老猿Python

OpenCV-Python setMouseCallback回调函数中图像变量img的传递方法解析OpenCV-Python图像乘法运算cv2.multiply函数详解及像素值溢出归一化处理OpenCV-Python图像位与运算bitwise_and函数详解OpenCV-Python图像的减法运算cv2.subtract函数详解以及和矩阵减法的差异对比OpenCV-Python图像的加法运算cv2.add函数详解OpenCV-Python图像融合cv2.addWeighted权重加法函数详解Op

本文介绍了统信UOS Linux下安装OpenCV-Python库的过程以及安装过程遇到的问题，在UOS下通过升级pip3才能正常安装。

本文介绍了在统信UOS Linux下用opencv-python捕获摄像头输入保存到视频文件的实现代码与windows的差别，opencv-python的windows版本和Linux版本的处理上还是有所不同的，windows下的容错性高一些，Linux下对参数要求更严格，因此相同的代码Linux下要更注意细节。

本文介绍了图像平滑处理及均值滤波等基础概念，并详细介绍了卷积函数blur的Python语法及参数，并用之进行了对图像的均值滤波平滑处理，可以看到其模糊化处理结果与filter2D完全一样，实际上它是filter2D一种特定场景的应用。

本文介绍了图像平滑处理及均值滤波等基础概念，并详细介绍了卷积函数boxFilter的Python语法及参数，并用之进行了对图像的均值滤波平滑处理，可以看到其归一化的模糊化处理结果与filter2D、blur函数完全一样，实际上它是filter2D一种特定场景的应用，而blur又是boxFilter函数归一化处理的特例。

本文介绍了图像平滑处理及均值滤波等基础概念，并详细介绍了卷积函数filter2D的Python语法及参数，并用之进行了对图像的均值滤波处理，可以看到卷积核元素值以及相关参数如delta等对卷积处理结果的影响。

本文简单介绍了 Moviepy 库和 OpenCV-python 库，并讨论了 Moviepy 结合 OpenCV-python 进行视频剪辑的适用的一些场景，同时给出了这种剪辑处理模式的推荐实现方案，对使用 Python 进行视频剪辑处理感兴趣的同仁可以按照该模式去进行尝试。

本文介绍老猿学习计算机视觉的历程、遇到的问题，一些给初学者的一些建议。

OpenCV自适应直方图均衡CLAHE中的参数clipLimit，是CLAHE的裁剪限制值，当图像的各分块图像的直方图分组的像素数据超过这个限制值就需要裁剪。裁剪时，将个分组中像素数超出限制值的强制值为限制值，并将所有分组中超出部分累加后平均分配到各分组。

OpenCV自适应直方图均衡CLAHE中的参数clipLimit，是CLAHE的裁剪限制值，其值表示是各分块图像的直方图分组平均像素的倍数，当一个分组中的像素数超过这个倍数值，则表示该分组对应灰度的像素数需要裁剪。

本文详细介绍了OpenCV Mat对象step属性含义，并基于OpenCV关于MatStep类型的源代码对step数据的访问机制进行了深入分析，从而解答了博友关于数组为什么强制类型转换会变为一个返回数组第一个元素的问题。文章中列举的这样简单紧凑的源码，实现了数据的简捷高效访问，看了之后让人深受启发。

本文介绍了OpenCV VideoWriter报错: FFMPEG: tag ‘MP4V‘ is not supported 错误的解决办法，只需要将编码‘MP4V’换成‘mp4v’即可。

一、引言最近收到几个网友提供OpenCV中CLAHE的源代码的请求，在此直接将OpenCV4.54版本CLAHE.CPP的源码分享出来。二、OpenCV源代码的下载下载地址：https://sourceforge.net/projects/opencvlibrary/files/有3.4.10–4.5.4的版本，但下载很慢，老猿费了很大的劲，大家可以考虑专门的下载工具下载。如果实在下不下来，请关注老猿Python的微信公号给老猿发消息。三、CLAHE C++源代码/*M////////////.

一、引言最近一个月来都在研究OpenCV 中CLAHE算法的一些问题，如：图像横向和纵向分块大小与图像的宽和高不能整除怎么处理？CLIP的剪裁是怎么实施的？解决棋盘效应的具体插值处理过程怎样？彩色图像怎么处理？到处找资料，也看了部分博客所谓的源代码，结果还是没有找到答案，看来没有捷径，干脆直接下载了一份OpenCV的源代码来阅读。可惜自从没有亲手做C语言相关开发后，手上的机器连C++运行环境都没有，先直接读代码。本来想等所有问题都有答案时再写博文，不过这一阵子单位和家里事情都很多，没有多少.

