随笔分类 - opencv
图像处理
摘要：腐蚀和膨胀 腐蚀 原理： 假设原图像中有一个前景物体，那么我们用一个结构元素去腐蚀原图的过程是这样的： 遍历原图像的每一个像素，然后用结构元素的中心点对准当前正在遍历的这个像素， 然后取当前结构元素所覆盖下的原图对应区域内的所有像素的最小值，用这个最小值替换当前像素值 应用场景： 1、删除图像中的某
阅读全文
摘要：图像内插 概念： 内插 ：是用一直数据来估计未知位置值的过程。 使用场景： 图像放大，缩小，旋转和几何校正等任务重使用。 方法： 最临近内插 优点： 简单 缺点：产生人为失真 优化方法：双线性内插 双线性内插 缺点：计算量大 双三次内插 缺点： 复杂度高 常用：双线性内插和双三次内插 opencv
阅读全文
摘要：任意多边形内接圆 算法思路： 推荐 在多边形形成的二维平面区域中，高度为H，宽度为WW。将空间进行等分， 高度为n份， 宽度为m份； 在空间形成网格，将多边形区域外的点剔除掉。在剩下的点中对每个点，找到边最近的距离。在这样 很多点中找出最大距离点。以种子点为中心的区域再剖分，循环迭代。 """ #!
阅读全文
摘要：图像的开闭运算 ##实例： python OpenCV使用场景 https://blog.csdn.net/qq_39507748/article/details/104539673 原理： 图像开运算和闭运算与膨胀和腐蚀运算有关， 由膨胀和腐蚀两个运算的复合与集合操作（并、交、补等）组合的运算构成
阅读全文
摘要：凸包（Convex Hull） 数学定义：在一个向量空间中，对于给定几何X， 所有包含X的凸集的交集S被称为X的凸包 场景： 图像处理过程中，常常需要寻找图像中，包围某个物体的凸包。凸包跟多边形逼近很像，只不过它是包围 物体外层的一个凸集，这个凸集是所有能包围这个物体的凸集的交集。 图中，绿色线条所
阅读全文
摘要：几何变换 目标： 了解图片的几何转换，eg:平移，旋转，仿射变换 etc 转换 opencv 提供了2种转换函数 cv.warpAffine 和 cv.warpPerspective cv.warpAffine 需要 2x3 转换矩阵，而 cv.warpPerspective 需要 3x3 转换矩阵
阅读全文
摘要：图像处理 颜色转换 颜色转换一般有150多种，常用的有2种BGR ↔ Gray, BGR ↔ HSV 注意 HSV 色调范围[0,179], 饱和度范围[0,255], 值得范围[0,255] 应用场景 目标跟踪 我们可以利用颜色特征，颜色对象，利用HSV更加容易得到，步骤如下： 抽取视频得每一帧
阅读全文
摘要：定义： 简单来说就是把存在的目标从图片中找到并识别出来。 方法： 传统目标检测 传统目标检测 流程： 区域的选择 特征的提取 分类器 区域的选择 对目标位置进行定位。 方法： 滑动窗口对整幅图像遍历的策略 原因： 目标可能出现在任何位置 目标的尺寸不定（目标大小，长宽比例） 缺点： 需要设置不同的尺
阅读全文
摘要：角点检测 原理： 特性：向任何方向移动变化都很大 Harris 角点检测 将窗口向各个方向移动（u，v）然后计算所有差异的总和，窗口函数可以是正常的矩形窗口也可以是对每一个像素给予不同权重的高斯窗口。 角点检测中要使E (u; v) 的值最大。这就是说必须使方程右侧的第二项的取值最大。 详情参考：h
阅读全文
摘要：提取照片中军旗棋子，供文本识别使用 **本质：**提取矩形四个角落，并进行透视变换； 检测矩形步骤： 图像预处理 边缘检测 提取轮廓 检测凸包 角点检测 实例： 原始图像 """ #!/usr/bin/env python # -*- coding:utf-8 -*- @desc: 用手机拍摄军旗棋
阅读全文
摘要：图像分割 基于阈值 优点：灰度阈值化，简单，快速，广泛用于硬件处理图像，如：FPGA实时图像处理 场景：各个物体不接触，物体和背景灰度值差别较明显，阈值处理效果好 基于边缘 返回结果：边缘检测的结果是点，不能作为图像分割的点，需要进一步处理，将边缘点沿着图形边界连接，形成边缘链。 检测算子： Sob
阅读全文
摘要：代码示例： import cv2 as cv import numpy as np # 读取图片 img_path = r"D:\workplace\data\opencv\football.jpg" img = cv.imread(img_path) # 转灰度 gray = cv.cvtColo
阅读全文
摘要：第三方包安装 pip install pyclipper ###1. 轮廓点等距离外扩 def equidistant_zoom_contour(contour, margin): """ 等距离缩放多边形轮廓点 :param contour: 一个图形的轮廓格式[[[x1, x2]],...],s
阅读全文
