图像处理
说明:唐宇迪老师资料视频整理——OPENCV学习
一、导入包
import cv2 #opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt#Matplotlib是RGB
二、灰度图
img=cv2.imread('./image/cat.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("img_gray", img_gray)
cv2.waitKey(0)
cv2.destroyAllWindows()
三、HSV
更改以下几个参数实现效果
- H - 色调(主波长)。
- S - 饱和度(纯度/颜色的阴影)。
- V值(强度)
hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
cv2.imshow("hsv", hsv)
cv2.waitKey(0)
cv2.destroyAllWindows()
四、图像阈值
图像阈值←详情点击这里
五、图像平滑
5.1、均值滤波
5.2、方框滤波
5.3、高斯滤波
5.4、中值滤波
5.5、对比效果
图像平滑 ←详情点击这里
六、形态学
6.1、腐蚀操作
6.2、膨胀操作
6.3、开运算和闭运算
6.4、梯度运算
6.5、礼帽与黑帽
形态学 ←详情点击这里
七、图像梯度
7.1、Sobel算子
7.2、Scharr算子
7.3、laplacian算子
7.4、对比
图像梯度←详情点击这里
八、边缘检测
8.1、高斯滤波器
8.2、梯度和方向
8.3、非极大值抑制
8.4、双阈值检测
8.5、代码检测结果
边缘检测←详情点击这里
九、图像金字塔
9.1、高斯金字塔:
9.2、拉普拉斯金字塔
图像金字塔←详情点击这里
十、轮廓
10.1、轮廓检测
10.2、轮廓特征
10.3、轮廓近似
轮廓←详情点击这里
十一、模板匹配
11.1、原理
11.2、单个模板匹配
11.3、多个模板匹配
模板匹配←详情点击这里
十二、直方图
12.1、原理
12.2、灰度图
12.3、彩色图
12.4、掩膜(mask)操作
12.5、直方图均衡化
12.6、自适应直方图均衡化
直方图←详情点击这里
十三、傅里叶变换
13.1、原理
13.2、OpenCV中的方法
13.3、示例
傅里叶变换 ←详情点击这里
十四、实战(信用卡数字识别)
信用卡数字识别 ←详情点击这里
十五、实战(文本扫描)
15.1、边缘检测
15.2、轮廓检测
15.3、透视变换
15.4、ocr识别
文本扫描←详情点击这里
十六、图像特征
16.1、harris角点检测
16.2、SIFT尺度不变特征转换
图像特征←详情点击这里
十七、特征匹配
17.1、Brute-Force蛮力匹配
17.2、随机抽样一致算法(RANSAC)
特征匹配←详情点击这里
十八、实战(全景图像拼接)
全景图像拼接←详情点击这里
十九、实战(停车场车位识别)
19.1、项目说明
19.2、图像预处理
19.3、训练神经网络
19.4、最终效果
停车场车位识别←详情点击这里
二十、实战(答题卡识别试卷)
20.1、预处理
20.2、轮廓检测
20.3、透视变换
20.4、阈值处理
20.5、轮廓检测(小)
20.6、筛选,排序,选项
答题卡识别试卷←详情点击这里
二十一、背景建模
21.1、帧差法
21.2、混合高斯模型
21.2.1、混合高斯模型学习方法
21.2.2、混合高斯模型测试方法
背景建模←详情点击这里
二十二、光流估计
22.1、原理
22.2、Lucas-Kanade 算法
光流估计←详情点击这里
二十三、DNN模块
23.1、背景
23.2、实现
DNN模块←详情点击这里
二十四、实战(目标追踪)
24.1、多目标(手动检测)追踪
24.2、多目标(自动检测)追踪
目标追踪←详情点击这里
二十五、卷积操作
25.1、预处理
25.2、手动卷积
25.3、OpenCV卷积
25.4、两种卷积对比
卷积操作←详情点击这里
二十六、人脸关键点定位
26.1、 模型选定
26.2、定义脸上部位
26.3、图片预处理
26.4、人脸检测
26.5、关键点定位
26.6、效果图
人脸关键点定位←详情点击这里
二十七、实战(疲劳检测)
疲劳检测←详情点击这里