本文共 2291 字,大约阅读时间需要 7 分钟。
Fu Xianjun. All Rights Reserved.
通过编程,你可以让鼠标在置于图像窗口上时运行特定的指令。要实现这个功能,需要定义一个合适的回调函数。回调函数不会被显式地调用,而是会在响应特定事件(这里是指鼠标与图像窗口交互的事件)的时候被程序调用。为了能够被程序识别,回调函数需要有特殊的签名,并且必须注册。对于鼠标事件处理函数,回调函数必须具有这种签名:
代码如下 :
import numpy as npimport cv2
代码如下(示例):
import numpy as npimport cv2class Point(object): # 鼠标的回调函数的参数格式是固定的,不要随意更改。 def __init__(self,x,y): self.x = x self.y = y def getX(self): return self.x def getY(self): return self.y# 计算两个点间的欧式距离def getGrayDiff(img,currentPoint,tmpPoint): return abs(int(img[currentPoint.x,currentPoint.y]) - int(img[tmpPoint.x,tmpPoint.y]))def selectConnects(p): if p != 0: connects = [Point(-1, -1), Point(0, -1), Point(1, -1), Point(1, 0), Point(1, 1), \ Point(0, 1), Point(-1, 1), Point(-1, 0)]# 八邻域 else: connects = [ Point(0, -1), Point(1, 0),Point(0, 1), Point(-1, 0)] return connectsdef regionGrow(img,seeds,thresh,p = 1):# 读取图像的宽高,并建立一个和原图大小相同的seedMark height, weight = img.shape seedMark = np.zeros(img.shape)# 将定义的种子点放入种子点序列seedList seedList = [] for seed in seeds: seedList.append(seed) label = 1 connects = selectConnects(p)# 逐个点开始生长,生长的结束条件为种子序列为空,即没有生长点 while(len(seedList)>0):# 弹出种子点序列的第一个点作为生长点 currentPoint = seedList.pop(0) # 弹出第一个元素# 并将生长点对应seedMark点赋值label(1),即为白色 seedMark[currentPoint.x,currentPoint.y] = label# 以种子点为中心,四邻域的像素进行比较 for i in range(8): tmpX = currentPoint.x + connects[i].x tmpY = currentPoint.y + connects[i].y# 判断是否为图像外的点,若是则跳过。 如果种子点是图像的边界点,邻域点就会落在图像外 if tmpX < 0 or tmpY < 0 or tmpX >= height or tmpY >= weight: continue # 判断邻域点和种子点的差值 grayDiff = getGrayDiff(img,currentPoint,Point(tmpX,tmpY)) if grayDiff < thresh and seedMark[tmpX,tmpY] == 0: seedMark[tmpX,tmpY] = label seedList.append(Point(tmpX,tmpY)) return seedMarkdef onMouse(event,x,y,flags,param): if event == cv2.EVENT_LBUTTONDOWN: print("x,y的值为"+str(x)+","+str(y)) seeds = [Point(y,x)] binaryImg = regionGrow(img,seeds,5) cv2.imshow('segment',binaryImg)img = cv2.imread('peppa.jpg',0)cv2.namedWindow('gray')cv2.setMouseCallback("gray",onMouse)while True: cv2.imshow("gray",img) # 按 q 键退出 if cv2.waitKey(1) & 0xFF == ord('q'): breakcv2.destroyAllWindows()
以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
转载地址:http://rkusi.baihongyu.com/