youcans的博客

机器学习广泛应用于数字图像处理和计算机视觉领域，是OpenCV中使用频率和增长速度都很高的模块。OpenCV在核心模块core、机器学习模块ml、深度学习模块dnn中提供了丰富的机器学习算法。本章介绍核心模块中的主成分分析、k均值聚类方法和机器学习模块中的k近邻算法、贝叶斯分类、支持向量机和人工神经网络。

特征检测与匹配是计算机视觉的基本任务，包括检测、描述和匹配三个相互关联的步骤。广泛应用于目标检测、图像检索、视频跟踪和三维重建等诸多领域。OpenCV提供了丰富的特征检测和匹配算法，不仅继承了cv::Feature2D 类，而且采用了统一的定义和封装。

方向梯度直方图（Histogram of Oriented Gradient，HOG）使用方向梯度的分布作为特征来构造描述符，应用非常广泛。HOG的基本思想：图像的局部特征可以用梯度幅值和方向的分布描述。HOG的基本方法是将图像划分成多个单元格，计算每个单元格的HOG，把每个单元格的HOG连接起来构造为HOG特征向量。

内容概要：介绍区域生长与分离和超像素区域分割算法。学习分水岭算法，实现图像分割。学习图割分割算法，实现图像分割。学习均值漂移算法，实现目标描述与定位。学习运动图像分割算法，如帧间差分法、背景差分法和密集光流法。

- 理解边缘检测的原理，学习使用梯度算子进行边缘检测。- 学习使用LoG算子、DoG算子和Canny算子进行边缘检测。- 学习查找轮廓的方法，绘制轮廓图像。- 介绍轮廓的属性、基本参数和形状特征。

以圆心为变换中心，直角坐标系中的圆周像素在极坐标系中显示为一条直线。本例程通过极坐标变换将环形图案变换到极坐标系，实现环形布局文字图案的校正。

形态学图像处理是基于形状的图像处理，基本思想是利用各种形状的结构元进行形态学运算，从图像中提取表达和描绘区域形状的结构信息。基于形态学的粒度测定，原理就是对于比背景亮且形状规则的颗粒，使用逐渐增大的结构元对图像进行开运算。

频域图像滤波是通过频域滤波器（传递函数）与图像的傅里叶变换相乘得到的。频域中的滤波概念更加直观，滤波器设计也更容易。本例程以理想低通滤波器为例，示范频域图像滤波的基本步骤。

图像滤波是指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，是常用的图像处理方法。高斯滤波器（Gaussian Filter）是以高斯核函数为权函数的滤波器，在信号和图像处理领域的应用非常广泛。

本章概要：学习图像的阈值处理方法，理解不同阈值对处理结果的影响。介绍利用图像局部特征的阈值处理方法，如自适应阈值处理和移动平均阈值处理。介绍HSV模型，学习基于HSV颜色范围的彩色图像阈值处理。

（1）本章学习图像的灰度直方图，理解灰度直方图的意义和作用；（2）本章介绍基于直方图统计量的图像处理方法，如直方图均衡化、直方图匹配、基于局部直方图统计量的图像增强和限制对比度自适应直方图均衡化

本章介绍：（1）图像的线性灰度变换，理解线性拉伸对灰度动态范围的影响。（2）常用的非线性灰度变换方法，如对数变换、幂律变换和分段线性变换。（3）通过灰度变换调整图像色阶，理解和校正图像的色调范围和色彩平衡。

手机或相机拍摄的照片，通常都存在投影变形。本例程通过投影变换实现图像校正。先用鼠标在图像中依次选取矩形的4个顶点，获取4个顶点的坐标，再根据长宽比计算4个顶点在投影变换后的坐标，进行投影变换，就可以实现图像校正。

几何变换分为等距变换、相似变换、仿射变换和投影变换，是指对图像的位置、大小、形状和投影进行变换，将图像从原始平面投影到新的视平面。OpenCV图像的几何变换，本质上是将一个多维数组通过映射关系转换为另一个多维数组。

本例程包括OpenCV中掩模图像的生成和图像的掩模加法。在OpenCV中，很多处理函数都允许使用掩模图像控制处理区域，即只对掩模图像中数值为1（或255）的窗口区域进行处理，而对数值为0的遮蔽区域不做处理。

本章介绍OpenCV的绘图功能和简单的鼠标交互处理方法。函数cv.ellipse用于在图像上绘制椭圆轮廓、填充椭圆、椭圆弧或填充椭圆扇区。

本章介绍OpenCV的绘图功能和简单的鼠标交互处理方法。与Excel或Matplotlib中的可视化数据图不同，OpenCV中的绘图功能主要用于在图像的指定位置绘制几何图形。

本章介绍常用的颜色空间，学习彩色图像的转换和处理方法；- 通过调节色彩平衡，理解图像的亮度、饱和度与对比度；介绍伪彩色图像，学习将灰度图像、多模态数据扩展为彩色图像的方法。

