计算机视觉加强之图像特效与线段文字绘制

最新推荐文章于 2024-07-21 17:06:54 发布
最新推荐文章于 2024-07-21 17:06:54 发布
阅读量2.3k 收藏 1
点赞数 1
分类专栏： OpenCV&TensorFlow 文章标签： opencv tensorflow numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34829447/article/details/85042697
版权

一.图像特效介绍

1.灰度处理：彩色图片灰度化
  • 对于彩色图片有三个颜色通道：RGB
  • 对于灰度图片如果也是三个颜色通道，则RGB值是相等的
2.底板效果（灰度）
  • 彩色底板是通过当前RGB取反得到的
3.马赛克效果
  • 将周边的像素点用同一个像素点取代
4.毛玻璃效果
  • 将像素用随机像素来替代
5.颜色映射
  • 利用RBG表进行颜色统一映射
6.边缘检测
  • 卷积运算
7.浮雕效果
  • 在边缘检测上添加底板

二.图像灰度处理

1.开发思路
  • 方法1：使用imread方法实现颜色直接转换处理
  • 方法2：使用cvtColor方法实现颜色转换
  • 方法3：源码实现图像灰度处理
    • 灰度图像R=G=B
  • 方法4：心理学计算公式实现图像灰度处理
    • gray = r*0.299+g*0.587+b*0.114
2.实例代码

  • 方法1实例代码

    import cv2
img0 = cv2.imread('image0.jpg',0)
img1 = cv2.imread('image0.jpg',1)
print(img0.shape)#只能读取到宽高信息
print(img1.shape)#可以读取到宽高信息和颜色深度信息
cv2.imshow('src',img0)
cv2.waitKey(0)

  • 方法2实例代码

    import cv2
img = cv2.imread('image0.png',1)
dst = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#完成颜色空间转换，参数：原始待转换图片的数据，颜色转换的方式
cv2.imshow('src',dst)
cv2.waitKey(0)

  • 方法3实现代码

    import cv2
import numpy as np
img = cv2.imread('image0.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
#RGB R=G=B Gray (R+G+B)/3
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
	for j in range(0,width):
    	(b,g,r) = img[i,j]
        gray = (int(b)+int(g)+int(r))/3
        dst[i,j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)

  • 方法4实现代码

    import cv2
import numpy as np
img = cv2.imread('image0.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
#RGB R=G=B Gray (R+G+B)/3
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
	for j in range(0,width):
    	(b,g,r) = img[i,j]
        b = int(b)
        g = int(g)
        r = int(r)
        gray = r*0.299+g*0.587+b*0.114
        dst[i,j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)
3.灰度算法优化
  • 灰度图像是所有图像特效的基础
  • 灰度图像强调算法的实时性
  • 算法优化原则：定点运算时间 < 浮点运算时间 移位运算时间 < 加减运算时间 < 乘除运算时间
  • 优化r*0.299+g*0.587+b*0.114公式
    • 浮点转定点int(x)
    • gray = (r*1+g*2+b*1)/4相当于先左移两位，再右移两位【肯定有误差的】
    • 进一步优化gray = (r+(g<<1)+b)>>2，将浮点运算变成定点运算后，将乘除运算编程移位运算
4.实例代码
import cv2
import numpy as np
img = cv2.imread('image0.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
#RGB R=G=B Gray (R+G+B)/3
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
	for j in range(0,width):
    	(b,g,r) = img[i,j]
        b = int(b)
        g = int(g)
        r = int(r)
        gray = (r+(g<<1)+b)>>2#左移乘，右移除
        dst[i,j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)

三.颜色反转

1.开发思路
  • 灰度图片颜色反转：对于灰度图片取值范围是0-255,颜色反转是255-当前灰度值
  • 彩色图片颜色反转：对于RGB有3个通道，每一个像素值都是255-当前的像素值（如R=255-R，G=255-G，B=255-B）
2.实例代码

  • 灰度图片颜色反转实例代码

    import cv2
import numpy as np
img = cv2.imread('image0.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
gary = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,3),np.uint8)#其中3表示的是一个像素由几种颜色构成，彩色为3，灰色为1
for i in range(0,height):
    for j in range(0,width):
        grayPixel = gray[i,j]
        dst[i,j] = 255-grayPixel
cv2.imshow('dst',dst)
cv2.waitKey(0)

