weixin_42272768的博客

cv2的HoughCircles函数的用法。不同的param1和param2参数对检测结果影响很大

介绍cv2的accumulate函数族

matplotlib的imshow函数在显示灰度图像的时候要设置vmin和vmax2个函数

十三种基于直方图的图像全局二值化算法实现

三角法计算阈值分割图像的分析以及Python实现，并与cv2的threshold函数cv2.THRESH_TRIANGLE参数进行了比较。二者的结果完全一致。

阈值图像分割的7种方法之固定阈值和双峰法

CV2 Sobel算子Sobel算子Sobel算子生成1. Sobel算子的数学基础（大部分内容来源于第一个链接）距离的3种数学描述Sobel算子Sobel算子是在Prewitt算子基础上增加了权重。典型的Prewitt算子为：2个算子分别对应x方向和y方向的差分。Sobel算子在Prewitt算子的基础上增加了权重。其典型的算子为：关于Sobel算子的生成有2种不同的解释。见本文第二部分Sobel算子生成Sobel算子的生成有2种解释：一种方法是数学方法。链接中有详细的描述。另外一种是基

grabcut是一个非常实用的提取图像前景的算法。该方法是一种基于图切割的图像分割方法，是基于graph cut算法的改进。grabcut是需要少量用户交互操作。简单的说，就是需要用户指定要识别的区域。opencv中提供了grabcut函数，直接调用就可以实现图像前景的提取。该函数的说明如下： mask, bgdModel, fgdModel = cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None)参数说明：

CV2提供了提取图像边缘的函数canny。其算法思想如下： 1. 使用高斯模糊，去除噪音点（cv2.GaussianBlur） 2. 灰度转换（cv2.cvtColor） 3. 使用sobel算子，计算出每个点的梯度大小和梯度方向 4. 使用非极大值抑制(只有最大的保留)，消除边缘检测带来的杂散效应 5. 应用双阈值，来确定真实和潜在的边缘 6. 通过抑制弱边缘来完成最终的边缘检测Canny函数的定义如下：edge = cv2.Canny(image,

adaptiveThreshold是threshold的进阶版本。threshold只是简单的把图像的像素根据阈值区分，这样的区分比较粗糙。可能会导致图像的信息与特征完全无法提取，或者漏掉一些关键的信息。比如这个图片：使用cv2.threshold来处理，是无法有效去除背景的。而使用adaptivThreshold就有效的多：虽然人物的信息丢失了很多，但是背景基本上被去掉了。丢失的人物的信息可以通过位运算等恢复。在去除背景提取前景方面，自适应阈值函数要有效很多。自适应阈值算法的核心是将图像分割

cv2中的阈值相关函数有：普通阈值函数threshold自适应阈值函数adaptivthreshold首先介绍简单阈值函数：cv2.threshold(src, thresh, maxval, type[, dst])，返回值为retval, dst其中：src是灰度图像thresh是起始阈值maxval是最大值type是定义如何处理数据与阈值的关系。有以下几种：选项像素值>thresh其他情况cv2.THRESH_BINARYmaxval0cv2

图像处理中去除背景是一个很古老的话题。比如在图像识别中，就需要去除背景，保留感兴趣的部分。去除背景的算法有：1）掩膜进行位运算2）使用grabcut3）边缘提取4）轮廓检测+填充法5）使用HSV颜色空间颜色区域提取的方法，提取出前景或者背景。在此文中有比较好的描述，大家可以参考提取前景方法 一文首先实现第一种情况，也是最简单的情况：单一颜色背景。所谓单一颜色背景的颜色并不是一种，因为相近的颜色很多。好在这些可以通过算法加以区别。单一颜色背景可以通过简单的去除相近颜色的方法实现，前面的文章已经