![](https://img-blog.csdnimg.cn/20210822181603256.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
OpenCV
文章平均质量分 55
常见的传统方法来处理图像
深度菜鸡-达闻西
这个作者很懒,什么都没留下…
展开
-
plt和opencv显示区别
读入格式区别plt读入格式为RGBCV 读入格式为BGRimport cv2import matplotlib.pyplot as pltimg = cv2.imread('lena.jpg') #img bgrb, g, r = cv2.split(img)img2 = cv2.merge([r, g, b])# img2 rgbplt.subplot(121);plt.imshow(img)plt.subplot(122);plt.imshow(img2)plt.show(原创 2021-09-20 12:25:04 · 848 阅读 · 0 评论 -
openCV (七) 直方图和傅里叶变换 学习回顾记录
文章目录一、直方图(1) 图像均衡化二、傅里叶变换(1)低通滤波(2)高通滤波一、直方图语法:cv2.calcHist(images,channels,mask,histSize,ranges)- images:原图像格式为uint8或float32,当传入函数时需要用[]括起来使用;- channels: 同样用中括号括起来,告诉程序统计图像的直方图。如果是灰度图,就为[0],如果是彩色图像,传入参数为[0][1],[2]对应着BGR- mask:掩模图像。如果要统计整幅图想的直方图,为Non原创 2021-08-31 19:54:16 · 238 阅读 · 0 评论 -
openCV (六) 图像金字塔与轮廓检测 学习回顾记录
文章目录一、图像金字塔(1)高斯金字塔(i)高斯金字塔向下采样(下采样)[缩小](ii)高斯金字塔向上采样(上采样)[放大](iii) 代码示例(2)拉普拉斯金字塔(i)代码示例二、轮廓检测(1)绘制轮廓(2)轮廓特征(1)面积(2)周长(3)轮廓近似(i)边界矩形(ii)外接圆三、模板匹配(i)单目标匹配(ii)多目标匹配一、图像金字塔在池化中,有一个金字塔池化,他们的意思都差不多,就是利用不同尺度大小的特征,而图像金字塔池化也是一样,对于一张图像而言,尺寸越小,包含的信息越多,相应的分辨率也会大大原创 2021-08-29 20:25:09 · 285 阅读 · 0 评论 -
openCV (五) 边缘检测 学习回顾记录
文章目录一、Canny 边缘检测(1)高斯滤波器(2)梯度和方向(3)非极大值抑制(Non-Maximum Suppression)(i)线性插值法(ii)简化方法(4)双阈值检测(Double-Threshold)二、代码示例一、Canny 边缘检测canny 边缘检测五个流程:- 使用高斯滤波器,用以平滑图像,滤除噪声。- 计算每个像素点的梯度强度和方向。- 应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测中带来的杂散响应。- 应用双阈值(Double-Th原创 2021-08-28 22:50:03 · 166 阅读 · 0 评论 -
openCV (四) 梯度计算 Sobel、Scharr、Laplacian 学习回顾记录
文章目录一、Sobel算子(1)程序演示(2)相加融合二、Scharr算子(1)程序演示(相加融合和上边一样)三、Laplacian 算子(1)程序演示四、三种方法的结果比较(1)原图(2)三种方法对比一、Sobel算子dst = cv2.Sobel(src,ddepth,dx,dy,ksize)- ddepth:图像的深度- dx和dy 分别表示水平和数值方向- ksize是Sobel算子的大小 (1、3、5、7) 简单理解,Sobel算子可以在两个方向上进行梯度计算,对应的原创 2021-08-27 22:21:39 · 285 阅读 · 1 评论 -
openCV (三) 图像形态学操作 学习回顾记录
文章目录一、腐蚀操作cv2.erode(img,kernel,iterations)二、膨胀操作cv2.dilate(img,kernel,iterations)三、开运算和闭运算(1)开运算:先腐蚀,在膨胀(2)先膨胀,在腐蚀四、梯度运算(1)梯度 = 膨胀-腐蚀五、礼帽和黑帽(1)礼帽(2)黑帽一、腐蚀操作cv2.erode(img,kernel,iterations)img = cv2.imread('dige.jpg')kernel1 = np.ones((3,3))erosion =原创 2021-08-25 23:43:49 · 167 阅读 · 0 评论 -
openCV (二) 阈值与平滑处理 回顾总结
文章目录一、图像阈值二、图像平滑(1)均值滤波(2)方框滤波(3)高斯滤波(4)中值滤波一、图像阈值ret,dst = cv2.threshold(src,thresh,maxval,type)- src: 输入图,只能输入单通道图像,通常来说为灰度图- dst:输出图- thresh: 阈值 (通常为 127,255的一半)- maxval: 当像素值超过了阈值(或者小于阈值,根据type来判定),所赋予的值- type : 二值化操作类型,包含了一下五中类型- cv2.THRES原创 2021-08-25 23:29:09 · 173 阅读 · 0 评论 -
openCV (一) 图像的基本操作 学习回顾记录
文章目录图像基本操作一、图像读取cv2.imread( )二、图像显示读取灰度图像图像基本操作一、图像读取cv2.imread( )- cv.IMREAD_COLOR:彩色图像- cv2.IMREAD_GRAYSCALE:灰色图像- 读取的格式是 BGR- img.shape H、W、Cimport cv2 # opencv 读取格式是 BGRimport matplotlib.pyplot as pltimport numpy as npimg = cv2.imread(原创 2021-08-24 23:07:03 · 1207 阅读 · 1 评论