OpenCV——图像融合

OpenCV——图像融合

  • 一、引言
    • 1.1 图像融合分类
  • 二、C++代码实现
  • 三、效果展示
    • 3.1 标准球
    • 3.2 铝制底座

一、引言

在许多计算机视觉应用中(例如机器人运动和医学成像),需要将来自多幅图像的相关信息集成到一幅图像中。这种图像融合将提供更高的可靠性、准确性和数据质量。

多视图融合可以提高图像的分辨率,同时恢复场景的 3D 表示。多模态融合结合了来自不同传感器的图像,称为多传感器融合。其主要应用包括医学图像、监控和安全,

1.1 图像融合分类

工程师根据融合完成的阶段,在三个级别执行图像融合(image日 fusion)。

像素级图像融合。这种图像融合方法处于较低级别,且易于执行。它包含两个输入图像的特征并生成平均的单个结果图像。

特征级图像融合。它从多个来源对图像特征(大小、颜色)进行校正,从而在特征提取后生成增强图像。

基于块(区域)的图像融合。这是一项高级技术。它采用多阶段表示并根据区域计算测量值。

图像融合的层级划分图:
在这里插入图片描述

二、C++代码实现

#include <vector>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>#include <iostream>using namespace std;
using namespace cv;
int main()
{cv::Mat image1;cv::Mat image2;cv::Mat image3;cv::Mat image4;image1 = cv::imread("D:\\***\\1.bmp");image2 = cv::imread("D:\\***\\2.bmp");image3 = cv::imread("D:\\***\\3.bmp");image4 = cv::imread("D:\\***\\4.bmp");if (!image1.data)return 0;if (!image2.data)return 0;// 合并图像cv::Mat image5;cv::Mat image6;cv::Mat image7;//cv::addWeighted 用于将两张图像(image1 和 image2)按指定的权重(0.7 和 0.9)进行加权融合,结果存储在 image3 中。cv::addWeighted(image1, 1, image2, 1, 0., image5);   //亮度调整:gamma 设为 0.,表示不调整整体亮度。//cv::namedWindow("Image3", 0);//cv::imshow("Image3", image3);cv::addWeighted(image3, 1, image4, 1, 0., image6);cv::addWeighted(image5, 0.7, image6, 0.9, 0., image7);//cv::namedWindow("Image7", 0);//cv::imshow("Image7", image7);/* 新增二值化操作开始 */cv::Mat binaryImage; 方法1:全局阈值法(适合光照均匀的图像)double thresholdValue = 68;  // 初始阈值设为128(可根据实际情况调整)double maxValue = 255;        // 二值化后的最大值cv::threshold(image7,          // 输入图像binaryImage,      // 输出二值图像thresholdValue,   // 阈值maxValue,         // 超过阈值时设置的值cv::THRESH_BINARY // 二值化类型);// 定义结构元素(核)int erosion_size = 3;   // 腐蚀核大小(奇数)cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT,     // 矩形结构元素cv::Size(2 * erosion_size + 1, 2 * erosion_size + 1),cv::Point(erosion_size, erosion_size));// 腐蚀操作cv::Mat erodedImage;cv::erode(binaryImage, erodedImage, kernel,cv::Point(-1, -1),  // 锚点位置(默认中心)1);               // 迭代次数
// 膨胀操作(使用相同的核)cv::Mat dilatedImage;cv::dilate(erodedImage, dilatedImage, kernel,cv::Point(-1, -1),1);// 显示结果(可选)//cv::namedWindow("Original", cv::WINDOW_NORMAL);//cv::namedWindow("Eroded", cv::WINDOW_NORMAL);cv::namedWindow("Dilated", cv::WINDOW_NORMAL);//cv::imshow("Original", binaryImage);//cv::imshow("Eroded", erodedImage);cv::imshow("Dilated", dilatedImage);cv::waitKey(0);// 方法2:自适应阈值法(适合光照不均匀的图像)//cv::adaptiveThreshold(image7, binaryImage, 255,//                     cv::ADAPTIVE_THRESH_GAUSSIAN_C,//                     cv::THRESH_BINARY, 11, 2);// 方法3:大津法(自动计算最佳阈值)// cv::threshold(image7, binaryImage, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);// 显示二值化结果//cv::namedWindow("Binary Image", cv::WINDOW_NORMAL);//cv::imshow("Binary Image", binaryImage);/* 新增二值化操作结束 */cv::waitKey(0);cv::destroyAllWindows();return 0;
}

