Python - Opencv应用实例之CT图像检测边缘和内部缺陷
- 将传统图像处理处理算法应用于CT图像的边缘检测和缺陷检测，想要实现效果如下：
- 关于图像处理算法，主要涉及的有：灰度、阈值化、边缘或角点等特征提取、灰度相似度变换，主要偏向于一些2D的几何变换、涉及图像矩阵的一些统计算法、空间曲线拟合、一维及二维卷积相关的内容，而把他们应用到实际工程中落地解决问题，则有需要另一番思路在里边了，由实际图像的角度进行分析，处理算法先后顺序的不同将直接导致最终效果的差距，另外就是一个不可避免的优化问题：
调参- -> 如果场景比较复杂导致采集的图像情况多样性，调参不可避免！ - 本文应用实例实现对CT图像的边缘和内部缺陷进行检测，主要涉及算法及流程如下：
灰度->二值化->形态学->感兴趣区域定位->自适应阈值化->剔除异常边缘->绘制结果，实现的效果如下： 
下边讲述以下算法整体流程：
1.Opencv API简介
- 如果想要具体了解函数使用，直接搜索函数名字即可，在此比较给出算法的效果差别。
本文转载自: https://blog.csdn.net/yohnyang/article/details/129264803
版权归原作者 明月醉窗台 所有， 如有侵权，请联系我们删除。
版权归原作者 明月醉窗台 所有， 如有侵权，请联系我们删除。