本文介绍了制作视频雪花飘落特效和灯光秀的原理、实现的思想以及流程，并利用 Python+OpenCV+Moviepy 提供了关键的实现代码，可以供大家理解图像融合、图像制作视频、Moviepy 视频变换的完整案例。

本文介绍了OpenCV-Python对比度受限的自适应直方图均衡CLAHE相关知识，可以看到CLAHE比全局直方图均衡对明暗分布不均匀的图像的改善效果更好，而进行CLAHE处理时，clipLimit值越大，对暗区域的改善效果越明显，但亮区域反而会起到反作用。

本文介绍了OpenCV-Python对比度受限自适应直方图均衡变换的CLAHE类及其方法，并通过代码介绍了相关方法的使用。在单图像的对比度受限自适应直方图均衡时，只需要使用createCLAHE创建CLAHE对象，然后调用该对象apply方法就可以完成对比度受限自适应直方图均衡处理，该类的其他方法用处不大，但如果是要进行多次对比度受限自适应直方图均衡处理，且需要设置不同的分块数和受限阈值，则可以通过提供的方法直接修改对象属性再进行均衡处理即可。

本节介绍了一种利用阈值强制调整图像对比度的通用方法，同时介绍了一个基于带文字的白纸照片对背景色进行漂白的案例，相关方法可以用于图像的增强。

☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░一、引言在2021年6月22日发布《《数字图像处理》第三章学习总结感悟1：灰度变换与空间滤波概念及常用灰度变换方法介绍》之后，老猿就暂停了数字图像处理的学习，而是开始重新学习（本来应该是复习，可是以前的高数知识完全忘光了）高数中的导数、微分、不定积分和定积分相关知识，主要是因为在学习直方图处理中碰到了定积分相关的知识，而这些知识老猿一点概念都没有了。不过总算是过来了，今天我们继续开始图像处理.

本文介绍了OpenCV官方提供的直方图均衡原理、算法及算法实现样例，以及OpenCV-Python中的直方图均衡函数equalizeHist的调用语法、参数及返回值说明、处理过程描述，最后提供了一个使用equalizeHist函数对经典的两张直方图均衡样例图的处理代码和处理效果。通过相关内容的介绍，有助于大家理解直方图均衡的原理、算法及OpenCV中的处理方法。

本文介绍了基于HSV空间的给照片换底的实现思路及程序示例，HSV由于对颜色的识别更准确，因此得到的图像效果比RGB颜色空间更好。同时HSV的蓝色的H值非常精确，因此不需要象BGR空间一样需要结合照片去确认BGR三通道的范围，因此上述代码对于所有蓝底照片都适用。

本文介绍了基于BGR颜色空间给蓝底照片换底的实现思路及程序代码，并将相关代码做成了一个比较通用的函数，只需要根据照片的背景色调整底色识别的B、G、R三个分量的阈值，就可以适应不同蓝色的背景色的照片情况，如果要处理非蓝底的，就需要将函数中求背景掩膜的两行代码相应进行调整。

本文介绍了numpy数组元素值的高效查表映射机制，在使用该机制时，老猿总结有如下要点： 1. 需要被映射的数组元素只能是有限的非负整数； 2. 映射表中用于映射的数组的元素个数必须是被映射数组元素最大值对应个数+1个； 3. 映射表被映射到的新值可以是任何值

本文详细介绍了OpenCV-Python图像直方图计算calcHist函数的语法以及使用案例，从几个测试案例可以看出OpenCV-Python的直方图计算比C语言版本功能还是差的比较多。最后介绍了一个使用matplotlib画出直方图的完整案例和代码。希望这些介绍有助于大家详细了解OpenCV-Python图像直方图计算的方法。

本文通过介绍将视频帧转换为灰度图像，再构建黑白视频的处理过程所遇到的问题及解决办法，确认了无论是从输入黑白视频的像素值还是将黑白视频输出到视频文件的处理过程来看，黑白视频的帧图像不是二维的灰度图，而是对应三维的彩色图像格式，其像素值为RGB三元组格式，只是R、G、B三个分量的值都是为对应灰度图的灰度值。

一、引言2021年4月8日武汉重启一周年，这是个值得庆祝的日子，作为一个武汉人和一个死宅程序员，老猿也想在这个日子留下点什么。想起武汉长江两岸的灯光秀，顿时有了主意，那就用程序实现一个武汉重启庆祝的灯光秀短视频吧，于是在4月7日晚开始构思和着手开发，4月8日晚终于顺利完成，利用今天周末的时间总结一下。二、实现思路2.1、视频内容设计老猿是个没有艺术细胞的人，因此这个视频内容只能说仅能代表是个视频而已，对最终的内容表现大家就不需要过多评价。在创作该视频前，老猿对视频进行了简单规划，将创作视频分为片头

本文介绍了使用OpenCV-Python操作视频的方案，介绍了视频读取和写入类的构造方法，并提供了一个读取摄像头视频写入视频文件的方法，有助于大家理解OpenCV-Python的视频操作相关方法。

本文转自博客园博主SChen1024的博文：opencv-9-图像噪声以及评估指标 PSNR 与SSIM 开始之前#我们在将 opencv 的图像显示在了 qt 的label 上, 我们能够将图显示在label 上, 用于显示我们的算法,我们在 opencv 上一篇文章中介绍了 opencv 的核操作, 我们这里就要进入一个很重要的章节了,图像滤波操作, 也是图像核操作应用的一个很重要的章节,那我们就从降噪的角度完整的讲一下, 并通过 opencv 核的方式进行图像