  • 彩色图片颜色反转实例代码

    import cv2
import numpy as np
img = cv2.imread('image0.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height,width,3),np.uint8)#其中3表示的是一个像素由几种颜色构成，彩色为3，灰色为1
for i in range(0,height):
    for j in range(0,width):
        (b,g,r) = img[i,j]
        dst[i,j] = (255-b,255-g,255-r)
cv2.imshow('dst',dst)
cv2.waitKey(0)

四.马赛克效果

1.开发设计
  • 马赛克效果的窗体范围：如行100-300,列100-200
  • 每一个马赛克都有一个小窗口，有矩形的马赛克（10*10），也有圆形的马赛克【本例中使用矩形的马赛克】
  • 使用10*10像素块中左上角的像素替换像素块中所有的像素
2.实例代码
import cv2
import numpy as np
img = cv2.imread('image0.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
for m in range(100,300):
    for n in range(100,200):
        #选中一个元素，替换调10*10中所有的像素点，让10*10中保持一致
        if m%10==0 and n%10==0:
            for i in range(0,10):
                for j in range(0,10):
                    (b,g,r) = img[m,n]
                    img[i+m,j+n] = (b,g,r)
cv2.imshow('dst',img)
cv2.waitKey(0)

五.毛玻璃

1.开发设计
  • 毛玻璃的思想与马赛克一致，但不是使用固定像素进行像素的替换，而是使用随机的像素替换像素块中的内容
2.实例代码
import cv2
import numpy as np
import random
img = cv2.imread('image0.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height,width,3),np.uint8)
mm = 8#设置随机数的范围在水平和垂直上均为8，即8*8的像素块中取随机像素
for m in range(0,height-mm):
	for n in range(0,width-mm):
        index = int(random.random()*8)#random.random()生成的随机数是0-1，*8后，随机数的范围就是0-8
        (b,g,r) = img[m+index,n+index]
        dst[m,n] = (b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)
3.注意事项
  • 最右侧和最下侧都会有8个黑色区域，是因为垂直和水平方向各减去了8，默认填充为0，即为黑色区域

六.图片融合

1.开发设计
  • 目标图片=src1*a系数+src2*(1-a系数)
2.实例代码
import cv2
import numpy as np
img0 = cv2.imread('image0.png',1)#读取图片1
img1 = cv2.imread('image1.png',1)#读取图片2
imgInfo = img0.shape#因为图片1和2的宽高一样,通过此处获得图片的宽高信息
height = imgInfo[0]
width = imgInfo[1]
#ROI感兴趣范围(即将原图扣除一部分，此部分的宽度为源高度的1/2，高度为源高度的1/2)
roiH = int(height/2)
roiW = int(width/2)
img0ROI = img0[0:roiH,0:roiW]#第一个图片感兴趣区域矩阵
img1ROI = img1[0:roiH,0:roiW]#第二个图片感兴趣区域矩阵
#dst
dst = np.zeros((roiH,roiW,3),np.uint8)
dst = cv2.addWeighted(img0ROI,0.5,img1ROI,0.5,0)#第一个图片的权重和第二个图片的权重都是0.5。实现的是权重的计算:目标图片=src1*a系数+src2*(1-a系数)。
#参数1:src1,参数2:src1权重,参数3:src2,参数4:src2权重
cv2.imshow('dst',dst)
cv2.waitKey(0)

七.边缘检测

1.开发设计
  • 完成图像的灰度处理，基于灰度图像的（将彩色图片转换成灰度图片）
  • 执行高斯滤波，去除噪声的干扰
  • 调用opencv中的canny方法实现边缘检测
2.实例代码
import cv2
import numpy as np
import random
img = cv2.imread('image0.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#灰度图像处理
imgG = cv2.GaussianBlur(gray,(3,3),0)#实现高斯滤波,参数1:灰度图像数据;参数2:模板大小
dst = cv2.Canny(img,50,50)#参数1:传递图片的数据,参数2:门限值(如果图片经过卷积之后的值大于这个门限，则默认为边缘点，否则则视为非边缘点)
cv2.imshow('dst',dst)
cv2.waitKey(0)

在这里插入图片描述

3.源码实现sobel算法

  • 算法原理

    • 算子模板【分水平方向和竖直方向】

      #矩阵1
[1  2  1
 0  0  0
 -1 -2 -1]
#矩阵2
[1  0  -1
 2  0  -2
 1  0  -1]