三、效果展示

3.1 标准球

四张图像如下:

在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述

融合效果如下所示:
在这里插入图片描述

3.2 铝制底座

四张待融合图像如下:

在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述

融合效果如下所示:

在这里插入图片描述
小结:从实验一与实验二的数据融合结果来看,针对原始采集数据中存在的阴影干扰、缺陷特征不突出等问题,融合后的数据显著提升了可视化效果,使得数据中的缺陷特征呈现得更为清晰、直观,便于观察与分析。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.mzph.cn/news/900736.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习之PCA主成分分析详解

文章目录 引言一、PCA的概念二、PCA的基本数学原理2.1 内积与投影2.2 基2.3 基变换2.4 关键问题及优化目标2.5 方差2.6 协方差2.7 协方差矩阵2.8 协方差矩阵对角化 三、PCA执行步骤总结四、PCA参数解释五、代码实现六、PCA的优缺点七、总结 引言 在机器学习领域&#xff0c;我…

springboot自动配置原理例子讲解

Spring Boot 的自动配置是其核心特性之一&#xff0c;它帮助开发者**"开箱即用"**地使用各种第三方库或 Spring 组件&#xff0c;而无需手动配置 Bean。这一切的背后&#xff0c;都依赖于 Spring Boot 的自动配置机制。 我们分两部分来说&#xff1a; Spring Boot 自…

一款基于 .NET 8 + Vue 开源的、企业级中后台权限管理系统

前言 今天大姚给大家分享一款基于 .NET 8 Vue 开源、前后端分离的企业级中后台权限管理系统&#xff0c;助力快速完成常规业务需求开发&#xff1a;ApeVolo.Admin。 项目介绍 ApeVolo.Admin 一款基于.NET 8、SqlSugar、Vue、Elment UI、RBAC、前后端分离、开源&#xff08;…

vue3腾讯云直播 前端推流

1、在index.html文件中引入&#xff08;在body体中&#xff09; <script src"https://video.sdk.qcloudecdn.com/web/TXLivePusher-2.1.1.min.js" charset"utf-8"></script> 2、vue文件中&#xff0c;添加video推流&#xff08;我用的推流地…

蓝叠模拟器过检测全攻略

BlueStacks蓝叠MagiskLsposed安装和过应用检测教程 蓝叠MagiskLsposed安装和过应用检测教程 引言 蓝叠模拟器凭借其出色的性能和兼容性&#xff0c;在电脑上运行安卓应用和游戏方面备受青睐。然而&#xff0c;众多应用和游戏为确保公平性与安全性&#xff0c;加入了模拟器检测…

Flutter Invalid constant value.

0x00 问题 参数传入变量&#xff0c;报错&#xff01; 代码 const Padding(padding: EdgeInsets.all(20),child: GradientProgressIndicator(value: _progress), ),_progress 参数报错&#xff1a;Invalid constant value. 0x01 原因 这种情况&#xff0c;多发生于&#xff…

搜广推校招面经七十一

滴滴算法工程师面经 一、矩阵分解的原理与优化意义 矩阵分解在推荐系统中是一个非常核心的方法&#xff0c;尤其是在 协同过滤(Collaborative Filtering) 中。我们可以通过用户对物品的评分行为来推测用户的喜好&#xff0c;从而推荐他们可能喜欢的内容。 1.1. 直观理解&…

实习技能记录【2】-----LVGL[基本概念]

LVGL主要概念 1. Screen (屏幕): 概念: 屏幕是 LVGL 应用程序中的顶层容器。它是用户界面的根对象&#xff0c;所有的可见 UI 元素最终都会添加到某个屏幕上&#xff08;通常是活动屏幕&#xff09;。 功能: 作为其他 UI 元素的父对象。 可以拥有自己的背景颜色、背景图片等样…

【c++11】c++11新特性(上)(列表初始化、右值引用和移动语义、类的新默认成员函数、lambda表达式)

&#x1f31f;&#x1f31f;作者主页&#xff1a;ephemerals__ &#x1f31f;&#x1f31f;所属专栏&#xff1a;C 目录 前言 一、列表初始化 1. 大括号初始化 2. initializer_list 二、右值引用和移动语义 1. 左值和右值 2. 左值引用和右值引用 引用延长生命周期 左…

