江南蜡笔小新

conda install -c anaconda opencv

使用numpy的+或者add 在溢出后会进行取模例如unit8时，255+97=96这就是非饱和运算使用openCV的加法 可以使255+97=255更符合我们的实际情况

使用分水岭算法进行图像分割时，基本的步骤为：1.通过形态学开运算对原始图像 O 去噪。2.通过腐蚀操作获取「确定背景 B」。需要注意，这里得到「原始图像-确定背景」即可。3.利用距离变换函数 cv2.distanceTransform（）对原始图像进行运算，并对其进行阈值处理，得到「确定前景 F」。4.计算未知区域 UN（UN=O –B-F）。5.利用函数 cv2.connectedComponents（）对原始图像 O 进行标注。6.对函数 cv2.connectedComponents（）的

提取硬币前景当图像内的各个子图没有连接时，可以直接使用形态学的腐蚀操作确定前景对象，但是如果图像内的子图连接在一起时，就很难确定前景对象了。此时，借助于距离变换函数 cv2.distanceTransform（）可以方便地将前景对象提取出来。距离变换函数 cv2.distanceTransform（）计算二值图像内任意点到最近背景点的距离。一般情况下，该函数计算的是图像内非零值像素点到最近的零值像素点的距离，即计算二值图像中所有像素点距离其最近的值为 0 的像素点的距离。当然，如果像素点本身的值为 0

使用形态学操作，原图像-腐蚀得到轮廓，实际上就是一个求内部梯度的操作import numpy as npimport cv2 as cvfrom matplotlib import pyplot as plt# 1rice = cv.imread('rice.png', cv.IMREAD_GRAYSCALE)kernel = np.ones((5, 5), np.uint8)rice_ero = cv.erode(rice, kernel)rice_diff = cv.subtract(

什么是边缘响应，如何解决边缘响应？学习的时候碰到一个名词，高斯差分金字塔边缘响应edge response of DoG。在网上找了一些资料，不知道是这个名词不常规还是我搜索的方法不正确，总之内外没找到一个规范解释。只在某乎上找到了一位网友回答，然后我又去看了一些SIFT和DoG的资料，现在我对边缘响应的认识就是：由于某种原因，在进行滤波等操作的时候，边缘的“权重”变强。比如边缘对 Band pass就可能会存在影响效果加强的情况，这样带来的后果就是，如果某噪音正好在边缘上，就会被更放大。因此

霍夫变换（Hough Transform ）HoughLines 和HoughLinesP 有什么不同？一、背景1. HoughLines定义OpenCV 提供了函数 cv2.HoughLines（）用来实现霍夫直线变换，该函数要求所操作的源图像是一个二值图像，所以在进行霍夫变换之前要先将源图像进行二值化，或者进行 Canny 边缘检测。函数 cv2.HoughLines（）的语法格式为：lines=cv2.HoughLines（image,rho,theta,threshold）式中：● i

apporxPolyDP和convexHull的区别？轮廓多边形逼近和凸包有什么不同？apporxPolyDP和convexHull的效果对比一、背景学习CV的过程中看到了这两个函数，简单记录一下1. apporxPolyDP轮廓多边形逼近 apporxCurve=cv2.apporxPolyDP(curve,epsilon,closed)2.convexHull凸包 hull=cv2.convexHull(points[,clockwise,[,returnPoints]])二、代码及效果

一、背景cv.findContours()中的mode有什么用？cv.findContours()中的mode hierarchy是什么？有什么效果？阅读官方文档，熟悉cv.findContours()，我们可以知道，mode指定的是轮廓索引方式。那么有哪些索引方式呢？这是定义在C++中的枚举类型，将就参考一下特别说明 ，FLOODFILL用的不多，本文咱不作探究；有兴趣的朋友可以看看这个 In opencv’s findContours, what does cv.RETR_FLOOD

拉普拉斯金字塔（The Laplacian pyramid）有什么用？如何实现上下采样的逆操作？是什么原理？拉普拉斯金字塔的应用？拉普拉斯金字塔恢复图片？拉普拉斯金字塔与高斯金字塔结合一、背景众所周知，上采样和下采样是不不可逆的操作。也就是：通过以上分析可知，向上采样和向下采样是相反的两种操作。但是，由于向下采样会丢失像素值，所以这两种操作并不是可逆的。也就是说，对一幅图像先向.上采样、再向下采样，是无法恢复其原始状态的;同样，对一幅图像先向下采样、再向上采样也无法恢复到原始状态。

学习remap的时候发现map1和map2的参数跟我的直观理解略有差别，在次记录一下。一、背景把一幅图像内的像素点放置到另外一幅图像内的指定位置，这个过程称为重映射。OpenCV 提供了多种重映射方式，但是我们有时会希望使用自定义的方式来完成重映射。OpenCV 内的重映射函数 cv2.remap（）提供了更方便、更自由的映射方式，其语法格式如下：dst=cv2.remap（src,map1,map2,interpolation[,borderMode[,borderValue]]）式中：● dst

