专用图像处理算法的设计和实现

1

L1课程简介和环境准备算法设计是典型的经验工程，不仅需要工程师对问题本身有准确的认识、对函数库工具有熟练掌握，而且需要在算法实现过程中摸索出调优套路。这个道理和“如何写优秀的代码”是一样的，我认为最好的方法就是去学习成功的经验、在模仿的基础上进行扬弃。现实的需求是多种多样的、工具本身也在不断变换，唯有分析问题的思路和解决问题的信心毅力，是可以通过不断的项目实践进行积累的。 由于工作等原因，我较为独立地接触、解决过一些问题，也重复认识到算法设计是一个复杂过程，想通过一个现成函数就解决问题基本是不可能的。在探索的过程中，基础的方法是高中物理中学到的“控制变量法”，也就是逐步量化重点，最终通过搭建PiPline接近目标。这个过程反反复复，甚至若干时间之后重新回顾代码，发现之前的步骤中有许多可以优化的地方，应该可以做到更好。 本门课程，就是我回顾过往代码的一类成果。这一次，我选择“钢管识别”“血管识别”和“毛发识别”3个识别算法来进行讲述。从名字上很容易看出，这三个都是识别算法，目的都是计数和测量，只是解决的对象不一样，这就为我们课程内容提供了较大空间。需要注意的是，由于采集硬件等条件不同，这里的专用算法一般不能直接复用，但是这并不妨碍我们课程的重点，那就是通过对过往算法的重现，分享我对专用算法

「仅限付费用户」点击下载“L1.rar”

2

L2“钢管识别”需求和思路分析圆形和类圆形的管道广泛应用于地质石油勘探，建筑等行业中，由于大量无序的管道受光照、摆放位置、角度、直径大小以及作业环境复杂等多方面因素的影响，它的识别和计数一直以来是一项复杂的任务。钢管和其租赁广泛存在于建筑行业中。传统的人工计数方法存在着明显的缺点，劳动强度大，并且效率低下。

「仅限付费用户」点击下载“L2.rar”

3

L3“钢管识别”细节讲解集成调优基于blod detection获得准确的半径；调用HoughCircle查漏补缺；调用Contours detection预处理后图片，寻找水泥管；结果筛选以上获得的结果，得出统一结果

「仅限付费用户」点击下载“L3.rar”

4

L4“血管识别”需求和思路分析静脉中去氧血红蛋白以及周围的组织对近红外光的吸收率不同，在近红外光源照射下不同组织呈现不同明暗度。其中，700-950nm光谱之间，体现较大差别。 对人眼不能直接观察的物体内部信息，可以通过分析物体的光谱特征，选择某种特定波长的光线（不可见光）来照射物体，并以相应的光电探测器来采集图像信息，再通过可见波长波段的的光线，将图像投影到物体的表面，这样就相当于人眼就可以直观的观测物体内部信息。

「仅限付费用户」点击下载“L4.rar”