![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
呼噜噜oo0
兴趣使然,平凡成就伟大!
展开
-
基于Python的Opencv的学习
基于Python的Opencv的学习第十五天最近一直忙于玩模型,给学习opencv抛到了脑后,其实博主不仅是一名opencv学习者,也是一名模型爱好者,在近几天继续给大家分享opencv的学习小总结。使用掩膜的直方图在上一篇博客讲到calcHist()函数中一个参数为mask,当时所说将详细介绍一下,现在就来看看这个参数如何使用。首先来了解一下掩膜是什么:看如下图所示:如图,掩膜为一幅图像,黑色为不透明,白色为透明(白色即我们所指定的区域),将掩膜图像对原始图像进行处理,则不透明部分被遮盖,透原创 2020-07-20 21:03:17 · 558 阅读 · 0 评论 -
Python安装和导入cv库
今天给大家讲述一下如何安装Python以及在学习Opencv时候需要的cv库的导入。Python的安装首先在官网下载Python的exe文件选择如图所示第二个Download下拉页面找到此处(因为我下载时候Python更新的比较新,所以选择最新的下载)目前大部分电脑都是64位操作系统,则选择如图标识那一项下载完成后,点击桌面上面的exe程序进行安装选择第二个,这样可以用来编辑安装的位置并且勾选第二个,这样就方便配置环境变量此处直接Next勾选第一个,然后重新选择安装位置看原创 2020-07-16 17:02:05 · 12624 阅读 · 3 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第十四天今天介绍一下直方图的知识点,来看看把。一.直方图基本概念直方图,众所周知类似于我们在小学就见过的柱形图,直方图有两个坐标,分别为横坐标和纵坐标。**横坐标:图像中各个像素点的灰度级(灰度级:就是图像中像素的值,如8位灰度图中,灰度级范围从0-255共256种灰度级)**纵坐标:具有该灰度级的像素个数根据得到的像素点的灰度级和具有该灰度级的像素个数两者可以组成一个直方图,看下图示例:除了上述直方图外,还有归一化直方图横坐标:图像中各个像素点的灰原创 2020-07-16 15:52:12 · 386 阅读 · 0 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第十三天今天只给小伙伴们讲一个重点内容:图像轮廓的相关知识。图像轮廓是什么?在之前介绍过图像边缘的知识,通过边缘检测能够测出边缘,但是得到的边缘不是连续的,而将边缘连接为一个整体,就能够构成轮廓。在求一个图像的轮廓时候,要注意以下问题:①该图像必须是二值图像,所以需要预先进行阈值分割或者边缘检测处理;②查找轮廓需要更改原始图像,因此,通常使用原始图像的一份拷贝操作;③在opencv中,是从黑色背景中查找白色对象。因此,对象必须是白色的,背景必须是黑色的。如图原创 2020-06-18 15:47:06 · 401 阅读 · 2 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第十二天图像金字塔1.理论基础图像金字塔指由同一图像构成的不同分辨率的子图集合。生成图像金字塔有两种方式,分别为:向下取样和向上取样。如下图所示:向下取样分辨率不断降低,图像依次变为原来的四分之一,像素不断变小。向下取样:缩小图像,由高分辨率到低分辨率。具体做法是,对图像Gi进行高斯核卷积(滤波),然后删除所有的偶数行和列。从第i层获取第i+1层(Gi–>Gi+1)原始图像MN——>>处理结果M/2N/2每次处理后,结果图像是原来的1/4原创 2020-06-14 10:47:16 · 289 阅读 · 0 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第十一天今天为大家先介绍一下laplacian算子,来结束图像梯度的内容,然后介绍一下canny边缘检测。一.laplacian算子laplacian算子类似于二阶的sobel导数,因为laplacian算子的卷积核不同,其卷积核如图:可以看到卷积核里面的系数同sobel算子和scharr算子不同。其中,laplacian算子的计算公式为:P5=(p2+p4+p6+p8)-4*p5来看示例:来对比一下三种算子:这里可以看到完全是因为三类算子其系数不同原创 2020-06-11 16:44:57 · 353 阅读 · 0 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第十天今天为大家介绍一下图像梯度的相关知识,先来看一下soble算子的内容。一.sobel算子1.sobel算子的理论基础sobel可以理解为计算不同方向的梯度。如图,我们可以采用中间的卷积核与原图像进行相乘,从而可以得到x方向的梯度。在这里,P5的x方向的梯度值可以用如下算式表示:P5x=(p3-p1)+2×(p6-p4)+(p9-p7)这里因为P4和P6两个值距离P5较近,所以提高比例为2。其实计算水平方向梯度就是选取卷积核右边的一列数减去左边的一列数,原创 2020-06-09 17:34:36 · 526 阅读 · 1 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第九天今天延续上一篇博客为大家讲一下形态学运算里面的梯度运算,礼帽操作和黑猫图像处理。一.梯度运算梯度运算就是在原始图像上,先经过膨胀操作得到膨胀图像,然后经过腐蚀操作,得到腐蚀图像,再利用得到的膨胀图像减去腐蚀图像得到的轮廓就是梯度操作。梯度(image)=膨胀(image)-腐蚀(image)梯度运算的结果是得到轮廓图像进行梯度运算时,我们需要调用函数morphologyEx()result=cv2.morphologyEx(img,cv2.MORPH_原创 2020-06-08 11:32:22 · 339 阅读 · 0 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第八天各位小伙伴大家好,今天我们来学习一下opencv中的形态学操作的相关内容,一起来看一下吧!一.图像腐蚀1.图像腐蚀的概念说到图像腐蚀,见字之意,即将一个大的部分腐蚀成一个小的部分,看一下下面的图片就可以了解清楚这里右侧白的小圆部分就是经过大圆的腐蚀而成的,即丢失了他的边缘,从而变小。来看官网里面介绍腐蚀的例子:这里我们可以看到这个原始图像经过腐蚀之后他的边缘变得更细了。来认识一下腐蚀:1.腐蚀属于形态学转换,主要针对的是二值图像2.有两个输入对象原创 2020-06-06 22:06:44 · 359 阅读 · 0 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第七天各位小伙伴,大家好。今天我们一起来学习一下对图像平滑处理的相关内容,一起来看一下吧!一.均值滤波对任意一点的像素值进行均值滤波,意思是选取周围N*N个像素值的均值。例如:红色点的像素值=蓝色背景区域像素值之和(这个和含红色值)除以25(即25个不同的值相加除以25后的值赋给红色区域)红色点的像素新值=((197+25+106+156+159)+(149+40+107+5+71)+(163+198+226+223+156)+(222+37+68+193+157原创 2020-06-04 10:25:40 · 462 阅读 · 1 评论 -
基于Python的Opencv学习
基于Python的Opencv学习第六天这是我学习Opencv的第六天,来看看今天给大家介绍的内容吧。阈值分割一.基础理论阈值很容易理解,就通俗来说就是一个标准,所有东西都得和这个标准进行比较,从而得到大于阈值和小于阈值两部分,然后再分别作出不同处理。这是Opencv官网上面一张图,接下来,我们将对这幅图进行介绍,来了解阈值几种不同的阈值分割。首先来看一下原始图像像素值分布图:其中纵坐标代表像素值的大小,从0~255,红色线代表着阈值,像素点的大小分布在阈值两侧,最大达到255,最小达到0原创 2020-06-03 21:07:58 · 476 阅读 · 1 评论