Python——OpenCV计算机视觉库，功能介绍和应用

1、OpenCV 例程200篇
01. 图像的读取（cv2.imread）
02. 图像的保存（cv2.imwrite）
03. 图像的显示（cv2.imshow）
04. 用 matplotlib 显示图像（plt.imshow）
05. 图像的属性（np.shape）
06. 像素的编辑（img.itemset）
07. 图像的创建（np.zeros）
08. 图像的复制（np.copy）
09. 图像的裁剪（cv2.selectROI）
10. 图像的拼接（np.hstack）
11. 图像通道的拆分（cv2.split）
12. 图像通道的合并（cv2.merge）
13. 图像的加法运算（cv2.add）
14. 图像与标量相加（cv2.add）
15. 图像的加权加法（cv2.addWeight）
16. 不同尺寸的图像加法
17. 两张图像的渐变切换
18. 图像的掩模加法
19. 图像的圆形遮罩
20. 图像的按位运算
21. 图像的叠加
22. 图像添加非中文文字
23. 图像添加中文文字
23. 图像添加中文文字
24. 图像的仿射变换
25. 图像的平移
26. 图像的旋转（以原点为中心）
27. 图像的旋转（以任意点为中心）
28. 图像的旋转（直角旋转）
29. 图像的翻转（cv2.flip）
30. 图像的缩放（cv2.resize）
31. 图像金字塔（cv2.pyrDown）
32. 图像的扭变（错切）
33. 图像的复合变换
34. 图像的投影变换
35. 图像的投影变换（边界填充）
36. 直角坐标与极坐标的转换
37. 图像的灰度化处理和二值化处理
38. 图像的反色变换（图像反转）
39. 图像灰度的线性变换
40. 图像分段线性灰度变换
41. 图像的灰度变换（灰度级分层）
42. 图像的灰度变换（比特平面分层）
43. 图像的灰度变换（对数变换）
44. 图像的灰度变换（伽马变换）
45. 图像的灰度直方图
46. 直方图均衡化
47. 图像增强—直方图匹配
48. 图像增强—彩色直方图匹配
49. 图像增强—局部直方图处理
50. 图像增强—直方图统计量图像增强
51. 图像增强—直方图反向追踪
52. 图像的相关与卷积运算
53. Scipy 实现图像二维卷积
54. OpenCV 实现图像二维卷积
55. 可分离卷积核
56. 低通盒式滤波器
57. 低通高斯滤波器
58. 非线性滤波—中值滤波
59. 非线性滤波—双边滤波
60. 非线性滤波—联合双边滤波
61. 导向滤波（Guided filter）
62. 图像锐化——钝化掩蔽
63. 图像锐化——Laplacian 算子
64. 图像锐化——Sobel 算子
65. 图像锐化——Scharr 算子
66. 图像滤波之低通/高通/带阻/带通
67. 空间域图像增强的综合应用
68. 空间域图像增强的综合应用
69. 连续非周期信号的傅立叶系数
70. 一维连续函数的傅里叶变换
71. 连续函数的取样
72. 一维离散傅里叶变换
73. 二维连续傅里叶变换
74. 图像的抗混叠
75. Numpy 实现图像傅里叶变换
76. OpenCV 实现图像傅里叶变换
77. OpenCV 实现快速傅里叶变换
78. 频率域图像滤波基础
79. 频率域图像滤波的基本步骤
80. 频率域图像滤波详细步骤
81. 频率域高斯低通滤波器
82. 频率域巴特沃斯低通滤波器
83. 频率域低通滤波：印刷文本字符修复
84. 由低通滤波器得到高通滤波器
85. 频率域高通滤波器的应用
86. 频率域滤波应用：指纹图像处理
87. 频率域钝化掩蔽
88. 频率域拉普拉斯高通滤波
89. 带阻滤波器的传递函数
90. 频率域陷波滤波器
91. 高斯噪声、瑞利噪声、爱尔兰噪声
92. 指数噪声、均匀噪声、椒盐噪声
93. 噪声模型的直方图
94. 算术平均滤波器
95. 几何均值滤波器
96. 谐波平均滤波器
97. 反谐波平均滤波器
98. 统计排序滤波器
99. 修正阿尔法均值滤波器
100. 自适应局部降噪滤波器
未完待续....
 
