guoguozgw的博客

hsv提取蓝色部分_pic2.111100010000_pic。

用于创建形态学操作的结构元素（structuring element）。参数解释：shape：结构元素的形状，可以是以下值之一：cv2.MORPH_RECT：矩形结构元素。cv2.MORPH_CROSS：十字形结构元素。cv2.MORPH_ELLIPSE：椭圆形结构元素。ksize：结构元素的尺寸，表示结构元素的宽度和高度。可以是一个整数，表示正方形结构元素的边长；或者是一个元组 (width, height)，表示矩形结构元素的宽度和高度。

先对图片进行放大处理；再对图片进行减小处理；最后对图片进行增大和减小，然后和原图进行对比。

1.高斯金字塔2.拉普拉斯金字塔

精度要求不高可以考虑Sobel边缘提取方法, 反之考虑Canny边缘提取方法,还熟悉Laplance算子,由于对噪声比较敏感,常不用在边缘检测上。Canny算法不容易受到噪声干扰,利用强弱边缘,即弱边缘和强边缘相连时,才将弱边缘考虑,从而容易检测到真正的边缘,即定位精度比较高.Sobel算子对灰度渐变,多噪声图片处理效果很好,但对边缘定位精度较差,即定位不准确(大多数边缘不止一个像素);对于边缘提取算法,我们一般采用Sobel算子检测方法和Canny算法,这个图显示的是Canny边缘检测。

图像平滑是一项简单且使用频率很高的图像处理方法，可以用来压制、弱化或消除图像中的细节、突变、边缘和噪声，最常见的是用来减少图像上的噪声。常用的滤波器主要为：均值滤波器：并不能完全消除噪声，只能相对消除噪声。中值滤波器：主要用于椒盐噪声，效果会好点。高斯滤波器：进行平滑的同时，保持更好的分布。_show该结果从左到到右分别为原图、均值、方框、高斯滤波的三种比较方式。

图像融合主要使用的函数为。

1.直方图均衡化img = cv2.imread('clahe.jpg',0)plt.hist(img.ravel(),256)plt.show()#旨在使得图像整体效果均匀，黑与白之间的各个像素级之间的点更均匀一点。equ = cv2.equalizeHist(img)plt.hist(equ.ravel(),256)plt.show()#进行对比，均值化之后的，没有均值化之后的。res = np.hstack((img,equ))cv_show('res',res)直方图均衡过后

bitwise_and该函数是一个and操作当两者全为1的时候才会为1，有0则0.

【代码】OpenCV——总结《图像处理-3》形态学操作。

OpenCV——总结《图像处理-2》

OpenCV——总结《图像处理-1》

OpenCV——总结《图像基本操作》

OpenCV——总结《图像处理》