梯度替代直接的跳跃应该是问题的解决方法。
目前方向：图像拼接融合、图像识别 联系方式：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/214719.html原文链接：https://javaforall.net
