opencv的基本操作， 绘制几何图形
文章浏览阅读1k次，点赞34次，收藏6次。表示使用反走样（Anti-Aliasing）技术来绘制文本边框。text：要写入的文本数据（opencv不提供中文编码）说明图像可以以数据类型为uint8数组的形式输出。arg1:显示图像的窗口名称，以字符串类型表示。station：文本的放置位置。Fontscale :字体大小。thickness字体线条宽度。arg2:要加载的图像。
opencv计算机眼中的图像（理论）
文章浏览阅读378次，点赞6次，收藏6次。与索引图像一样，它分别用红（R）、绿（G）、蓝（B）三原色的组合来表示每个像素的颜色。但与索引图像不同的是，RGB图像每一个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由R、G、B三个分量来表示，M、N分别表示图像的行列数，三个M x N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的，用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度（如果用16位，则有65536级）。
opencv 灰度实验
文章浏览阅读508次，点赞8次，收藏3次。灰度图与彩色图最大的不同就是：彩色图是由R、G、B三个通道组成，而灰度图只有一个通道，也称为单通道图像，所以彩色图转成灰度图的过程本质上就是将R、G、B三通道合并成一个通道的过程。_opencv平均灰度值
OTSU算法具体实现
文章浏览阅读293次。OTSU算法是通过一个值将这张图分前景色和背景色（也就是灰度图中小于这个值的是一类，大于这个值的是一类），通过统计学方法（最大类间方差）来验证该值的合理性，当根据该值进行分割时，使用最大类间方差计算得到的值最大时，该值就是二值化算法中所需要的阈值。通常该值是从灰度图中的最小值加1开始进行迭代计算，直到灰度图中的最大像素值减1，然后把得到的最大类间方差值进行比较，来得到二值化的阈值。双峰图就是指灰度图的直方图上有两个峰值，直方图就是对灰度图中每个像素值的点的个数的统计图，如下图所示。
自适应二值法的加权求和的原理
文章浏览阅读129次，点赞3次，收藏4次。高斯概率函数是相对于二维坐标产生的，其中（x,y）为点坐标，要得到一个高斯滤波器模板，应先对高斯函数进行离散化，将得到的值作为模板的系数。例如：要产生一个3*3的高斯权重核，以核的中心位置为坐标原点进行取样，其周围的坐标如下图所示（x轴水平向右，y轴竖直向上）而在opencv里，当kernel(小区域)的尺寸为1、3、5、7并且用户没有设置sigma的时候(sigma <= 0),核值就会取固定的系数，这是一种默认的值是高斯函数的近似。进行矩阵的乘法，就会得到如下的权重值，其他的类似。
opencv二值化实验
文章浏览阅读1.9k次，点赞56次，收藏17次。首先还是对边界进行填充，然后计算原图中的左上角（也就是162像素值的位置）的二值化阈值，其计算过程如上图所示，再然后根据选择的二值化方法对左上角的像素点进行二值化，之后核向右继续计算第二个像素点的阈值，第三个像素点的阈值…与二值化算法相比，自适应二值化更加适合用在明暗分布不均的图片，因为图片的明暗不均，导致图片上的每一小部分都要使用不同的阈值进行二值化处理，这时候传统的二值化算法就无法满足我们的需求了，于是就出现了自适应二值化。换句话说，经过截断阈值法处理过的二值化图中的最大像素值就是阈值。
opencv腐蚀的操作过程
文章浏览阅读422次，点赞2次，收藏2次。如果结构元素覆盖的所有像素都是白色，则原图像中的中心像素保持不变（在输出图像中仍为白色）；： 如果指定了多个迭代次数，那么在整个图像完成一次遍历后，再次从头开始进行同样的遍历和侵蚀决策，直到达到指定的迭代次数。准备好结构元素（structuring element），它是一个小的矩阵，大小通常是奇数，并且有一个明确的中心点。： 将结构元素移动到当前待处理像素的位置，使得结构元素的中心与该像素对齐。： 结构元素会覆盖图像上的一个局部邻域，这个邻域由结构元素的尺寸决定。
opencv膨胀操作的详细流程
文章浏览阅读222次，点赞8次，收藏5次。如果在结构元素覆盖的范围内找到了至少一个白色像素，则无论原中心像素是什么颜色，都将输出图像中的该中心像素设置为白色（前景色）。： 如果指定了多个迭代次数，那么在整个图像完成一次遍历后，再次从头开始进行同样的遍历和膨胀决策，直到达到指定的迭代次数。准备好结构元素（structuring element），它是一个小的矩阵，大小通常是奇数，并且有一个明确的中心点。： 将结构元素移动到当前待处理像素的位置，使得结构元素的中心与该像素对齐。： 结构元素会覆盖图像上的一个局部邻域，这个邻域由结构元素的尺寸决定。
opencv 形态学变换
