python資料去雜訊 Python實現輪廓去雜訊

2021-10-16 19:27:07 字數 4865 閱讀 5721

完整的**,實現了最小的矩形,圓形,隨意矩形

**import cv2

import numpy as np

refer:

2018-06-30 yonv1943

2018-07-01 comment to test.png

2018-07-01 gray in threshold, hierarchy

2018-11-24

def draw_contours(img, cnts): # conts = contours

img = np.copy(img)

img = cv2.drawcontours(img, cnts, -1, (0, 255, 0), 2)

return img

def draw_min_rect_circle(img, cnts): # conts = contours

# img = np.copy(img)

img = np.zeros(img.shape, dtype=np.uint8)

for cnt in cnts:

x, y, w, h = cv2.boundingrect(cnt)

# cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

if w * h <= 16:

print(1)

for i in range(1, w):

for j in range(1, h):

print(x, y)

print(i, j)

img[x + i, y + j] = [0, 0, 0]

# print("success")

# msg1 = "定點x,y為" + str(x) + ' ' + str(y)

# msg2 = "長寬w,h為" + str(w) + " " + str(h)

# print(msg1)

# print(msg2)

# min_rect = cv2.minarearect(cnt) # min_area_rectangle

# min_rect = np.int0(cv2.boxpoints(min_rect))

# cv2.drawcontours(img, [min_rect], 0, (0, 255, 0), 2) # green

# (x, y), radius = cv2.minenclosingcircle(cnt)

# center, radius = (int(x), int(y)), int(radius) # center and radius of minimum enclosing circle

# img = cv2.circle(img, center, radius, (0, 0, 255), 2) # red

return img

# img = np.copy(img)

cv2.drawcontours(img, cnts, -1, (255, 0, 0), 2) # blue

min_side_len = img.shape[0] / 32 # 多邊形邊長的最小值 the minimum side length of polygon

min_poly_len = img.shape[0] / 16 # 多邊形周長的最小值 the minimum round length of polygon

min_side_num = 3 # 多邊形邊數的最小值

# print("三通道")

# print(image)

# print("單通道")

實現了邊緣之外去雜訊的(同學實現)

import cv2

import numpy as np

def draw_contours(img, cnts): # conts = contours

img = np.copy(img)

img = cv2.drawcontours(img, cnts, -1, (0, 255, 0), 2)

return img

def draw_min_rect_circle(img, cnts): # conts = contours 你可以列印出contours出來看看座標

自己的弱智版實現

python資料去雜訊 Python資料噪音

資料處理涉及以各種格式處理資料,例如合併,分組,連線等,以便分析或準備將其與另一組資料一起使用。python具有內建函式功能,可將這些爭議方法應用於各種資料集以實現分析目標。在本章中,我們將看幾個基於這些方法的例子。合併資料 python中的pandas庫提供了乙個函式merge,作為datafra...

影像去條帶雜訊

經常和遙感影像打交道的同學,不知道有沒有碰到過條帶雜訊的情況,或者叫 丟線 壞線 即一副影像上出現規則的黑色條帶,這些黑色條帶裡的像元值是無效的。例如下面這張圖 咱們放大點來看下 咱們先來說一說條帶雜訊產生的原因,來看一段專業解釋 簡而言之,就是拍攝影像的衛星感測器出問題了,從而週期性的造成影像記錄...

高斯雜訊和椒鹽雜訊python

高斯雜訊的 如下 def gaussiannoise src,means,sigma noiseimg src rows noiseimg.shape 0 cols noiseimg.shape 1 for i in range rows for j in range cols noiseimg i...