我们的算法是当前像素与下面和右边的像素进行比较,如果相似，则将当前像素设置为黑色，否则设置为白色

那么如何判定像素相似呢，我们用欧氏距离，将一个像素的3个色彩分量映射在3维空间中，如果2个像素点的欧氏距离小于某个常数值，我们就认为它们相似。

我们定义好区欧氏距离的函数

 

def get_EuclideanDistance(x,y):    myx=np.array(x)    myy=np.array(y)    return np.sqrt(np.sum((myx-myy)*(myx-myy)))

完全代码如下：

 

 

#!/usr/bin/env python#-*- coding: utf-8 -*-#code:myhaspl@qq.comimport cv2import numpy as npfn="test1.jpg"def get_EuclideanDistance(x,y):    myx=np.array(x)    myy=np.array(y)    return np.sqrt(np.sum((myx-myy)*(myx-myy)))    if __name__ == '__main__':    print 'http://blog.csdn.net/myhaspl'    print 'myhaspl@qq.com'    print    print 'loading %s ...' % fn    print 'working',    myimg1 = cv2.imread(fn)    w=myimg1.shape[1]    h=myimg1.shape[0]    sz1=w    sz0=h                   #创建空白图像     myimg2=np.zeros((sz0,sz1,3), np.uint8)       #对比产生线条    black=np.array([0,0,0])    white=np.array([255,255,255])    centercolor=np.array([125,125,125])    for y in xrange(0,sz0-1):        for x in xrange(0,sz1-1):            mydown=myimg1[y+1,x,:]            myright=myimg1[y,x+1,:]            myhere=myimg1[y,x,:]            lmyhere=myhere            lmyright=myright            lmydown=mydown            if get_EuclideanDistance(lmyhere,lmydown)>16 and get_EuclideanDistance(lmyhere,lmyright)>16:                myimg2[y,x,:]=black            elif get_EuclideanDistance(lmyhere,lmydown)<=16 and get_EuclideanDistance(lmyhere,lmyright)<=16:                myimg2[y,x,:]=white            else:                myimg2[y,x,:]=centercolor                            print '.',                  cv2.namedWindow('img2')         cv2.imshow('img2', myimg2)        cv2.waitKey()    cv2.destroyAllWindows()

本博客所有内容是原创，如果转载请注明来源