【使用的函数集合】

weixin_51271831

已于 2022-03-02 22:03:51 修改

阅读量70

点赞数

文章标签：计算机视觉 opencv python

于 2022-03-01 22:12:00 首次发布

本文链接：https://blog.csdn.net/weixin_51271831/article/details/123212412

版权

本文介绍了OpenCV库中用于图像处理的一些关键函数，包括自适应阀值算法、中值滤波、HoughCircles找圆、掩膜操作、形态学变换、Shi-Tomasi角点检测以及读数算法。通过实例和参数调整，展示了这些函数在处理椒盐噪声、图像分割、圆检测和角点检测等任务中的应用。

摘要由CSDN通过智能技术生成

【使用的函数集合】
【1】自适应阀值算法——实现二值化
cv2.adaptiveThreshold

adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C) 
#返回二值化后的图像矩阵-> dst
src参数：表示输入图像（8位单通道图像）。
 
maxValue参数：表示使用 THRESH_BINARY 和 THRESH_BINARY_INV 的最大值.
 
adaptiveMethod参数：表示自适应阈值算法，平均 （ADAPTIVE_THRESH_MEAN_C）或高斯（ADAPTIVE_THRESH_GAUSSIAN_C）。
 
thresholdType参数：表示阈值类型，必须为THRESH_BINARY或THRESH_BINARY_INV的阈值类型。
 
blockSize参数：表示块大小（奇数且大于1，比如3，5，7........ ）。
 
C参数：常数，表示从平均值或加权平均值中减去的数。 通常情况下，这是正值，但也可能为零或负值。

一般情况下，blocksize过大会导致图像细节的丢失，过小虽然保存了图像细节，但是也使得运行的时间大幅增加，因此需要进行权衡。

一般情况。参数C是大于0的，C越大说明最后的阈值就会越小，这样导致的结果就是图像的大部分像素会被转换为亮域，即更多的像素点的灰度值大于阈值，被转化为255亮域。C越小时则恰恰相反
【2】中值滤波（参数可调）
中值模糊cv2.medianBlur
对椒盐噪声有很好的处理效果，椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）

参数设置可变

为3时
在这里插入图片描述

为5时在这里插入图片描述

【3】HoughCircles找圆（参数可调）
HoughCircles函数的原型为：

void HoughCircles(InputArray image,OutputArray circles, int method, double dp, double minDist, double param1=100, double param2=100, int minRadius=0,int maxRadius=0 )

image为输入图像，要求是灰度图像

circles为输出圆向量，每个向量包括三个浮点型的元素——圆心横坐标，圆心纵坐标和圆半径

method为使用霍夫变换圆检测的算法，Opencv2.4.9只实现了2-1霍夫变换，它的参数是CV_HOUGH_GRADIENT

dp为第一阶段所使用的霍夫空间的分辨率，dp=1时表示霍夫空间与输入图像空间的大小一致，dp=2时霍夫空间是输入图像空间的一半，以此类推

minDist为圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心

param1为边缘检测时使用Canny算子的高阈值

param2为步骤霍夫空间内累加和大于该阈值的点就对应于圆心。和步骤设定一个阈值，只有相同值的数量大于该阈值，才认为该值是该圆心对应的圆半径；中所共有的阈值。累加器阀值。

minRadius和maxRadius为所检测到的圆半径的最小值和最大值

【4】mask掩膜分割图像
mask与图像的位运算。
【5】形态学腐蚀膨胀
【6】Shi-Tomasi 算法，角点检测、goodFeaturesToTrack函数

void cv::goodFeaturesToTrack( InputArray _image, OutputArray _corners,
                              int maxCorners, double qualityLevel, double minDistance,
                              InputArray _mask, int blockSize,
                              bool useHarrisDetector, double harrisK )