    • 图片卷积【不是矩阵行列式计算，是矩阵中的数值对应相乘得到的结果】

      #eg
#源模板[1 2 3 4]
#算子模板[a b c d]
#结果a*1+b*2+c*3+d*4 = dst 结果称之为梯度，有水平方向和竖直方向两种情况

    • 阈值判决

      #算子模板1(竖直方向上的算子)与垂直方向上的图片进行卷积之后得到的结果为a，称为竖直上的梯度
#算子模板2(水平方向上的算子)与水平方向上的图片进行卷积之后得到的结果为b，称为水平上的梯度
#f值为sqrt(a*a+b*b),与门限进行判决，如果>判决门限则为边缘;如果<判决门限则为非边缘

  • 实例代码

    import cv2
import numpy as np
import math
img = cv2.imread('image1.jpg',1)#读取图片1
imgInfo = img.shape#因为图片1和2的宽高一样,通过此处获得图片的宽高信息
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height-2):#卷积运算的时候会从左上角[1,1]的位置开始，单位是3*3，所以需要height-2
    for j in range(0,width-2):
        gy = gray[i,j]*1+gray[i,j+1]*2+gray[i,j+2]*1-gray[i+2,j]*1-gray[i+2,j+1]*2-gray[i+2,j+2]*1
        gx = gray[i,j]*1-gray[i,j+2]*1+gray[i+1,j]*2-gray[i+1,j+2]*2+gray[i+2,j]*1-gray[i+2,j+2]*1
        grad = math.sqrt(gx*gx+gy*gy)#梯度
        if grad>50:
            dst[i,j] = 255
        else:
            dst[i,j] = 0
cv2.imshow('dst',dst)
cv2.waitKey(0)

在这里插入图片描述

八.浮雕效果

1.开发设计
  • 浮雕效果也是计算梯度
    • 浮雕效果的计算公式新像素值=gray0-gray1+150，相邻像素之差加上固定值
2.实例代码
import cv2
import numpy as np
img = cv2.imread('image1.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#newP = gray0-gray1+150
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height):
    for j in range(0,width-1):
        grapP0 = int(gray[i,j])
        grayP1 = int(gray[i,j+1])
        newP = grayP0-grayP1+150
        if newP>255:
            newP = 255
        if newP<0:
            newP = 0
        dst[i,j] = newP
cv2.imshow('dst',dst)
cv2.waitKey(0)

在这里插入图片描述

九.颜色映射

1.开发思路
  • 通过查找表将原始RGB值替换成新的RGB值
  • 增加蓝色系的模拟变换公式：b=b*1.5,g=g*1.3
2.实例代码
import cv2
import numpy as np
img = cv2.imread('image1.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
	for j in range(0,width):
        (b,g,r) = img[i,j]
        b = b*1.5
        g = g*1.3
        if b>255:
            b=255
        if g>255:
            g=255
        dst[i,j]=(b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)

在这里插入图片描述

十.油画特效

1.开发思路
  • 完成彩色图片到灰度图片的转换
  • 将图片分割为若干个小方块，统计每个小方块中像素的灰度值
  • 将0-255的灰度值划分为几个等级，并把第二部处理的结果映射到这个范围内
  • 找到每个方块中灰度等级最多的像素（灰度段中像素的个数统计），并求取像素的均值
  • 用统计出来的平均值替换原来的像素值
2.实例代码
import cv2
import numpy as np
img = cv2.imread('image1.jpg',1)
cv2.imshow('src',img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,3),np.uint8)
for i in range(4,height-4):
	for j in range(4,width-4):
        array1 = np.zeros(8,np.uint8)
        for m in range(-4,4):
            for n in range(-4,4):
                p1 = int(gray[i+m,j+n]/32)#得到当前像素在哪个等级段中
                array1[p1] = array1[p1]+1#将当前像素值进行累加
        currentMax = array1[0]#array1中哪一个等级段获取的像素值最多
        l = 0#记录是哪一个段
        for k in range(0,8):
            if currentMax<array1[k]:
                currentMax = array1[k]
                l = k
        #统计均值
        for m in range(-4,4):
            for n in range(-4,4):
                if gray[i+m,j+n]>=(l*32) and gray[i+m,j+n]<=((l+1)*32):#如果像素值在某一个灰度段中，则将该像素取出
                	(b,g,r) = img[i+m,j+n]
        dst[i,j] = (b,g,r)
cv2.imshow('dst',dst)
cv2.waitKey(0)

