摘要： 图像直方图 图像直方图 是 图像的 一种统计特征，可以图像质量检测，也可以用于 图像相似度检测； 图像直方图的形态 可以反应图像的 质量，特别是 对比度，大致如下图 通过 直方图修整 可以提升图像质量，直方图修整 可以分为两类，一是 直方图均衡化，二是 直方图规定化，本文主要讲 均衡化 直方图均衡化 阅读全文

摘要： 创建一个数组，可为方阵和非方阵， 该数组 特定对角线 及 对角线下 值为 1，其他为 0 用法 np.tri(R, C=None, k=0, dtpye='float') 主对角线：把非方阵扩充成方阵后，方阵的对角线 R: 数组行数 C: 数组列数，默认等于 R k: k=0 代表特定对角线为主对角 阅读全文

摘要： 形态学处理 主要针对 有残缺图像、有斑点图像，不同区域有粘连的图像，使其变得丰满，或者去除多余的像素，也有类似去噪的作用； 形态学处理 的方法有 腐蚀、膨胀、开运算、闭运算、顶帽、底帽、形态学梯度； 形态学处理 通常针对 灰度图，确切的说是二值图，最好是 黑底 白景 腐蚀 腐蚀逻辑：和滤波一样，也存 阅读全文

摘要： 图像阈值，即图像二值化，包括 简单阈值 自适应阈值 Otsu 阈值 局部阈值 全局阈值 熵算法 等多种方式，本文收集整理一下 简单阈值 对所有像素使用 统一固定 的阈值 def threshold(src, thresh, maxval, type, dst=None): src：单通道图像，通常是 阅读全文

摘要： 图像几何变换 分为 缩放、平移、旋转、仿射变换、透视变换 等； 其思路大致相同：在 原图像上 找几个点的坐标，然后设定 变换后 这些点对应的 坐标，根据两组坐标 计算出一个 转换矩阵，把原图像所有点 按这个转换矩阵进行转换即可 缩放 缩放只是调整图像的大小； 其转换矩阵为 def resize(sr 阅读全文

摘要： opencv 中有几百种颜色空间，可通过如下方式获取； flags = [i for i in dir(cv) if i.startswith('COLOR')] print(len(flags)) # 296 种 其中最常用的是 gray 和 hsv 空间； 颜色空间转换 opencv 直接读取图 阅读全文

摘要： 图像运算有很多种，包括 加法、减法、乘法、除法、位运算、平方根、对数、绝对值等; 加减乘除等 需保持 图像 shape 和 dtype 一致，或者第二个图像是个标量值； dst = cv.add(src1, src2[, dst[, mask[, dtype]]]) dst = cv2.subtra 阅读全文

摘要： 图像基本操作很多，这里做个汇总 首先要注意，opencv 中像素通道顺序为 BGR，与我们常说的 RGB 刚好相反。 首先准备一张图片，可创建新图像，也可读取已存在的图像 img = np.zeros(shape=(300, 300, 3), dtype=np.uint8) cv.namedWind 阅读全文

摘要： 操作步骤： 1. cv2.createTrackbar 创建 rgb 轨迹栏 2. cv2.getTrackbarPos 获取 轨迹栏位置 3. 给图片着色 import numpy as np import cv2 as cv def nothing(x): pass # 创建一个黑色的图像，一个 阅读全文

摘要： 绘图功能 使用 opencv 绘制各种形状，简单用法示例 import cv2 as cv import numpy as np img = np.random.randint(0, 255, size=(1280, 1280, 3)).astype(np.uint8) ### 画线 ## def 阅读全文