绪言
大家好哇,这里是第二篇的OpenCV学习日记,和上一篇是一脉相承的。
图像基本要素简介
图像有几个要素,像素、通道(色彩空间)是我们要研究基本的两个要素。
像素,也就是图像的最基本的单位,我们知道,图像是用矩阵存储在计算机当中的,而像素则是图像矩阵中最基本的矩阵单位。像素由通道的值决定颜色,因此,通道才是最基本的要素。而通道组成了色彩空间,下面我们来看一下常用的色彩空间:
1.灰度色彩空间
也就是我们常说的灰度图,灰度图的一大特点就是它所需的存储空间小(因为抛弃了色彩信息,大小直接就砍到1/3)。而我们常说的人脸识别,是不需要彩色信息的(因为我们只需要抽取基本特征)。
2.BGR色彩空间
也就是我们在日常生活中最常见到的三原色图。每一个像素点都由三原色的比例调配构成。而在OpenCV中使用BGR而不是使用我们最常用的RGB色彩空间。
3.HSV色彩空间
也就是在PS中最常用的图像三要素:色调、饱和度、亮度。
数学知识简介
我们知道,图像处理最需要的,就是卷积。而卷积,自然而然是数学知识。本篇将会介绍傅里叶变换和卷积操作,以确保读者可以有足够的数学储备。
图像处理中的数学
连续傅里叶变换
在用数学的严谨语言说明什么是傅里叶变换之前,我们先来用一个例子来简单地阐述一下傅里叶变换。
假设我们在听交响乐。并假设大提琴正在拉着A调(440Hz)基频的音调,这里就产生了一个频率440Hz的正弦波。(下面的图像没有按实际比例绘图 ,仅为说明)
然后,F调(880Hz)的钢琴声传来:
你的耳朵会自动进行傅里叶变换,你会听到这两个声音叠加起来的声波(正弦波的叠加是线性的):
所以你会听到一个非纯音,这个音是由这两个音叠加而成的。
好,我们管这个叫傅里叶级数。傅里叶级数的表达式为:
f(x)=a02+∑∞n=0(ancosnx+bnsinnx) f ( x ) = a 0 2 + ∑ n = 0 ∞ ( a n c o s n x + b n s i n n x )
其中
a0=1π∫π−πf(x)cosnxdx a 0 = 1 π ∫ − π π f ( x ) c o s n x d x
b0