在这里插入图片描述

十一.线段绘制

1.开发思路
  • 绘制空白模板
  • 使用cv2.line()绘制线段
    • 参数1：目标图片数据
    • 参数2：线段起始位置
    • 参数3：线段终止位置
    • 参数4：当前颜色
    • 参数5：线条宽度
    • 参数6：线条类型
2.实例代码
import cv2
import numpy as np
newImageInfo = (500,500,3)#(宽,高,彩色RGB)
dst = np.zeros(newImageInfo,np.uint8)
#绘制线段
cv2.line(dst,(100,100),(400,400),(0,0,255))#参数1:目标图片数据；参数2:线段起始位置；参数3:线段终止位置；参数4:当前颜色
cv2.line(dst,(100,200),(400,200),(0,255,255),20)#参数5:线条宽度
cv2.line(dst,(100,300),(400,300),(0,255,0),20,cv2.LINE_AA)#参数6：线条类型,cv2.LINE_AA比没有设置该类型的边线更光滑；额
#绘制三角形(即闭合的三条线段)
cv2.line(dst,(200,150),(50,250),(25,100,255))
cv2.line(dst,(50,250),(400,380),(25,100,255))
cv2.line(dst,(400,380),(200,150),(25,100,255))

cv2.imshow('dst',dst)
cv2.waitKey(0)

在这里插入图片描述

十二.矩形圆形任意多边形绘制

1.开发思路
  • 绘制矩形cv2.rectangle()
    • 参数1：目标图片；参数2：左上角坐标；参数3：右下角坐标；参数4：颜色填充；参数5：表示内容是否要填充，-1表示需要填充，大于0则表示线条宽度
  • 绘制圆形cv2.cicle()
    • 参数1：目标图片；参数2：表明圆心；参数3：半径；参数4：表示内容是否要填充，-1表示需要填充，大于0则表示线条宽度
  • 绘制椭圆形cv2.ellipse()
    • 参数1：目标图片；参数2：表明圆心；参数3：表明轴的长度(长轴、短轴)；参数4：偏转角度；参数5：圆弧起始角度；参数6：圆弧终止角度；参数7：颜色填充；参数8：表示内容是否要填充，-1表示需要填充，大于0则表示线条宽度 #绘制任意多边形
2.实例代码
import cv2
import numpy as np
newImageInfo = (500,500,3)
dst = np.zeros(newImageInfo,np.uint8)
#绘制矩形
cv2.rectangle(dst,(50,100),(200,300),(255,0,0),-1)#参数1：目标图片；参数2：左上角坐标；参数3：右下角坐标；参数4：颜色填充；参数5：表示内容是否要填充，-1表示需要填充，大于0则表示线条宽度
#绘制圆形
cv2.circle(dst,(250,250),(50),(0,255,0),2)#参数1：目标图片；参数2：表明圆心；参数3：半径；参数4：表示内容是否要填充，-1表示需要填充，大于0则表示线条宽度
#绘制椭圆形
cv2.ellipse(dst,(256,256),(150,100),0,0,180,(255,255,0),-1)#参数1：目标图片；参数2：表明圆心；参数3：表明轴的长度(长轴、短轴)；参数4：偏转角度；参数5：圆弧起始角度；参数6：圆弧终止角度；参数7：颜色填充；参数8：表示内容是否要填充，-1表示需要填充，大于0则表示线条宽度
#绘制任意多边形
points = np.array([[150,50],[140,140],[200,170],[250,250],[150,50]],np.int32)
points = points.reshape((-1,1,2))#实现维度转换
cv2.polylines(dst,[points],True,(0,255,255))
cv2.imshow('dst',dst)
cv2.waitKey(0)

