阿里云专家博主、数据科学领域优质创作者、统计er在读

为了寻找尺度空间的极值点，每个像素点要和其图像域（同一尺度空间）和尺度域（相邻的尺度空间）的所有相邻点进行比较，当其大于（或者小于）所有相邻点时，该点就是极值点。如下图所示，中间的检测点要和其所在图像的。

OCR（即光学字符识别）是识别图像中的文本并将其转换为电子形式的过程。这些图像可以是手写文本、打印文本（如文档、收据、名片等），甚至是自然场景照片。简单来说，OCR 有两个部分。第一部分是文本检测，确定图像内的文本部分。第二部分文本识别，从图像中提取文本。结合使用这些技术可以从任何图像中提取文本。具体的流程如下图所示OCR 在各个行业都有广泛的应用（主要目的是减少人工操作）。它已经融入我们的日常生活，并且有很多的应用。背景：我们有一张随手拍的发票照片如下，我们希望识别出文档信息并扫描思考。

接下来我们正式进入项目实战部分，这一章要介绍的是一个信用卡号识别的项目。首先，我们来明确一下研究的问题，假设我们有一张信用卡如下所示，我们要做的就是识别出这上面卡号信息，然后会输出一个序列，第一个序列就是4020，第二序列是3400，第三个序列0234，第四个序列5678，也就是说此时我们不光是把这个数输出来，我们还要知道对应的位置。之前我们已经介绍了Opencv的各种图像基本操作，例如形态学操作、模板匹配、轮廓检测。

直方图是一种用于可视化数据分布的图表形式，它显示了数据在各个数值范围内的频率或数量。直方图可以帮助我们了解数据的分布情况、寻找异常值和识别数据模式。在计算机视觉中，直方图也经常用于图像处理和分析。通过统计图像中不同灰度级别的像素数量，可以获得图像的灰度分布，进而进行图像增强、对比度调整、颜色校正等操作。

我们介绍了如何进行图形轮廓的检测、特征计算、轮廓近似处理。轮廓是由连续的曲线或边界组成的，能够准确地描述目标的形状。轮廓可以用于目标的识别、分类和形状分析。轮廓可以通过计算形状的特征（如面积、周长、重心等）来获取更多的信息。可以使用图像轮廓进行图像分割、边缘检测和图像增强等任务。🔎！《Opencv入门到项目实战》

图像金字塔可以将原始图像分解为一系列层级的图像，每个层级都代表了不同尺度的细节信息。比如说我们要做一些图像特征提取，在进行特征提取的时候，我们不仅仅对一张原始输入进行特征提取，而是在图像金字塔每一层当中都进行特征提取，而每一层特征提取出来的结果是不一样的，我们再把特征提取出来的结果融合在一起。

在上一篇文章中，我们介绍了图像的梯度结算来检测图像边缘，但是我们之前只是检验了大小，不知道具体方向。具体做法是检查梯度幅值沿着梯度方向上的两侧像素，如果当前像素的梯度幅值最大，则将其保留为边缘像素，否则将其抑制为非边缘像素。我们现在来讨论一下这两个参数的影响，当minval设置的越小，我们能检测到的边缘就越多，当maxval设置的越大，我们能检测到的边缘就越少。在经过高斯滤波后的图像上，使用Sobel算子或其他梯度算子计算图像的梯度大小和方向，表示图像中每个像素的灰度变化率和方向。的一半或者是三分之一。

Opencv实现Sobel算子、Scharr算子、Laplacian算子

腐蚀操作是图像处理中常用的一种形态学操作，我们通常用于去除图像中的噪声、分割连通区域、减小目标物体的尺寸等。腐蚀操作的原理是，在给定的结构元素下，遍历图像的每个像素，并将其值替换为该像素周围邻域内像素的最小值。可以看到，这些斜线变得很浅，因为被他周围的黑色所影响，并且原始图像的字母也变得更小了，因为腐蚀操作减少了一部分信息。通过使用礼帽和黑帽操作，可以突出图像中细微的亮或暗结构，或者检测背景中的亮或暗区域。我们在上面的腐蚀操作中，在。的值，来增加迭代次数，迭代的次数越多，则腐蚀的越严重，具体结果如下。

在图像处理中，阈值处理和平滑处理都是对图像预处理常用的技术，接下来我们讨论一下在opencv如何对一个图形进行阈值和平滑处理

OpenCV是一个强大的计算机视觉库，它提供了丰富的函数和工具，可用于图像处理、特征提取、目标检测、机器学习等各种计算机视觉任务。我们主要介绍了Opencv环境配置、基本的图像和视频读取、读取感兴趣的部分图像、图像填充、以及在Opencv中的基本数值计算和图像融合。