个人学习精选
详细记录学习过程,并分享学习心得
一闪_酬勤
这个作者很懒,什么都没留下…
展开
-
个人学习向-opencv3 图像梯度,边缘检测
我们可以使用3×33 \times 33×3 的卷积核来进行图像求导:Gy′=[+1+2+1000−1−2−1]∗IGx′=[+10−1+20−2+10−1]∗I {G}'_{y}={ \begin{bmatrix}+1&+2&+1\\0&0&0\\-1&-2&-1\end{bmatrix}}*\mathbf {I} \qquad {G}'_{x}={\begin{bmatrix}+1&0&-1\\+2&0&-2\\+1&a原创 2020-05-15 22:42:31 · 234 阅读 · 0 评论 -
个人学习向——opencv-1图像基本操作
1.图像数据读取import cv2 #opencv读取的格式是BGRimport matplotlib.pyplot as pltimport numpy as np %matplotlib inline img=cv2.imread('5cm.jpg')img.shape(1080, 1920, 3)可以看到得到结果是一个三维矩阵,其中第3维分别为图片的B,G,R下面显示图像#图像的显示,也可以创建多个窗口cv2.imshow('image',img) # 等待时间,毫秒级,原创 2020-05-11 23:43:18 · 157 阅读 · 0 评论 -
个人学习向——opencv-2图像变换、阈值、平滑
1 彩色图像变换gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)cv2.cv2.cvtColor(src, code[, dst[, dstCn]])该函数为转换图片的色彩空间,参数说明:src:图片的numpy数组输入,dst:输出图片,一般不用code:目的色彩空间,这个参数实在太多,不能一一列举dstCn:目的图片的通道,一般默认 返回值:灰度图片的数组原创 2020-05-12 22:50:04 · 334 阅读 · 0 评论