在这里插入图片描述

十三.文字图片绘制

1.思路设计
  • 绘制文字
    • 使用cv2.putText()绘制文字
  • 绘制图片
    • 使用cv2.resize(源图片,(宽,高))重置图片大小
2.实例代码
  • 绘制文字
import cv2
import numpy as np
img = cv2.imread('image0.png',1)
font = cv2.FONT_HERSHEY_SIMPLEX#定义字体
cv2.rectangle(img,(150,100),(300,200),(0,255,0),3)
cv2.putText(img,'this is flow',(100,200),font,1,(200,100,255),2,cv2.LINE_4)#参数1：目标图片；参数2：文字内容；参数3：写入的坐标；参数4和参数5：字体和字体大小；参数6：颜色；参数7：粗细信息；参数8：线条类型
cv2.imshow('dst',img)
cv2.waitKey(0)

在这里插入图片描述

  • 绘制图片
import cv2
img = cv2.imread('image0.png',1)
height = int(img.shape[0]*0.2)
width = int(img.shape[1]*0.2)
imgResize = cv2.resize(img,(width,height))#重置图片宽高得到新矩阵
for i in range(0,height):
    for j in range(0,width):
        img[i+50,j+100] = imgResize[i,j]
cv2.imshow('dst',img)
cv2.waitKey(0)

