opencv使用心得
前言
opencv是一款计算机视觉库,初次接触计算机视觉感觉计算机视觉有点东西 -.-,很多的图像处理之间的关系需要我们对图像的知识。
图像
以前没接触过图像,自己认为的图像就是屏幕上RGB的像素点,每个像素点,是图像的一开始的状态,但是通过这次培训明白了图像是RGB三层像素之间的叠加,取样频率和量化之间的概念,在我理解看来也就是RGB的不同颜色之间像素深度的一个叠加,其实屏幕上的图像在内存中也是以像素深度数值来进行表示,如图:
图像的傅里叶变化
以下内容引自:https://www.cnblogs.com/tenderwx/p/5245859.html
如有侵权请立即与我联系,我将及时处理
图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。如:大面积的沙漠在图像中是一片灰度变化缓慢的区域,对应的频率值很低;而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域,对应的频率值较高。傅里叶变换在实际中有非常明显的物理意义,设f是一个能量有限的模拟信号,则其傅里叶变换就表示f的频谱。从纯粹的数学意义上看,傅里叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看,傅里叶变换是将图像从空间域转换到频率域,其逆变换是将图像从频率域转换到空间域。换句话说,傅里叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数。
傅里叶逆变换是将图像的频率分布函数变换为灰度分布函数傅里叶变换以前,图像(未压缩的位图)是由对在连续空间(现实空间)上的采样得到一系列点的集合,通常用一个二维矩阵表示空间上各点,记为z=f(x,y)。又因空间是三维的,图像是二维的,因此空间中物体在另一个维度上的关系就必须由梯度来表示,