contour

    1熱度

    1回答

    我正在使用cv2.findContours。檢索到的輪廓是「像素跟隨」(圖a)。然後我將它們保存爲svg多邊形元素。 我的問題是,svg多邊形被認爲是一種天真的方式「頂點跟隨」(圖b是想要的解決方案)。因此,我丟失了右側和底部的單個像素文件,因爲「中間像素」座標被解釋爲左上角座標。 如何將我的輪廓從像素轉換爲頂點(角點)或以其他方式獲得像素精確的頂點跟隨輪廓? 我的代碼是HERE

    4熱度

    1回答

    我想使用cv2.approxPolyDP()來提取圖像中的輪廓近似值。下面是我使用的圖像: 我的代碼試圖隔離主島和定義並畫出輪廓逼近和輪廓船體。我已經繪製在綠色中發現的輪廓,近似紅色: import numpy as np import cv2 # load image and shrink - it's massive img = cv2.imread('../data/UK.png')

    1熱度

    3回答

    正如標題所示,我想通過使用三個1D數組來製作等高線圖。比方說, x = np.array([1,2,3]) 和 y = np.array([1,2,3]) 和 z = np.array([20,21,45]) 要matplotlib做contourplot我齧合的x和y協調爲X,Y = meshgrid(x,y)但隨後z陣列也必須是2D陣列。然後,我如何將z轉換爲二維數組,以便使用它?

    1熱度

    2回答

    ENV [R 3.3.1 迷你數據 rdn<-c(0.8,1.8,2.8) tdn<-c(1,2,3,4,5,6,7,8,9) idn<-matrix(c(0.3, 0.3, 0.3, 0.2, 0.2, 0.4, 0.1, 0.1, 0.5, 0, 0.2, 0.5, 0, 0.3, 0.6, 0, 0.4, 0.6, 0, 0.4, 0.6, 0, 0.5, 0.7, 0, 0.5, 0

    0熱度

    1回答

    我使用八度繪圖()函數繪製二維圖形上的散點。然後我使用contour()函數在點上繪製輪廓。但contour()函數在點之上不重疊。會發生什麼情況是,即使使用HOLD ON命令,散點圖圖形也會完全由輪廓線代替。 我有這樣的事情: plot(); %plot the x,y scatter plot hold on; %hold on to be able to add to the plot

    3熱度

    2回答

    我對MATLAB完全陌生並且有一些問題。 我需要做下面的非線性優化問題的等高線圖: 爲了確定該函數的可行域。我試過在Mathworks上搜索,但到目前爲止還沒有任何運氣。我也有下面的例子: x = -5:0.005:5; y = -5:0.005:5; [X,Y] = meshgrid(x,y); F = (X.^2+Y-11).^2 + (X + Y.^2 - 7).^2; v = [0

    1熱度

    1回答

    我想在Python上用OpenCV檢測手。 我工作的這個閾值的圖像上: 這就是輪廓drawed狀態: 我想檢測的手,但輪廓太大,它抓住了我的全身。 我需要這樣的: 我的代碼: import cv2 orImage = cv2.imread("f.png") image = cv2.cvtColor(orImage,cv2.COLOR_BGR2GRAY) image = cv2.blur(im

    0熱度

    1回答

    我正在C#EmguCV項目中查找輪廓。對於這個項目,我必須獲得輪廓層次數據。我之前在C++ OpenCV項目中使用過這種方法,所以我理解了FindContours方法和Hierarchy信息的工作原理。請在下面找到相關代碼: Mat grayImage = new Mat(originalImage.Size, originalImage.Depth, 1); Mat edges = new M

    1熱度

    1回答

    我正在使用blobDetection library處理從高度圖製作等高線圖。我的最終目標是激光切割斑點以製作某種建築景觀maquettes。 目前我能獲得的輪廓和出口等值線圖的SVG這是偉大的,但我希望能夠找出每個斑(或輪廓,或環),並隨後能夠操縱每個輪廓分開。也就是說,我想將它們重新放置在窗口上,這樣它們就不會彼此重疊,也不會重疊。我也想給每個blob分配座標,這樣他們就很容易知道激光切割後每

    4熱度

    1回答

    我想繪製一個核心密度估計的等高線圖,其中KDE集成在每個輪廓線填充區域內。 作爲一個例子,假設我計算2D數據的KDE: data = np.random.multivariate_normal((0, 0), [[1, 1], [2, 0.7]], 100) x = data[:, 0] y = data[:, 1] xmin, xmax = min(x), max(x) ymin, ym