在这里插入图片描述

汪喆_Jack
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
HTML5 Canvas鼠标绘制线条特效特效代码
03-20
在HTML5中，`<canvas>`元素提供了一个二维渲染上下文，可以用于绘制图像、文字、形状等。通过JavaScript的`canvas.getContext('2d')`方法，我们可以获取到2D渲染上下文，然后调用各种绘图方法，如`fillRect()`, `...
matlab图像增强分段线性函数_图像增强——线性变换
weixin_39821035的博客
11-30 3487
在传统的计算机视觉图像处理中，一般都有比较固定的处理步骤。当然这些步骤根据不同的图像处理要求，会有一定的变化。比如，对图像进行滤波、增强、分割、提取特征、统计等。其中的每一个步骤又涉及到很多不同的处理算法，每种算法的效果是不一样的。所以，我们要了解各种算法的原理以及针对每一种图像采用哪种算法的效果更好。这些需要长期的知识以及经验的积累。图像增强算法是图像处理的基础算法，刚开始接触图像处理的时候，一...
有关图像处理和机器学习的建议
像雾像雨又像风_的博客
03-19 3450
作者：ycszen链接：https://www.zhihu.com/question/51369979/answer/126568619来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。泻药。在跑算法的时候最适合答题了呢（害羞脸图像处理说到底是一门数学和实践结合的学科。所以要搞算法，数学基础必不可少，同时工程实践性的话，编程能力不能弱。二者不可偏废。我向来推崇以练促学，...
如何利用计算机视觉技术来制作科幻电影中酷炫的透明触摸屏
tunm的小笔记
09-27 4014
概述： 在这些年的科幻电影中，特效的发展越来越令人赏心悦目，沉醉不已。今天博主来和大家分享一下如何将电影中的特效在现实生活中实现一番！ 我们就拿电影中经常出现的透明触摸屏来做本篇主题吧！ 是不是经常在电影中看到类似这样的科技感爆棚的触摸屏？ 今天博主就来分享一下自己DIY透明触摸屏的过程 给几张做好的实例图
怎样调整计算机的视觉效果,Win7调节视觉效果达到性能平衡的方法
weixin_36214833的博客
07-25 1228
小编这里要跟大家分享的是关于在Win7系统下如何调节视觉效果，以达到性能平衡的方法，相信如今大部分人的电脑上都安装了win7系统，相对于windows目前现有的几款系统来说，window7是最稳定，最好用的了，但是也并不是每个人的电脑都可以完全适应win7系统的，一些早期配置如果比较低的电脑使用起来就会有些吃力，但又不想用回xp系统，怎么办呢，那我们就可以通过调节视觉效果来达到性能上的平衡，一起来...
H5 Canvas实现的雷电打出文字特效源码.zip
11-02
总之，"H5 Canvas实现的雷电打出文字特效"结合了Canvas的动态图形绘制能力和CSS3的样式增强功能，为网页开发提供了新的创意工具。通过学习和实践，我们可以进一步提升Web前端的开发技能，创造出更富吸引力的用户体验...
炫酷的光标丝带鼠标移动特效
06-01
在IT领域，网页动画效果是提升用户体验和视觉吸引力的重要手段之一。"炫酷的光标丝带鼠标移动特效"就是一种利用JavaScript技术和HTML5的Canvas元素来实现的创新交互设计。这种特效使得用户在网页上移动鼠标时，光标...
Canvas交互式三角形动画特效.zip
11-02
3. **CSS特效**：虽然主要动画效果是在Canvas上实现的，但CSS也可能用于辅助增强整个页面的视觉效果。例如，背景颜色过渡、阴影效果或者元素定位等，这些都可以通过CSS规则来设置，与Canvas动画相辅相成，提升整体...
html5 canvas粒子螺旋线条动画特效.zip
09-26
这个特效可能是为了增强网站的交互性和视觉吸引力，尤其适用于那些希望在网页上添加独特视觉元素的设计者。 首先，我们要理解HTML5 Canvas的基本概念。Canvas是一个基于矢量图形的画布，通过JavaScript来控制，可以...
图像处理（八）：线段检测之Hough变换
sinat_31425585的博客
11-27 4654
现阶段用最多的线段检测算法为Hough变换，对于Hough变换的原理部分已经有很多人写过，具体可以参考：点击打开链接，这里我总结一下理解Hough变换算法的难点。 一、直线表示方法： 1）最常用的方法为斜截式：y=kx+b，已知直线的斜率及y轴上的截距，即可确定一条参数。 2）Hough变换中参数方程：rho = x * cos(theta) + y * sin(theta)，原理部分一般都
常用的ICON图标网站
weixin_34075268的博客
07-11 176
http://www.iconfinder.com http://findicons.com/ 转载于:https://blog.51cto.com/yoyozozo/608335
图像增强的方法
lawenliu的专栏
11-08 5518
最近在做基于图像的文字和公式识别项目，在想是不是去噪及灰度化之后用NN效果会更好。下面是常用的增强方法，先罗列一下。 reference https://blog.csdn.net/m0_38007695/article/details/82718107 #!/usr/bin/python import cv2 as cv import numpy as np import matplotl...
计算机视觉相关科幻片,计算机视觉特效镜头对电影风格的影响
weixin_39902107的博客
07-10 1194
计算机视觉特效镜头的发展。使电影从叙事的模式向奇观电影的图像模式演变。这也是理性文化向快感文化的一种转变。奇观电影强调的是画面直接的视觉冲击力和快感效果。用画面直接打动观众的视觉。因此。用计算机所生成的特效镜头对于电影风格的影响是非常直接而广泛的。风格是组织电影技巧的形式系统，影片在创造自己的风格方面要依赖特定的技巧，而这些技巧由电影创作者在历史条件的限制里进行选择。视觉风格设计的目的是要表现深化...
【python】OpenCV—Scanner
bryant_meng
07-18 756
在OpenCV中，特别是在使用cv2.findContours函数时，返回的轮廓信息可能会根据OpenCV的版本（主要是3.x和4.x版本之间）而有所不同。请注意，如果你正在使用OpenCV 3.x，cv2.findContours实际上会返回三个值，但imutils.grab_contours函数会忽略第一个返回值（通常是原始图像，但在这个上下文中并不重要），并只返回轮廓列表。它接受一个轮廓（轮廓是一系列的点，通常通过边缘检测或轮廓查找算法获得）作为输入，并返回该轮廓的周长。显示原始图像和边缘检测图像。
C++【OpenCV】图片亮度色度归一化
hgaohr1021的博客
07-18 474
【代码】C++【OpenCV】图片亮度色度归一化。
【python】OpenCV—Coordinates Sorted Clockwise
bryant_meng
07-18 1028
调用 opencv 库，绘制轮廓的矩形边框，坐标顺序为右下→左下→左上→右上，我们实现一下转化为熟悉的 左上→右上→右下→左下 形式按照这样的顺序组织边界框坐标是执行透视转换或匹配对象角点(例如计算对象之间的距离)等操作的先决条件。
C++版OpenCV_03_图像增强
最新发布
qq_35732321的博客
07-21 131
图像增强
【基于C++与OpenCV实现魔方图像识别和还原算法】魔方色块识别
小雨的分享斋
07-18 741
使用Opencv识别魔方六面颜色
计算机图形图像技术：线段绘制算法与OpenGL实践
"《计算机图形图像技术》习题选讲.pdf" 这篇文档是湖南科技大学计算机图形图像技术课程的教案，由副教授王志喜编写。它包含了一部分习题及其解答，旨在帮助学生复习和理解课程内容。课程的核心知识点主要涉及计算机...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值