geji001的博客

2.3 修改显示窗口的大小，位置，属性等。1.2 获取图片的尺寸。2.2 修改图片的尺寸。1.1 导入彩色图片。2.1 导入灰度图片。3.1 改变图片尺寸。

1.2 以400*300的窗口播放。3.1 调用摄像头并显示画面。5.3 保存摄像头内容为视频。2.2 修改视频尺寸并保存。2.1 导入并播放视频。4.1 导入多个摄像头。5.2 快捷键保存截图。1.1 导入本地视频。

4.2 使用matplotlib展示图像和灰度直方图。1.1 将彩色图像拆分成R,G,B三个通道。3.4 使用matplotlib展示图片。5.2 使用matplotlib展示图像。1.2 显示拆分后的R,G,B图像。2.1 循环读取文件夹内的图片。2.2 改变图像的大小和名字。3.3 仿射变换突变任意角度。4.1 绘制灰度直方图。

第二种调节对比的方式是伽马变换，大家如果不理解这些概念的话也没有关系，包括后面的一些直方图均衡化等，就是真正在用的时候，我们就把常用的调整对比度的方式放到一起，看看哪个效果好，我们就选哪个就可以了，我们因为更偏向于工程化应用，懂原理最好，不懂原理其实也没有关系，不影响我们去做方案。补充一下直方图均衡化和直方图正规化的区别，直方图均衡化就是把原图通过一个映射函数T得到一个新图，直方图正规化本质上是，对直方图均衡化的图像之后，再利用目标图像的概率密度函数累积函数作为映射函数对原图均衡化后的图像进行映射。

1.2 使用matplotlib展示图像。2.2 使用matplotlib展示图像。3.2 使用matplotlib展示图像。1.1 通过阈值以及不同的参数分割图像。2.1 自适应阈值分割图像。3.1 OTSU分割图像。

黑帽运算是用闭运算图像减去原始图像的操作。黑帽运算能够获取图像内部的小孔，或前景色中的小黑点，或者得到比原始图像的边缘更暗的边缘部分。膨胀操作能对图像的边界进行扩张。闭运算是先膨胀、后腐蚀的运算，它有助于关闭前景物体内部的小孔，或去除物体上的小黑点，还可以将不同的前景图像进行连接。形态学梯度运算是用图像的膨胀图像减腐蚀图像的操作，该操作可以获取原始图像中前景图像的边缘。开运算进行的操作是先将图像腐蚀，再对腐蚀的结果进行膨胀。顶帽运算能够获取图像的噪声信息，或者得到比原始图像的边缘更亮的边缘信息。

【代码】OpenCV基础_006_ 两个背景虚化的例子。

Marr-Hildreth查找边缘。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。边缘检测案例，摄像头实时边缘检测。Roberts算子查找边缘。Prewitt算子查找边缘。Scharr算子查找边缘。Kirsch算子查找边缘。Sobel算子查找边缘。

使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。使用matplotlib展示图像。这片也有点长，加个目录。1.1 霍夫直线检测。2.1 图像轮廓绘制。2.6 轮廓绘制调试。

Harris角点检测，获取图像中的角点信息。

flann单应性匹配。

自己训练一个目标检测分类器。HOG自带的人像检测器。

1.5. meanshift获取前景背景。1.6. camshift获取前景背景。2.1. kalman跟踪并预测鼠标。1.2. mog获取前景和背景。1.4. gmg获取前景和背景。1.1. 基本运动物体检测。1. 获取前景和背景算法。1.3. knn获取前景和背景。2.2. kalman跟踪行人。

3.1. 神经网络训练调用caffee网络。1.2. 神经网络训练_相对复杂的例子。2.1. 神经网络训练手写数字识别。1.1. 神经网络训练_基本例子。2.2. 神经网络训练手写数字识别2。3.2. 同时调用多个模型。

3.4. 摄像头换脸 （待定...)3.2. 摄像头人脸和人眼检测。3.3. 摄像头捕捉人脸并保存。3.5. 自己训练个人脸分类器。2.2. 识别本地图片二维码。2.1. 摄像头识别二维码。1.1. 绘制图形和文字。使用matplotlib展示图像。使用matplotlib展示图像。1.2. 图像的融合。3.1. 本地图片人脸检测。绘制直线，图形，文字等。

1.2 matplotlib展示图像。2.2 matplotlib展示图像。3.2 matplotlib展示图像。4.2 matplotlib展示图像。5.2 matplotlib展示图像。6.2 matplotlib展示图像。1.1 均值滤波有噪点的图像。2.1 方框滤波有噪点的图像。3.1 高斯滤波有噪点的图像。4.1 中值滤波有噪点的图像。5.1 双边滤波有噪点的图像。6.1 卷积滤波有噪点的图像。

我们在工作中用摄像头去拍摄目标的时候，是没有办法保证这个摄像头肯定是水平的，所以拍下来的图像肯定是有点歪的。我们在用opencv导入图片的时候，首先要对这个图片进行旋转，把它调整到一个标准的位置。

我知道左边这个图中圈出来的四个点是我想要的四个点，但他是歪的，我把这四个点改成一个正的四个点。那我就人为规定这四个正的点。再利用OpenCV中透视变换的函数，原图中的所有点都根据这个透视矩阵做变换，最终得到正的图。学OpenCV包括在用OpenCV一段时间的时候老是搞不清楚透视变换是什么。网上有很多解释，包括很多公式，大体意思就是原图在一个新的平面上的投影。由原来歪的四个点和正的四个点之间的关系得到一个透视矩阵。能看懂是什么意思但是还是不明白具体的应用。首先左边这个原图是扭曲的，我想把他正过来。