摘要： 图片卷积和矩阵运算不是一回事。矩阵是行列式相乘。 阅读全文

摘要： 边缘检测的实质其实就是图像的卷积运算。 阅读全文

摘要： # dst = src1*a+src2*(1-a) a=0.3 1-a=0.7 import cv2 import numpy as np img0 = cv2.imread('image0.jpg',1) img1 = cv2.imread('image1.jpg',1) imgInfo = img0.shape height = imgInfo[0] width = imgInfo[1] ... 阅读全文

摘要： import cv2 import numpy as np import random img = cv2.imread('image2.jpg',1) imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] dst = np.zeros((height,width,3),np.uint8)#为什么我们总是把高度放在第一位,因为我... 阅读全文

摘要： import cv2 import numpy as np img = cv2.imread('image0.jpg',1) imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] for m in range(100,300): for n in range(100,200): # pixel ->10*1... 阅读全文

摘要： 这一行是彩色图片的灰度处理，我们不需要进行灰度处理，我们需要处理的就是彩色图片。 这是彩色图片的颜色反转，有点类似于我们照相机上的底板效果。分成两种：灰度图像的颜色反转和彩色图像的颜色反转。二者都是用当前的最大值减去当前的像素值。 阅读全文

摘要： # 1 灰度 最重要 2 基础 3 实时性 # 定点-》浮点 +- */ >> # r*0.299+g*0.587+b*0.114 import cv2 import numpy as np img = cv2.imread('image0.jpg',1) imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] # RGB R=G... 阅读全文

摘要： import cv2 import numpy as np img = cv2.imread('image0.jpg',1) imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] # RGB R=G=B = gray (R+G+B)/3 dst = np.zeros((height,width,3),np.uint8) for ... 阅读全文

摘要： #imread #方法1 imread import cv2 img0 = cv2.imread('image0.jpg',0) img1 = cv2.imread('image0.jpg',1) print(img0.shape) print(img1.shape) cv2.imshow('src',img0) cv2.waitKey(0) #方法2 cvtColor import c... 阅读全文

摘要： 阅读全文