没有合适的资源?快使用搜索试试~ 我知道了~
目录(笔记:https://github.com/dhwgithub/Graduate_Study_Notes)概念概述 4图像的基本表示方法 4像素处理 4通
资源详情
资源评论
资源推荐
目录(笔记:https://github.com/dhwgithub/Graduate_Study_Notes)
概念概述........................................................................................................................................... 4
图像的基本表示方法 ............................................................................................................... 4
像素处理 ................................................................................................................................... 4
ROI ............................................................................................................................................. 5
通道操作 ................................................................................................................................... 6
获取图像属性 ........................................................................................................................... 6
图像运算 ................................................................................................................................... 6
位平面分解 ............................................................................................................................... 7
图像加密与解密 ..................................................................................................................... 11
数字水印 ................................................................................................................................. 11
色彩空间概述 ......................................................................................................................... 13
alpha 通道 ............................................................................................................................... 14
仿射......................................................................................................................................... 15
透视......................................................................................................................................... 15
重映射..................................................................................................................................... 15
阈值处理 ................................................................................................................................. 15
图像平滑处理 ......................................................................................................................... 15
形态学操作 ............................................................................................................................. 16
图像梯度 ................................................................................................................................. 17
Canny 边缘检测 ...................................................................................................................... 18
图像金字塔 ............................................................................................................................. 19
图像轮廓 ................................................................................................................................. 19
直方图..................................................................................................................................... 19
傅里叶变换 ............................................................................................................................. 20
模板匹配 ................................................................................................................................. 20
霍夫变换 ................................................................................................................................. 21
图像分割与提取 ..................................................................................................................... 21
支持向量机 ............................................................................................................................. 23
K 均值聚类.............................................................................................................................. 23
函数详解......................................................................................................................................... 24
K 均值聚类实例 ...................................................................................................................... 24
SVM 算法实例 ........................................................................................................................ 25
KNN 算法实例 ........................................................................................................................ 27
交互式前景提取:cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount[, …]) →
None ........................................................................................................................................ 28
分水岭算法:cv2.watershed(image, markers) → None ........................................................ 29
标注图像:cv2. connectedComponents(image[,…]) -> retval, labels .................................... 31
距离变换:cv2.distanceTransform(src, distanceType, maskSize[, …]) → dst ........................ 31
霍夫圆变换:cv2.HoughCircles(image, method, dp, minDist[,…]) → circles ........................ 32
概率霍夫变换:cv2.HoughLinesP(image, rho, theta, threshold[,…]) → lines ....................... 34
霍夫直线变换:cv2.HoughLines(image, rho, theta, threshold[,…]) → lines ......................... 35
元组打包:zip() ...................................................................................................................... 36
获取匹配位置集合:where() ................................................................................................ 37
绘制矩形:cv2.rectangle(img, pt1, pt2, color[, …]) → None ................................................. 38
模板匹配:cv2.matchTemplate(image, templ, method[, …]) → result ................................. 39
逆傅里叶变换示例 ................................................................................................................. 42
计算频谱幅度:cv2.magnitude(x, y[,…]) → magnitude ........................................................ 42
傅里叶变换:cv2.dft(src[,…]) → dst ...................................................................................... 43
傅里叶变换 0:numpy.fft.fft2() ............................................................................................. 43
添加子窗口及显示:matplotlib.pyplot.subplot() ................................................................. 45
直方图均衡化:cv2.equalizeHist(src[, dst]) → dst ................................................................ 46
绘制直方图:cv2.calcHist(images, channels, mask, histSize, ranges[,…]) → hist ................. 46
绘制直方图 2:matplotlib.pyplot.hist(X, BINS) ..................................................................... 47
