youcans的博客

【OpenCV 例程200篇 目录】更新日期：2022-05-04最新内容：170.图像分割之K均值聚类(https://blog.csdn.net/youcans/article/details/124550523)

youcans 的 OpenCV 学习课—10. 图像复原与重建本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。图像复原是对图像退化过程建模，并以图像退化的先验知识来恢复退化的图像。图像增强是一种主观处理，而图像复原是一种客观处理。本文提供上述各种算法的完整例程和运行结果。欢迎关注 『youcans 的 OpenCV 学习课』 系列，持续更新文章目录youcans 的 OpenCV 学习课—10. 图像复原与重建1. 图像退化/复原处理模型1.1 图像退化模型2.

频率域滤波是滤波器传递函数与输入图像的傅里叶变换的对应像素相乘。频率域中的滤波概念更加直观，滤波器设计也更容易。使用快速傅里叶变换算法，比空间卷积运算速度快很多。本文提供上述各种算法的完整例程和运行结果，并通过一个应用案例示范综合使用多种图像增强方法。频率域低通滤波器

本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。频率域图像处理先将图像进行傅里叶变换，然后在变换域进行处理，最后进行傅里叶反变换转换回空间域。频率域滤波是滤波器传递函数与输入图像的傅里叶变换的对应像素相乘。频率域中的滤波概念更加直观，滤波器设计也更容易。使用快速傅里叶变换算法，比空间卷积运算速度快很多。本文提供上述各种算法的完整例程和运行结果。

本系列面向小白，从零开始实战解说 OpenCV 项目实战。图像滤波是在尽可能保留图像细节特征的条件下对目标图像的噪声进行抑制，是常用的图像预处理操作。空间域图像增强的方法很多，各有不同的特点和作用。本节介绍空间域滤波的平滑（低通滤波）和锐化（高通滤波）方法。常用的平滑算法有高斯平滑、均值平滑、中值平滑、双边滤波、导向滤波等；常用的锐化算法有钝化掩蔽、拉普拉斯算子、Sobel梯度算子和 Scharr 梯度算子。本文提供上述各种算法的完整例程和运行结果，并通过一个应用案例示范综合使用多种图像增强方法。

本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。本节介绍图像的加法、叠加与混合，提供完整例程和运行结果：加法运算，加权加法，图像混合、切换、遮罩、叠加，添加文字。详细介绍综合运用图像阈值处理、图像掩模、位操作和图像加法的操作是基于掩模和位运算实现图像叠加的方法。

本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。OpenCV 中图像的数据结构是 ndarray 多维数组，对图像的任何操作本质上都是对 ndarray 多维数组的操作和运算。本节介绍图像的格式和 Numpy 方法图像处理，提供完整例程和运行结果：查看图像属性，像素读取与编辑，创建空白、黑色、白色、随机图像，图像复制，图像裁剪，ROI裁剪，图像拼接、图像通道的拆分与合并。...

youcans 的 OpenCV 学习课—2.图像读取与显示本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。本节介绍图像的读取、保存和显示。除基本方法和例程外，还给出了从网络读取图像、读取/保存中文路径图像、按指定大小显示图像、组合显示多个图像、通过 matplotlib 显示彩色和灰度图像的例程。

[youcans 的 OpenCV 学习课—1.安装与环境配置]本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。什么叫从零开始？从软件安装、环境配置开始。不跳过一个细节，不漏掉一行代码，不省略一个例图。

本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。几何变换是指对图像的位置、大小、形状、投影进行变换，是将图像从原始平面投影到新的视平面。本节介绍图像的几何变换，提供完整例程和运行结果：位置变换：平移，旋转，镜像；形状变换：缩放，扭变；投影变换：透视投影，平行投影；极坐标变换。

本系列面向 Python 小白，从零开始实战解说 OpenCV 项目实战。空间域的图像处理方法直接对图像的像素点进行处理，空间域图像处理技术主要是灰度变换和空间滤波。本节介绍图像的灰度变化与直方图处理，提供完整例程和运行结果：二值处理，反色变换，线性变换，分段线性变换，对比度拉伸，灰度级分层，非线性变换，直方图处理，直方图均衡化，直方图匹配，局部直方图处理，统计量增强，反向投影。