文章浏览阅读1.2k次，点赞17次，收藏28次。形态学变换（Morphological Transformations）是一种。形态学变换有两个输入，一个输出：输入为（结构化元素），输出为形态学**变换后的图像。**其基本操作有腐蚀和膨胀，这两种操作是相反的，即较亮的像素会被腐蚀和膨胀。下面我们来说一下核、腐蚀与膨胀的概念。
opencv图片颜色识别，颜色的替换
文章浏览阅读759次，点赞15次，收藏13次。在本实验中，主要是通过掩膜对原图像进行与运算来找到我们要识别的颜色，因此我们需要了解如何在一张图片中寻找目标颜色、掩膜是什么以及与运算的概念，下面一一介绍。
opencv HSV的具体描述
文章浏览阅读214次，点赞7次，收藏3次。其中光谱色所占的比例越大，颜色接近光谱色的程度就越高，颜色的饱和度就越高。- 颜色调整更加直观：在HSV颜色空间中，色调、饱和度和亮度的调整都是直观的，而在RGB颜色空间中调整颜色不那么直观。- 符合人类对颜色的感知方式：人类对颜色的感知是基于色调、饱和度和亮度三个维度的，而HSV颜色空间恰好就是通过这三个维度来描述颜色的。一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（准确的范围在网上都没有给出）。
opencv图像旋转(单点旋转的原理）
文章浏览阅读234次，点赞2次，收藏3次。于是我们就可以根据这个矩阵计算出图像中任意一点绕某点旋转后的坐标了，这个矩阵学名叫做仿射变换矩阵，而仿射变换是一种二维坐标到二维坐标之间的线性变换，也就是只涉及一个平面内二维图形的线性变换，图像旋转就是仿射变换的一种。然而我们所要的不仅仅是可以围绕图像左上角进行旋转，而是可以围绕任意点进行旋转。也就是说，在以任意点为旋转中心时，除了要进行旋转之外，还要进行平移操作。按照上面的旋转矩阵进行旋转得到新的坐标点。平行性：平行线经过变换后依然是平行线。再将得到的旋转点移回原来的位置。首先将旋转点移到原点。
opencv 最近邻插值法的原理
文章浏览阅读248次。那么放大后图像的（0，0）坐标处的像素值就是原图像中（0，0）坐标处的像素值，也就是10。也就是原图中的（0.5，0）点，因此需要对计算出来的坐标值进行取整，取整后的结果为（0，0），也就是说放大后的图像中的（1，0）坐标处对应的像素值就是原图中（0，0）坐标处的像素值，其他像素点计算规则与此相同。根据该公式，我们就可以得到每一个目标点所对应的原图像的点，比如一个2*2的图像放大到4*4，如下图所示，其中红色的为每个像素点的坐标，黑色的则表示该像素点的像素值。
opencv(双线性插值原理)
文章浏览阅读928次，点赞18次，收藏17次。如下图所示，左侧是原图像(3，3)，右侧是目标图像(5，5)，原图像的几何中心点是(1,1)，目标图像的几何中心点是(2,2)，根据对应关系，目标图像的几何中心点对应的原图像的位置是(1.2,1.2)，那么问题来了，目标图像的原点(0,0)和原始图像的原点是重合的，但是目标图像的几何中心点相对于原始图像的几何中心点偏右下，那么整体图像的位置会发生偏移，所以参与计算的点相对都往右下偏移会产生相对的位置信息损失。当需要对图像进行变换时，特别是尺寸变化时，原始图像的某些像素坐标可能不再是新图像中的。
opencv 图像的旋转
文章浏览阅读1.1k次，点赞29次，收藏17次。图像旋转是指图像以某一点为旋转中心，将图像中的所有像素点都围绕该点旋转一定的角度，并且旋转后的像素点组成的图像与原图像相同。_c# opencv 旋转图片与样图重合
opencv 图像矫正的原理
文章浏览阅读102次。图像矫正的原理是透视变换，下面来介绍一下透视变换的概念。听名字有点熟，我们在图像旋转里接触过仿射变换，知道仿射变换是把一个二维坐标系转换到另一个二维坐标系的过程，转换过程坐标点的相对位置和属性不发生变换，是一个线性变换，该过程只发生旋转和平移过程。因此，一个平行四边形经过仿射变换后还是一个平行四边形。而透视变换是把一个图像投影到一个新的视平面的过程，在现实世界中，我们观察到的物体在视觉上会受到透视效果的影响，即远处的物体看起来会比近处的物体小。透视投影是指将三维空间中的物体投影到二维平面上的过程，这个过程会
opencv 对图片的操作
文章浏览阅读349次，点赞9次，收藏13次。由图像的旋转我们知道，图像在旋转的时候需要有旋转中心，而图像的镜像旋转虽然都是围绕x轴和y轴进行旋转，但是我们也需要确定x轴和y轴的坐标。图像的旋转是围绕一个特定点进行的，而图像的镜像旋转则是围绕坐标轴进行的。水平垂直翻转就是水平翻转和垂直翻转的结合，具体到像素点来说就是其坐标从（x,y）翻转为（-x,-y）。水平翻转就是将图片的像素点沿y轴翻转，具体到像素点来说就是令其坐标从（x,y）翻转为（-x,y）。src：原图像上需要进行透视变化的四个点的坐标，这四个点用于定义一个原图中的四边形区域。
今日推荐
周排行