图像处理OpenCV&Python
一只丁小丁呐
day day up up up
展开
-
滤波【OpenCV&Python】
添加椒盐噪声import cv2 as cvimport numpy as npdef rgb2gray(img): h=img.shape[0] w=img.shape[1] img1=np.zeros((h,w),np.uint8) for i in range(h): for j in range(w): img1[i,j]=0.144*img[i,j,0]+0.587*img[i,j,1]+0.299*img[i,j,2原创 2020-07-14 10:12:35 · 223 阅读 · 0 评论 -
Canny边缘检测【OpenCV&Python】
Canny边缘检测0 引言1 Canny边缘检测基础1.1 应用高斯滤波去除图像噪声1.2 计算梯度1.3 非极大值抑制1.4 应用双阈值确定边缘2 Canny函数及使用0 引言参考书籍 《OpenCV轻松入门——面向Python》李立宗著,电子工业出版社出版Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法。1 Canny边缘检测基础首先介绍一下Canny边缘检测的步骤:1、去噪。2、计算梯度的幅度与方向。3、非极大值抑制,即适当地让边缘“变瘦”。4、确定边缘。使用双阈值法确定最原创 2020-07-14 10:02:30 · 356 阅读 · 1 评论 -
图像轮廓(三)【OpenCV&Python】
图像轮廓(三)0 引言1 宽高比 AspectRation2 面积之比 Extend3 Solidity4 等效直径(Equivalent Diameter)5 方向6 掩模和像素点6.1 使用Numpy函数6.2 使用OpenCV函数获取轮廓点7 最大值和最小值及它们的位置8 平均颜色及平均灰度9 极点????小小搬运工,一边搬运一边思考参考书籍 《OpenCV轻松入门——面向Python李立宗著,电子工业出版社出版0 引言本节将介绍几个轮廓自身的属性特征及轮廓所包围的对象。1 宽高比 Aspe原创 2020-07-14 09:56:30 · 292 阅读 · 0 评论 -
图像轮廓(二)【OpenCV&Python】
图像轮廓(二)4 轮廓拟合4.1 矩形包围框4.2 最小包围矩形框4.3 最小包围圆形4.4 最优拟合椭圆4.5 最优拟合直线4.6 最小外包三角形4.7 逼近多边形????小小搬运工,一边搬运一边思考参考书籍 《OpenCV轻松入门——面向Python李立宗著,电子工业出版社出版4 轮廓拟合在计算轮廓时,可能并不需要实际的轮廓,而仅仅需要一个接近轮廓的近似多边形。4.1 矩形包围框函数cv2.boundingRect()能够绘制轮廓的矩形边界,该函数的语法格式为:retval = cv2.b原创 2020-07-14 09:48:47 · 417 阅读 · 0 评论 -
图像轮廓(一)【OpenCV&Python】
图像轮廓????小小搬运工,一边搬运一边思考参考书籍 《OpenCV轻松入门——面向Python李立宗著,电子工业出版社出版原创 2020-07-14 09:40:06 · 655 阅读 · 0 评论 -
图像梯度【OpenCV&Python】
图像梯度0 引言0 引言参考书籍 《OpenCV轻松入门——面向Python》李立宗著,电子工业出版社出版原创 2020-07-14 09:33:22 · 514 阅读 · 0 评论 -
K近邻算法【OpenCV&Python】
机器学习算法是从数据中产生模型,也就是进行学习的算法。我们把经验提供算法,它能够根据经验数据产生模型。在面对新的情况时,模型就会为我们提供判断结果。从数据中学得模型的过程称为学习(Learning)或者训练(Training),在训练过程中所使用的数据称为训练数据,其中的每个样本称为训练样本,训练样本所组成的合集称为训练集。当然,如果希望获得一个模型,除了有数据还需要给样本贴上标签(Label)...原创 2020-07-01 21:37:43 · 507 阅读 · 0 评论 -
支持向量机【OpenCV&Python】
支持向量机0、引言1、理论基础1.1 分类1.2 分类器1.3 将不可分变为可分1.4 概念总结2、案例介绍2.1 生成模拟数据2.2 构造分组标签2.3 训练2.4 分类2.5 显示分类结果2.6 完整程序2.7 运行结果0、引言支持向量机(Support Vector,SVM)是一种二分类模型,目标是寻找一个标准(称为超平面),从而对样本数据进行分割。支持向量机是最好的现成分类器之一,这里所谓的“现成”是指分类器不加修改即可使用。分割的原则是确保分类最优化(类别之间的间隔最大)。当数据集较小时,原创 2020-07-01 21:20:42 · 417 阅读 · 0 评论 -
图像运算(二)【OpenCV&Python】
图像运算(二)3、按位逻辑运算3.1 按位与运算3.2 按位或运算3.3 按位非运算3.4 按位异或运算3、按位逻辑运算逻辑运算是一种非常重要的运算方式,本节主要介绍penCV中的按位逻辑运算,简称位运算。常见的位运算如下表所示。函数名基本含义cv2.bitwise-_and()按位与cv2.bitwise-_or()按位或cv2.bitwise-_xor()按位异或cv2.bitwise-_not()按位取反3.1 按位与运算类比电路,与运算即原创 2020-06-18 21:28:19 · 226 阅读 · 0 评论 -
图像运算(一)【OpenCV&Python】
图像运算(一)1、加法运算1.1 加号运行算符1.2 cv2.add()函数2、图像加权和本章主要介绍了加法运算、位运算,并使用它们实现了位平面分解、图像异或加密、数字水印、脸部打码/解码等实例。1、加法运算在图像处理过程中,经常需要对图像进行加法运算。实现加法运算主要有两种方式,一种通过**加法运算符“+”,另一种是通过cv2.add()函数**对图像进行加法运算。1.1 加号运行算符使用加号运算符时,遵循以下规则:a+b=a+b,a+b≤255a+b= a+b,a+b≤255a+b=a+b,原创 2020-06-17 21:42:05 · 178 阅读 · 0 评论 -
图像处理基础(二)【OpenCV&Python】
图像处理基础(二)写在前面的话✨4、感兴趣区域(ROI)写在前面的话✨????????????先从小小搬运工开始吧!(接上篇)参考书籍 《OpenCV轻松入门——面向Python李立宗著,电子工业出版社出版4、感兴趣区域(ROI)感兴趣区域(Region of Interest),在设定感兴趣区域后,就可以对该区域进行整体操作。例如,将一个感兴趣区域A赋值给变量B后,可以将变量B赋值给另一个区域C,从而达到在区域C内复制区域A的目的。a = img[200:400,200:400]img[2原创 2020-06-11 20:34:41 · 234 阅读 · 0 评论 -
图像处理基础(一)【OpenCV&Python】
图像处理基础(一)写在前面的话✨图像的基本表示方法二值图像灰度图像彩色图像像素处理二值图像及灰度图像写在前面的话✨主要介绍图像的基本表示方法、像素的访问和操作、感兴趣区域处理、通道处理等知识点。使用的是面向Python的OpenCV,必须熟练掌握Numpy库,尤其是Numpy.array库。图像就是Numpy库中的一个数组。参考书籍**《OpenCV轻松入门——面向Python》**李立宗著,电子工业出版社出版图像的基本表示方法二值图像二值图像是指仅仅包含黑色(0) 和 **白色(1)**两种颜原创 2020-06-02 21:42:22 · 285 阅读 · 0 评论