openCV(一)

图像采样与分辨率

• 采样后得到离散图像的尺寸称为图像分辨率。分辨率是数字图像可辨别的最小细节。
• 分辨率由宽（width）和高（height）两个参数构成。宽表示水平方向的细节数，高表示垂直方向的细节数。
• 例如：

一副640*480分辨率的图像，表示这幅图像是由
	640*480=307200个点组成。
一副1920*1080分辨率的图像，表示这幅图像是由
	1920*1080= 2073600个点组成。

• 采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。

灰度图

• 单通道的数字图像被称为灰度图。通常，单通道记录了采样点的亮度信息，0表示最暗（黑色），255表示最亮（白色）。

彩色图像

• 为了表征彩色图像，我们需要使用多通道数字图像。最普遍的方式是使用RGB颜色空间。RGB颜色空间中每个像素点有三个维度，分别记录在红（Red）、绿（Green）、蓝（Blue）三原色的分量上的亮度。
• 另一种常用的颜色空间是HSV，该颜色空间可以用一个圆锥来表示。 HSV表示色相(hue)、饱和度(saturation)和亮度(value)。 H表示颜色的相位角(hue) 取值范围是0—360；S表示颜色的饱和度(saturation) ，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率；V表示色彩的明亮程度(value) ，范围从0到1。
  
• YUV：亮度信号Y和两个色差信号R－Y、B－Y，最后发送端将亮度和色差三个信号
  分别进行编码。采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分
  离的。如果只有Y信号分量而没有U、V分量，那么这样表示的图就是黑白灰度图。
• RGB，HSV，YUV可以进行颜色空间转化，通常图像处理库会提供颜色空间变化的API给用户调用。

常用图像处理技术

• 色彩处理

灰度化：将彩色图像转换为灰度图像
二值化/反二值化：将灰度图像转换为只有两种颜色的图像
色彩提取：提取指定的颜色
直方图均衡化：调节图像统计直方图分布
亮度、饱和度、色调调整

• 形态相关操作

仿射变换：旋转、平移
缩放、裁剪
图像相加、相减
透视变换
图像腐蚀、膨胀、形态学梯度

• 色彩梯度

模糊
锐化
边沿检测

• 轮廓处理

轮廓查找、绘制
绘制矩形、圆型、椭圆包围
多边形拟合

亮度调整：对HSV空间的V分量进行处理可以实现对图像亮度的增强。
饱和度调整：对HSV空间的S分量进行处理可以实现对图像饱和度的增强。饱和度的调整通常是在S原始值上乘以一个修正系数。修正系数大于1，会增加饱和度，使图像的色彩更鲜明； 修正系数小于1，会减小饱和度，使图像看起来比较平淡。
色调调整：对HSV空间的H分量进行处理可以实现对图像色调的增强。色相的调整通常在H原始值上加上一个小的偏移量，使其在色相环上有小角度的调整。调整后，图像的色调会变为冷色或者暖色。

二值化与反二值化

• 二值化阈值处理是将原始图像处理为仅有两个值的二值图像，对于灰度值大于阈值t
  的像素点，将其灰度值设定为最大值。对于灰度值小于或等于阈值的像素点，将其
  灰度值设定为0。
• 反二值化阈值处理的结果也是仅有两个值的二值图像，对于灰度值大于阈值的像素
  点，将其值设定为0；对于灰度值小于或等于阈值的像素点，将其值设定为255。
• 这个二值化就是在灰度图像的基础上进行去设置，0(黑色)，255(白色)

直方图均衡化

• 灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵
  坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。反映了图像灰度分布的情况。
• 使用直方图均衡化，修改图像中各像素的灰度值，达到增强图像视觉效果的目的，直方图变化综合考虑了全图的灰度值分布。
• 直方图均衡化将原始图像的直方图，即灰度概率分布图，进行调整，使之变化为均
  衡分布的样式，达到灰度级均衡的效果，可以有效增强图像的整体对比度。
• 能够对图像过暗、过亮和细节不清晰的图像得到有效的增强。

仿射变换

• 仿射变换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。该变
  换能够保持图像的平直性和平行性。平直性是指图像经过仿射变换后，直线仍然是
  直线；平行性是指图像在完成仿射变换后，平行线仍然是平行线。

透视变换

• 透视变换是将图片投影到一个新的视平面，也称作投影映射．它是二维（x,y）到三
  维(X,Y,Z)，再到另一个二维(x’,y’)空间的映射．相对于仿射变换，它提供了更大的灵活性，将一个四边形区域映射到另一个四边形区域（不一定是平行四边形）．透视变换可用于图像形状校正。

图像的算术运算

图像的加法：图像加法可以用于多幅图像平均去除噪声，图像加法实现水印的叠加。
图像的减法：图像减法是找出两幅图像的差异，可以在连续图像中可以实现消除背
景和运动检测

图像的缩放

缩放（image scaling）：是指对数字图像的大小进行调整的过程。将分辨率为$(w,h)$
的图像，缩放为$(w^{\prime },h^{\prime })$的图像，水平方向系数为$Sx=w^{\prime }/w$, 垂直方向缩放系数为$Sy=h^{\prime }/h$。缩放变换矩阵为

图像的缩小：可以通过删除矩阵中的元素来实现，例如隔行、隔列删除后，高度、宽度均减小为原来的一半。
图像的放大：图像放大需要进行像素插入，常用的插值法有最邻近插值法和双线性插值法
–最邻近插值法：直接使用新的像素点$（x^{\prime },y^{\prime }）$最近的整数坐标灰度值作为该点的值，该方法计算量小，但精确度不高，并且可能破坏图像中的线性关系–双线性插值法：使用新的像素点$(x^{\prime },y^{\prime })$最邻近的四个像素值进行插值计算，假设为$(i,j),（i+1,j）(i,j+1),(i+1,j+1),则u=x^{\prime }-i,v=y^{\prime }-j$