获取对象极点位置:.argmin()、.argmax() ........................................................................... 48
平均颜色及平均灰度:cv2.mean(src[, mask]) → retval ....................................................... 48
最大最小值及位置:cv2.minMaxLoc(src[, mask]) → minVal, maxVal, minLoc, maxLoc ...... 48
计算非零数组位置:numpy.nonzero() ................................................................................. 48
点到轮廓的距离:cv2.pointPolygonTest(contour, pt, measureDist) → retval ...................... 48
轮廓是否是凸形:cv2.isContourConvex(contour) → retval ................................................. 49
计算凸缺陷:cv2.convexityDefects(contour, convexhull[, …]) → convexityDefects ............. 49
计算轮廓凸包:cv2.convexHull(points[,…]) → hull ............................................................... 49
逼近多边形:cv2.approxPolyDP(curve, epsilon, closed[,…]) → approxCurve....................... 49
计算最优拟合直线:cv2.fitLine(points, distType, param, reps, aeps[, line]) → line ............ 50
计算最优拟合椭圆:cv2.fitEllipse(points) → retval ............................................................. 50
计算最小包围圆形:cv2.minEnclosingCircle(points) → center, radius ................................ 51
计算最小包围矩形框:cv2.minAreaRect(points) → retval .................................................. 51
计算轮廓矩形边界:cv2.boundingRect(points) → retval ..................................................... 52
形状匹配:cv2.matchShapes(contour1, contour2, method, parameter) → retval ............... 52
Hu 矩值:cv2.HuMoments(m[, hu]) → hu ............................................................................. 52
计算轮廓长度:cv2.arcLength(curve, closed) → retval ........................................................ 53
计算轮廓面积:cv2.contourArea(contour[,…]) → retval ...................................................... 53
矩特征:cv2.moments(array[, binaryImage]) → retval ......................................................... 53
绘制轮廓:cv2.drawContours(image, contours, contourIdx, color[,…]) → None ................. 54
查找图像轮廓:cv2.findContours(image, mode, method[,…]) → contours, hierarchy......... 55
高斯金字塔向上取样:cv2.pyrUp(src[,…]) → dst ................................................................. 56
高斯金字塔向下取样:cv2.pyrDown(src[,…]) → dst ............................................................ 56
Canny 边缘检测:cv2.Canny(image, threshold1, threshold2[,…]) → edges ......................... 56
Laplacian 算子:cv2.Laplacian(src, ddepth[, …]) → dst ........................................................ 56
Scharr 算子:cv2.Scharr(src, ddepth, dx, dy[,…]) → dst ........................................................ 57
对参数取绝对值:cv2.convertScaleAbs(src[,…]) → dst ........................................................ 57
Sobel 算子:cv2.Sobel(src, ddepth, dx, dy[,…]) → dst ........................................................... 57
构造核函数:cv2.getStructuringElement(shape, ksize[,…]) → retval ................................... 59
形态学通用:cv2.morphologyEx(src, op, kernel[,…]) → dst ................................................. 59
膨胀操作:cv2.dilate(src, kernel[,…]) → dst .......................................................................... 60
腐蚀操作:cv2.erode(src, kernel[,…]) → dst ......................................................................... 60
自定义卷积核:cv2.filter2D(src, ddepth, kernel[,…]) → dst ................................................. 61
双边滤波:cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace[,…]) → dst ............................. 61
中值滤波:cv2.medianBlur(src, ksize[, dst]) → dst ............................................................... 62
高斯滤波:cv2.GaussianBlur(src, ksize, sigmaX[,…]) → dst ................................................... 62
方框滤波:cv2.boxFilter(src, ddepth, ksize[,…]) → dst ......................................................... 62
均值滤波:cv2.blur(src, ksize[,…]) → dst............................................................................... 63
自适应阈值:cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType,
blockSize, C[,…]) → dst ............................................................................................................ 63
阈值化:cv2.threshold(src, thresh, maxval, type[,…]) → retval, dst ...................................... 63
重映射:cv2.remap(src, map1, map2, interpolation[,…]) → dst ........................................... 64
获取透视转化矩阵:cv2.getPerspectiveTransform(src, dst) → retval .................................. 66
透视变换:cv2.warpPerspective(src, M, dsize[,…]) → dst ..................................................... 66
获取转换矩阵:cv2.getAffineTransform(src, dst) → retval ................................................... 66
获取转换矩阵:cv2.getRotationMatrix2D(center, angle, scale) → retval ............................. 67
仿射变换:cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst
................................................................................................................................................ 67
图像翻转:cv2.flip(src, flipCode[, dst]) → dst ....................................................................... 68
图像缩放:cv2.resize(src, dsize[,…]) → dst ........................................................................... 68
检测特定元素值:cv2.inRange(src, lowerb, upperb[, …]) → dst .......................................... 70
色彩空间的变换:cv2.cvtColor(src, code[, …]) → dst ........................................................... 70
读取图像:cv2.imread(filename[, flags]) → retval ................................................................ 71
显示图像:cv2.imshow(winname, mat) → None .................................................................. 72
等待按键:cv2.waitKey([delay]) → retval ............................................................................. 72
保存图像:cv2.imwrite(filename, img[, params]) → retval .................................................. 72
概念概述
图像的基本表示方法
二值图像是指仅仅包含黑色和白色两种颜色的图像。
计算机会将灰度处理为 256 个灰度级,用数值区间[0, 255]来表示。其中,数值“255”表示
纯白色,数值“0”表示纯黑色,其余的数值表示从纯白到纯黑之间不同级别的灰度。
需要特别注意的是,在 OpenCV 中,通道的顺序是 B→G→R
像素处理
在 OpenCV 中,最小的数据类型是无符号的 8 位数。因此,在 OpenCV 中实际上并没有二值
图像这种数据类型,二值图像经常是通过处理得到的,然后使用 0 表示黑色,使用 255 表示
白色。
第 0 行第 0 列位于图像的左上角,其中第 1 个索引表示第 0 行,第 2 个索引表示第 0 列。
可以使用 image[0,0,0]访问图像 image 的 B 通道内的第 0 行第 0 列上的像素点,式中:
● 第 1 个索引表示第 0 行。
● 第 2 个索引表示第 0 列。
● 第 3 个索引表示第 0 个颜色通道。
假设有一个红色(其 R 通道值为 255, G 通道值为 0, B 通道值为 0)图像,不同的访问方式得
到的值如下。
● img[0,0]:访问图像 img 第 0 行第 0 列像素点的 BGR 值。图像是 BGR 格式的,得到的数
值为[0,0,255]。
● img[0,0,0]:访问图像 img 第 0 行第 0 列第 0 个通道的像素值。图像是 BGR 格式的,所以
第 0 个通道是 B 通道,会得到 B 通道内第 0 行第 0 列的位置所对应的值 0。
● img[0,0,1]:访问图像 img 第 0 行第 0 列第 1 个通道的像素值。图像是 BGR 格式的,所以
第 1 个通道是 G 通道,会得到 G 通道内第 0 行第 0 列的位置所对应的值 0。
● img[0,0,2]:访问图像 img 第 0 行第 0 列第 2 个通道的像素值。图像是 BGR 格式的,所以
第 2 个通道是 R 通道,会得到 R 通道内第 0 行第 0 列的位置所对应的值 255。
灰度图像:item(行,列)、itemset((行,列), 新值)
彩色图像:item(行,列,通道)、itemset((行,列,通道), 新值)
ROI
在图像处理过程中,我们可能会对图像的某一个特定区域感兴趣,该区域被称为感兴趣区域
(Region of Interest, ROI)
剩余72页未读,继续阅读
KerstinTongxi
- 粉丝: 22
- 资源: 277
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0