A_Coding_Man

OpenCV VideoCapture.get()参数详解编号1详细参数释义英文说明cv2.VideoCapture.get(0)CV_CAP_PROP_POS_MSEC视频文件的当前位置（播放）以毫秒为单位Current position of the video file in milliseconds or video capture timestamp.cv2.VideoCapture.get(1)CV_CAP_PROP_POS_FRAMES基于以0开始的被

图像的几何变换1. 裁剪、放大、缩小裁剪--数组选择方法（冒号）放大、缩小--resize()函数2. 平移变换3. 错切变换完整代码1. 裁剪、放大、缩小裁剪–数组选择方法（冒号）# 裁剪img = cv.imread('naruto_400x400.jpeg')show(img)naruto_totem = img[250:310, 190:250, :]show(naruto_totem) # 行范围、列范围、页范围# 放大缩小show(cv.resize(naruto_t

图像的线性、非线性变换逐像素运算逐像素运算就是对图像中的每个像素点的亮度值，通过一定的函数关系转换到新的亮度值。这个转换可以由函数关系表示s=f(r)s=f(r)s=f(r)其中，r 表示原来的像素值，s 表示新的像素值。通常采用单调函数进行变换。线性变换s(x,y)=kr(x,y)+cs(x,y)=kr(x,y) + cs(x,y)=kr(x,y)+c非线性变换s(x,y)=a+ln(r(x,y)+1)b lncs(x,y)=a+\frac{ln(r(x,y)+1)}{

相加：图像混合、添加噪声img = cv.add(img1, img2)img = cv.addWeighted(img1, alpha, img2, beta, gamma)import matplotlib.pyplot as pltimport numpy as npimport cv2 as cvdef show(img): if img.ndim == 2: plt.imshow(img, cmap='gray') else: plt

二值图、灰度图、RGB彩色图二值图灰度图RGB彩色图8位整型图像浮点数图像二值图二值图：只有 0 和 1 两种取值灰度图灰度图：对8位灰度取值，有256种取值， 0表示黑色，1表示白色。彩色图像转灰度图像公式：gray(x,y)=0.299r(x,y)+0.587g(x,y)+0.114b(x,y)gray(x,y) = 0.299r(x,y) + 0.587g(x,y) + 0.114b(x,y)gray(x,y)=0.299r(x,y)+0.587g(x,y)+0.114b(x,y)impo

matplotlib的基础操作matplotlib的基础操作1. 绘制折线图一条折线图多条折线图2. 绘制直方图完整代码matplotlib的基础操作1. 绘制折线图一条折线图import matplotlib.pyplot as pltimport numpy as np# plt.plot(x, y) # 绘制折线图x = np.arange(2, 20)y = 2 * x + np.random.randint(5, 20, 18)plt.plot(x, y) # 正常显示

opencv的基础操作图片的读写及显示1. 图像读取2. 图像写入3. 图像显示cv显示matplotlib显示4. 将彩色图像读取为灰度图像5. 图像的维度定义一个显示图像的函数完整代码图片的读写及显示1. 图像读取img = cv.imread('dog.jpg')print(type(img))print(img.shape) # <class 'numpy.ndarray'># (768, 1024, 3)2. 图像写入cv.imwrite('dog-w.jpg'

numpy的基础操作1. numpy的基础操作1.1 数据格式1.2 创建不同数据格式的数组列表转直接数组列表转指定数据格式的数组1.3 numpy的几个函数np.arange()np.linspace()np.zeros()np.ones()np.identity() 创建单位矩阵np.eye() 创建单位矩阵np.random.randint()1.4 矩阵变换A.reshape()A.flatten() 将矩阵拉平为一维A.ravel() 将矩阵拉平为一维A.T 转置A.