在Python语言中，OpenCV以Numpy数组存储图像，对图像的访问和处理都是通过Numpy数组的操作来实现的。本节介绍Python语言中OpenCV的数据结构，学习获取图像的基本属性。

本节介绍多帧图像（动图）的读取和保存。OpenCV中的函数imreadmulti、imwritemulti用于读取和保存多幅图像（动图）。例程用于多帧图像（动图）的读取和保存。

本节介绍 OpenCV中的VideoCapture类和VideoWriter类处理视频流。例程用于调用笔记本内置摄像头抓拍图片和录制视频。

本书从图像的读取、保存和显示等基本操作开始。本节介绍：OpenCV中的VideoCapture类和VideoWriter类处理视频流。本例程能读取和播放视频文件，并可每隔若干帧抽取一帧，保存为新的视频文件。

本书从图像的读取、保存和显示等基本操作开始介绍，使读者可以循序渐进地使用和理解本书的每一个例程。本节介绍：Matplotlib中的函数cv.imshow能将数组的值以图片形式显示，可以显示OpenCV中的图像。

本书从图像的读取、保存和显示等基本操作开始介绍，使读者可以循序渐进地使用和理解本书的每一个例程。本节介绍：图像的显示。

为了方便初学者从零开始学习OpenCV-Python，本书从图像的读取、保存和显示等基本操作开始介绍，使读者可以循序渐进地使用和理解本书的每一个例程。本节介绍：◎ 图像、视频文件和多帧图像（动图）的读取与保存。◎ 从网络地址读取图像和含中文路径图像的读取方法。

《数字图像处理-OpenCV/Python》连载（3）例程索引。**本书京东优惠购书链接：https://item.jd.com/14098452.html****本书CSDN独家连载专栏：https://blog.csdn.net/youcans/category_12418787.html**

电子出版社图书《数字图像处理-OpenCV/Python》连载（2）目录本书京东优惠购书链接：https://item.jd.com/14098452.html

电子出版社图书《数字图像处理-OpenCV/Python》连载（1）本书京东优惠购书链接：https://item.jd.com/14098452.html

入手图像处理的小伙伴，应该先学数字图像处理课程，还是直接上手OpenCV呢？作者的选择是一边学习理论方法，一边使用OpenCV编程实现。文末福利，五折优惠购书。

OpenCV 中定义了级联分类器类 cv::CascadeClassifier。本文给出使用 Haar 级联检测器检测人脸、人眼的例程，视频人脸检测例程。

Haar 特征值反映了图像的灰度变化情况。Haar 特征分类器是基于 Haar-like 特征，使用积分图像加速计算，并用 Adaboost 训练的强分类器级联方法来进行特征检测的监督学习分类器。在 Haar 级联分类人脸检测器中，主要利用了人脸的结构化特征：- 眼睛区域比脸部区域暗；- 鼻子区域比眼睛区域亮。

小波变换以尺度函数（scaling）和小波函数（wavelet function）作为基函数进行信号分解。Haar 小波函数是最简单的基函数，是一组分段的常值函数组成的函数集合。

本文详细讲解使用 CMake 与 Visual Studio，编译生成 带有 OpenCV_contrib 接口的 OpenCV 库。官方的 OpenCV-Python 库缺少一些涉及专利的或测试的算法（例如 SURF、Multitracking），需要自己下载源码，编译生成 带有 OpenCV_contrib 接口的 OpenCV 库。

本章介绍彩色图像的转换和处理方法。图像的色彩空间基础，图像的颜色空间转换，伪彩色图像处理。图像的色彩风格滤镜，使用 OpenCV 色彩风格滤镜，使用 Matplotlib 中的色彩方案， Photoshop 色阶自动调整算法Auto Levels。

冈萨雷斯《数字图像处理（第四版）》第9章学习笔记，包括算法的完整例程和运行结果。

冈萨雷斯《数字图像处理（第四版）》第9章学习笔记，包括算法的完整例程和运行结果。

冈萨雷斯《数字图像处理（第四版）》第9章学习笔记，包括算法的完整例程和运行结果。

本系列是学习冈萨雷斯《数字图像处理（第四版）》的笔记，公开了所有源程序，并经测试运行无误。1. 安装与环境配置2. 图像读取与显示3. 图像的创建与修改4. 图像的叠加与混合5. 图像的几何变换6. 灰度变换与直方图处理7. 空间域图像滤波8. 频率域图像滤波10. 图像复原与重建11. 彩色图像处理12. 形态学图像处理13. 边缘检测与阈值处理...

【youcans 的 OpenCV 例程300篇】总目录转载本系列作品时必须标注以下版权内容：必须标注以下版权内容：youcans@qq.com, 【youcans 的 OpenCV 例程】, https://blog.csdn.net/youcans/category_11459626.html......................................................

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。本文提供上述各种算法的完整例程和运行结果。1. 安装与环境配置2. 图像读取与显示3. 图像的创建与修改4. 图像的叠加与混合5. 图像的几何变换6. 灰度变换与直方图处理7. 空间域图像滤波8. 频率域图像滤波...