Opencv
2022-08-31 14:12:51 1 举报AI智能生成
Opencv常规知识
作者其他创作
大纲/内容
一般分为有颜色图像和无颜色图像
图像构成
opencv读取的彩色图片的颜色通道格式是BGR，所以如果要用其他函数展示opencv读取的图片，最好要转变成相同的格式，如RGB，BGR等
显示图像：
数据读取-图像
如果是视频文件，直接指定好路径即可
代码模板：
数据读取-视频
截取部分图像数据
颜色通道提取
边界填充
图像融合
图像展示
图像基本操作
图像阈值
高斯滤波=高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
图像平滑(类似卷积操作)
腐蚀操作(cv2.erode)
膨胀操作(cv2.dilate)
开运算与闭运算(cv2.morphologyEx)
礼帽与黑帽((cv2.morphologyEx))
Sobel算子
Scharr算子
Laplacian算子
图像梯度
Canny边缘检测(cv2.Canny)
高斯金字塔
拉普拉斯金字塔
图像金字塔：也即对图像进行提取特征的操作，放大或者缩小图像
形态学
绘制轮廓: 1、先复制；2、调用 cv2.drawContours
轮廓特征(contours)
轮廓近似(cv2.approxPolyDP)
轮廓-边界矩形(cv2.boundingRect)
轮廓-外接圆(cv2.minEnclosingCircle)
图像轮廓
.图像处理
概念
函数(cv2.matchTemplate)
详解
可视化
匹配多个对象
模板匹配
概念: 统计图像中相同像素点值的个数
直方图直方图均衡化:cv2.equalizeHist
自适应直方图均衡化: cv2.createCLAHE
直方图
概念和作用
函数(cv2.dft()和cv2.idft())
傅里叶变换
Harris角点检测
图像尺度空间
多分辨率金字塔： 不同尺度(大小)下的图片都要获取图像尺度空间
高斯差分金字塔(DOG)
DOG空间极值检测
关键点精确定位
消除边界响应
特征点的主方向
实现(cv2.xfeatures2d.SIFT_create())
尺度不变特征变换-Scale Invariant Feature Transform(SIFT)
概念：能够获得图像的SIFT特征后，可以对多幅图像进行特征匹配，获取需要的信息
Brute-Force蛮力匹配
随机抽样一致算法（Random sample consensus，RANSAC）
单应性矩阵
特征匹配
图像特征
Opencv
0 条评论
回复 删除
下一页