本文转载自：图像噪声的成因分类与常见图像去噪算法简介 1、图像噪声的成因 图像在生成和传输过程中常常因受到各种噪声的干扰和影响而是图像降质，这对后续图像的处理和图像视觉效应将产生不利影响。噪声种类很多，比如:电噪声，机械噪声，信道噪声和其他噪声。因此，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。 2、图像噪声的特征 图像噪声使得图像模糊，甚至淹没图像特征，给分析带来困难。 图像噪声一般具有以下特点： 噪声在图像中的分布和大小不规则，即具有随机

本文介绍了通过OpenCV-Python以特定图像为背景制作雪花飘落特效的实现思路、关键函数功能以及主程序的完整代码。雪花飘落特效实际上属于图像融合的操作，只要掌握图像融合的基础知识以及设计后实现思路，实现起来还是比较快的，效果也挺不错。结合上面代码，大家还可以调整雪花的大小以及飘雪的密集程度。

本文介绍了实现两视频叠加时上层剪辑透明部分不遮挡下层内容的遮罩模式和OpenCV图像运算模式两种方案，在相关链接中提供了完整的代码，并对比了两种实现方式的差异。阅读本文有助于大家理解视频mask遮罩、OpenCV图像处理运算以及音视频剪辑合成的方法。

注：本文转自大神阮一峰的网络日志《图像与滤波》我对图像处理一直很感兴趣，曾经写过好几篇博客（1，2，3，4）。前几天读到一篇文章，它提到图像其实是一种波，可以用波的算法处理图像。我顿时有一种醍醐灌顶的感觉，从没想到这两个领域是相关的，图像还可以这样玩！下面我就来详细介绍这篇文章。一、为什么图像是波？我们知道，图像由像素组成。下图是一张 400 x 400 的图片，一共包含了 16 万个像素点。每个像素的颜色，可以用红、绿、蓝、透明度四个值描述，大小范围都是0 ～ 255，比如黑色是[0, 0,

图像阈值处理又称为二值化（Binarization），它将一幅图转换为感兴趣的部分（前景）和不感兴趣的部分（背景），二值化可以剔除掉图像中一些低于或高于一定值（即阈值）的像素，从而提取图像中的物体，通常将超过阈值的像素作为前景。阈值又称为临界值，它的目的是确定出一个范围，然后这个范围内的像素点使用同一种方法处理，而阈值之外的部分则使用另一种处理方法或保持原样。本文介绍了图像阈值处理的概念、OpenCV-Python的支持函数threshold和adaptiveThreshold以及相关案例。

本文介绍了利用透视变换实现两车交换车牌的详细过程，并提供了OpenCV-Python示例代码。根据老猿的操作经验，利用透视变换操作过程中需要注意： 1. 变换时选择的四个点，从视角来看尽量是在两条平行线上，否则图像变换过程中可能产生畸变，即使逆变换也不一定能变换回来； 2. 变换时最好给图像四周预留一定空间，用为变换后图像大小范围有可能超出原图像大小范文，这样才能保证图像变换后没有图像丢失。

本文详细介绍了OpenCV-Python相关的透视变换处理函数getPerspectiveTransform 和warpPerspective的语法及参数含义。

本节详细介绍了透视变换的概念、变换矩阵、作用以及OpenCV-Python相关的处理函数getPerspectiveTransform 和warpPerspective的语法及参数含义，并分析了输入图像和输出图像四对点确认透视变换矩阵的原理。最后提供了一个案例，来演示透视变换的代码实现及效果。本文的有些内容如四对点确认透视变换矩阵，在其他公开资料也有所提及，但老猿结合齐次坐标和矩阵运算将其细化了，应该是网上公开资料首次全面介绍。相关内容有助于理解透视变换的概念和OpenCV-Python透视变换的应用方式。

本节介绍了使用OpenCV-Python的getPerspectiveTransform函数，通过4个源图像的点映射到目标图像的四角对应点得到投影变换的变换矩阵，然后使用warpPerspective进行投影变换，可以对选择4个点进行投影变换的步骤有清晰的理解。

本文介绍了老猿在使用OpenCV-Python进行仿射变换开发中遇到的坑，这些问题可能大家或多或少会碰到，这些问题涉及基本知识的理解、官方资料的坑等方面，希望能帮助到大家。

本文是老猿关于仿射变换的原理、概念以及OpenCV-Python实现额的导览式文章，通过本文作为入口，读者可以非常快速的理解仿射变换的相关知识以及开发应用。

本部分介绍了OpenCV-Python的getAffineTransform函数，并通过在图像上任选三个点指定为结果图像的左上角、左下角、右下角，从而实现原图像三个点圈定范围的子图像通过仿射变换实现整体放大。