OpenCV图像处理

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