一、背景重啃OpenCV的过程中发现了一个有趣的Demo，通过 异或（xor）对图片进行加解密 。突然想起了多年前学习C++的时候学到的一个奇技淫巧：不需要中间变量，利用xor完成交换两个变量值。大概就是这样：然后再次去了解了一下xor在计算机中多方面的应用，这里暂且不表。二、实现代码按c 进行加/解密，esc键退出import numpy as npimport cv2 as cvorg = cv.imread('apple.jpg', 0)mask = np.random.ran

1.背景阅读官方文档/手册，学习openCV的过程中遇到的练习题，记录一下。1.编写一个小应用程序以找到Canny边缘检测，该检测的阈值可以使用两个跟踪栏进行更改。这样，你可以了解阈值的影响2. 代码部分不是很会用matplotlib来绘图，所以用利用OpenCV的窗口来完成了这个任务。如果您有更好的办法，欢迎交流指正~import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltT = [100, 200]

1.背景阅读官方文档/手册，学习openCV的过程中遇到的练习题，记录一下。练习题尝试找到一种方法来提取多个彩色对象，例如，同时提取红色，蓝色，绿色对象。2. 代码部分import cv2 as cvimport numpy as npcap = cv.VideoCapture(0)while (1): # 读取帧 _, frame = cap.read() # 转换颜色空间 BGR 到 HSV hsv = cv.cvtColor(frame, cv.

1.问题背景opencv 官方手册 文档 练习题练习题实现代码 使用 cv.addWeighted 函数在文件夹中创建图像的幻灯片放映，并在图像之间进行平滑过渡2.代码部分按任意键切换幻灯片import numpy as npimport cv2 as cvimport time# 加载两张图片img1 = cv.imread('messi5.jpg')img2 = cv.imread('logo.jpg')l, h = img1.shape[0:2]img2_R = cv.resi

1.问题背景opencv 官方手册 文档 练习题使用轨迹栏创建颜色和画笔半径可调的Paint应用程序。有关绘制的信息，请参阅有关鼠标处 理的先前教程。2.代码部分另外一个官方demo留下的作业，代码难以精美，请理解。import numpy as npimport cv2 as cv# 鼠标回调函数def draw_circle(event, x, y,thick,param): global ix, iy, drawing, mode,color,thicness if

在最后一个示例中，我们绘制了填充矩形。您修改代码以绘制一个未填充的矩形。ps：手册中，官方提供了一个绘制填充矩形的demo，是练习题的背景。关于cv.rectangle 如下2. 代码部分import numpy as npimport cv2 as cvdrawing = False # 如果按下鼠标，则为真mode = True # 如果为真，绘制矩形。按 m 键可以切换到曲线ix,

OpenCV 学习笔记（模板匹配）OpenCV是怎么完成模板匹配的？模板匹配的原理？模板匹配如何确定相似度，有哪些方法？模板匹配是在一幅图像中寻找一个特定目标的方法之一。这种方法的原理非常简单，遍历图像中的每一个可能的位置，比较各处与模板是否“相似”，当相似度足够高时，就认为找到了我们的目标。在 OpenCV 中，提供了相应的函数完成这个操作。matchTemplate 函数：在模板和输入...

一、图像特征-harris角点检测二、Scale Invariant Feature Transform（SIFT）尺度不变量特征变换图像尺度空间在一定的范围内，无论物体是大还是小，人眼都可以分辨出来，然而计算机要有相同的能力却很难，所以要让机器能够对物体在不同尺度下有一个统一的认知，就需要考虑图像在不同的尺度下都存在的特点。尺度空间的获取通常使用高斯模糊来实现...

一、直方图cv2.calcHist(images,channels,mask,histSize,ranges)images: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们...

感谢原作者辛勤付出，仅做笔记之用https://blog.csdn.net/danmeng8068/article/details/81061615https://blog.csdn.net/zhu_hongji/article/details/81480400https://www.cnblogs.com/pacino12134/p/9890492.html...

高斯金字塔　　●对图像向上采样：pyrUp函数　　●对图像向下采样：pyrDown函数图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。...

1.Canny边缘检测使用高斯滤波器，以平滑图像，滤除噪声。计算图像中每个像素点的梯度强度和方向。应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。通过抑制孤立的弱边缘最终完成边缘检测。...

1索贝尔算子不但产生较好的边缘检测效果，而且对噪声具有平滑抑制作用，但是得到的边缘较粗，且可能出现伪边缘。2Scharr算子灵敏度更高，噪声影响较大。3拉普拉斯算子是图像的离散二阶导数，用于发现边缘突变，但对于噪声来说比较灵敏，一般配合其他技术一起使用。...

1.图像融合： #相当于% 256(img_cat + img_cat2)[:5,:,0] #越界取255cv2.add(img_cat,img_cat2)[:5,:,0]2.滤波# 均值滤波# 简单的平均卷积操作blur = cv2.blur(img, (3, 3))cv2.imshow('blur', blur)cv2.waitKey(0)cv2.destroyAllW...