软考中级-软件设计师 2022年下半年上午题真题解析:通关秘籍+避坑指南

&#x1f4da; 目录&#xff08;快速跳转&#xff09; 选择题&#xff08;上午题&#xff09;&#xff08;每题1分&#xff0c;共75分&#xff09;一、 计算机系统基础知识 &#x1f5a5;️&#x1f4bb; 题目1&#xff1a;计算机硬件基础知识 - RISC&#xff08;精简指令集计算…

基于MCP协议调用的大模型agent开发02

目录 在AI agent的开发过程中&#xff0c;如何使用mcp服务器作为大模型的工具调用‘百宝箱’&#xff1f; FastAPI FastMCP 本系列&#xff1a; 基于MCP协议调用的大模型agent开发01-CSDN博客 基于MCP协议调用的大模型agent开发02-CSDN博客 在AI agent的开发过程中&#xff0c;…

ES6(8) Fetch API 详解

1. Fetch API 简介 fetch 是 ES6 提供的基于 Promise 的 API&#xff0c;用于发送 HTTP 请求并处理服务器响应数据。与传统的 XMLHttpRequest 相比&#xff0c;fetch 语法更加简洁&#xff0c;使用 Promise 进行异步处理&#xff0c;避免了回调地狱。 1.1 fetch() 的基本用法 …

原生SSE实现AI智能问答+Vue3前端打字机流效果

实现流程&#xff1a; 1.用户点击按钮从右侧展开抽屉&#xff08;drawer&#xff09;&#xff0c;打开模拟对话框 2.用户输入问题&#xff0c;点击提问按钮&#xff0c;创建一个SSE实例请求后端数据&#xff0c;由于SSE是单向流&#xff0c;所以每提一个问题都需要先把之前的实…

CUDA 工具链将全面原生支持 Python

根据 NVIDIA 在 2025 年 GTC 大会上的官宣&#xff0c;CUDA 工具链将全面原生支持 Python 编程&#xff0c;这一重大更新旨在降低 GPU 编程门槛&#xff0c;吸引更广泛的 Python 开发者进入 CUDA 生态。以下是核心信息整合&#xff1a; 1. 原生支持的意义与背景 无需 C/C 基础…

jupyter notebook 显示conda虚拟环境

使用 nb_conda_kernels 安装 nb_conda_kernels&#xff1a;这个包可以自动从你的 Conda 环境中发现并列出内核。 conda activate base # 确保你在 base 环境或任何其他环境中安装 conda install nb_conda_kernels显示jupyternotebook当前所在的位置。

【AI】MCP概念

一文讲透 MCP&#xff08;附 Apifox MCP Server 内测邀请&#xff09; 7分钟讲清楚MCP是什么&#xff1f;统一Function calling规范&#xff0c;工作量锐减至1/6&#xff0c;人人手搓Manus&#xff01;&#xff1f; | 一键链接千台服务器&#xff0c;几行代码接入海量外部工具…

WSL1升级到WSL2注意事项

今天要在WSL上安装docker&#xff0c;因为机器上安装了wsl1&#xff0c;docker安装后启动不了&#xff0c;通过询问deepseek发现docker只能在wsl2上安装&#xff0c;因此就想着将本机的wsl1升级到wsl2。 确保你的 Windows 系统是 Windows 10&#xff08;版本 1903 及以上&…

Pycharm常用快捷键总结

主要是为了记录windows下的PyCharm的快捷键&#xff0c;里面的操作都试过了功能描述会增加备注。 文件操作 快捷键功能描述Ctrl N新建文件Ctrl Shift N根据名称查找文件Ctrl O打开文件Ctrl S保存当前文件Ctrl Shift S另存为Alt F12打开终端&#xff08;Terminal&…

电池分选机:新能源时代的品质守护者|深圳比斯特自动化

在这个新能源蓬勃发展的时代&#xff0c;电池作为能量的存储与释放单元&#xff0c;其性能与质量直接关系到整个系统的稳定运行与效率提升。而电池分选机&#xff0c;作为电池生产流程中的关键一环&#xff0c;正扮演着品质守护者的角色&#xff0c;为新能源产业的高质量发展保…

认识 Linux 内存构成:Linux 内存调优之虚拟内存与物理内存

写在前面 博文内容涉及 Linux 内存构成基本认知包括虚拟内存和物理内存映射,多级页表和MMU简单认知理解不足小伙伴帮忙指正对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是对大众理想的…