hellou

摘要： harris角点检测： #角点检测 import cv2 import numpy as np """cv2.cornerHarris() img:数据类型为float32 bolckSize:角点检测中指定区域的大小 ksize:Sobel求导中使用的窗口大小,一般为3 K:取值参数为[0.04， 阅读全文

摘要： 傅里叶变换： 作用： 高频：变化剧烈的灰度分量，例如边界； 低频：变化缓慢的灰度分量，例如大海 滤波： 低通滤波器：只保留低频，会使图像模糊 高通滤波器：只保留高频，会使图像细节增强 opencv中主要就是 cv2.dft() 和c v2.idft() ，输入图像需要先转换为np.floa32的格式 阅读全文

摘要： 图像中的直方图：hist = cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]]) images：输入的图像，可以是单张图像或图像列表。在函数中需要用中括号 【】,且原图像格式应该是uint8或者fl 阅读全文

摘要： 模板匹配：在模板匹配中，我们引入函数cv2.matchTemplate（）函数来执行模板匹配的操作 res = cv2.matchTemplate(image, template, method, result=None, mask=None) image: 输入的源图像，可以是灰度图像或彩色图像。 阅读全文

摘要： 图像轮廓：用于识别和提取图像中物体的边界或轮廓信息。轮廓是由连续的边缘像素点组成的曲线，表示了物体在图像中的外形。 常用方法： 1、预处理：首先，对图像进行预处理，例如：灰度化、滤波、二值化，以便更好地分离物体和背景； 2、边缘检测：使用边缘检测算法（例如canny边缘检测）在预处理后的图像中找到物 阅读全文

摘要： 图像金字塔：用于图像的分辨率降低。它通过连续的图像平滑和下采样操作来生成一系列分辨率逐渐降低的图像。 构建过程： 1、将原始图像作为底层 2、应用高斯滤波器对当前的图像进行平滑处理，以减少图像中的高频细节。高斯滤波器通过卷积运算在图像上进行平滑操作，使得图像变得更加模糊。 3、对平滑后的图像进行下采 阅读全文

摘要： Canny边缘检测： 图片必须先转换为灰度图像 主要步骤： 1、噪声抑制：使用高斯滤波器，对图像进行平滑处理； 2、计算梯度：计算每个像素点的梯度强度和方向； 3、非极大值抑制：在梯度方向上，对梯度幅值进行非极大值抑制，保留局部最大值点作为候选边缘； 4、双阈值检测：根据设定的高阈值和低阈值，对候选 阅读全文

摘要： Sobel算子： Sobel算子是一种常用的图像梯度算子，用于检测图像中的边缘。它基于离散的差分运算，通过计算图像在水平和垂直方向上的梯度来确定边缘的强度和方向。 import cv2 import numpy as np # 读取图像 image = cv2.imread('input.jpg', 阅读全文

摘要： 梯度运算： 是图像形态学中的一种操作，用于检测图像中的边缘。它通过结合膨胀（Dilation）和腐蚀（Erosion）操作来计算图像的梯度。 import cv2 import numpy as np # 读取图像 image = cv2.imread('input.jpg', cv2.IMREAD 阅读全文

摘要： 腐蚀操作： 通常情况下，在进行腐蚀操作之前，我们会对图像进行二值化处理。膨胀同理。 可以用于去除图像中的噪声，平滑边缘，并缩小或消除图像中的物体。 import cv2 import numpy as np # 读取图像 image = cv2.imread('input.jpg', cv2.IMR 阅读全文