2、OpenCV 学习课

youcans 的 OpenCV 学习课—1.安装与环境配置
youcans 的 OpenCV 学习课—2.图像读取与显示
youcans 的 OpenCV 学习课—3.图像的创建与修改
youcans 的 OpenCV 学习课—4.图像的叠加与混合
youcans 的 OpenCV 学习课—5.图像的几何变换
youcans 的 OpenCV 学习课—6.灰度变换与直方图处理
youcans 的 OpenCV 学习课—7.空间域图像滤波
youcans 的 OpenCV 学习课—8.频率域图像滤波（上）
youcans 的 OpenCV 学习课—9.频率域图像滤波（下）
未完待续....

 


1.安装与环境配置

2.图像读取与显示

3.图像的创建与修改

4.图像的叠加与混合

5.图像的几何变换

6.灰度变换与直方图处理
1). 图像增强技术
2). 图像的灰度化处理和二值化处理
　　例程：1.47 图像的二值变换（固定阈值）
3). 图像的灰度变换
　　3.1 反色变换（图像反转）
　　　　例程：1.48 图像的反色变换
　　3.2 线性灰度变换
　　　　例程：1.49 图像的线性灰度变换
　　3.3 分段线性灰度变换
　　　　例程：1.50 分段线性灰度变换（对比度拉伸）
　　　　例程：1.53 分段线性灰度变换（灰度级分层）
　　　　例程：1.54 分段线性灰度变换（比特平面分层）
　　3.4 非线性灰度变换：对数变换和指数变换
　　　　例程：1.55 图像的对数变换
　　3.5 非线性灰度变换：幂律变换（伽马变换）
　　　　例程：1.56 图像的幂律变换
4). 图像的直方图处理
　　4.1 灰度直方图
　　　　例程：1.57 图像的灰度直方图
　　4.2 直方图均衡化
　　　　例程：1.58 直方图均衡
　　4.3 直方图匹配
　　　　例程：1.59 灰度图像直方图匹配
　　　　例程：1.60 彩色图像直方图匹配
　　4.4 局部直方图处理
　　　　基本例程：1.61 自适应的局部直方图均衡
　　4.5 直方图统计量图像增强
　　　　基本例程：1.63 直方图统计量图像增强
　　4.6 直方图反向投影（反向追踪）
　　　　基本例程：1.64 直方图反向投影追踪

7.空间域图像滤波
1). 图像的相关与卷积运算
　　1.1 相关与卷积运算
　　1.2 图像的边界扩充
　　　　例程 1.65：图像的边界扩充
　　1.3 Scipy 实现二维离散卷积（sp.convolve2d）
　　　　例程 1.66：scipy.signal 实现图像的二维卷积
　　1.4 cv2 实现二维离散卷积（flip 和 filter2D）
　　　　例程 1.67：cv2 实现图像的二维卷积
　　1.5 可分离卷积核
　　　　例程 1.68：可分离核的卷积操作
　　　　例程 1.69：可分离核的图像卷积
2). 空间域平滑滤波（低通滤波）
　　2.1 低通盒式滤波器
　　　　例程 1.70：图像的低通滤波—盒式滤波器
　　2.2 低通高斯滤波器
　　　　例程 1.71：图像的低通滤波—高斯滤波器
　　2.3 非线性滤波—中值滤波（Median filter）
　　　　例程 1.73：图像的非线性滤波—中值滤波器
　　2.4 非线性滤波—双边滤波（Bilateral filter）
　　　　例程 1.74：图像的非线性滤波—双边滤波器
　　2.5 非线性滤波—联合双边滤波（Joint bilateral filter）
　　2.6 非线性滤波—导向滤波（Guided filter）
3). 空间域锐化滤波（高通滤波）
　　3.1 图像的梯度算子
　　3.2 钝化掩蔽
　　　　例程 1.77：图像锐化: 钝化掩蔽
　　3.3 拉普拉斯卷积核（Laplacian）
　　　　例程 1.78：图像锐化：Laplacian 算子
　　3.4 Sobel 梯度算子
　　　　例程 1.79：图像锐化：Sobel 算子
　　3.5 Scharr 算子
　　　　例程 1.80：图像锐化：Scharr 算子
4). 低通、高通、带阻、带通
5). 空间域图像增强技术的综合应用

 

8.频率域图像滤波（上）

1). 傅里叶变换
　　1.1傅里叶级数与傅里叶变换
　　　　例程 8.1：连续周期信号的傅立叶级数
　　　　例程 8.2：连续非周期信号的傅立叶系数
　　　　例程 8.3：一维连续函数的傅里叶变换（盒式函数）
　　1.2连续函数取样
　　　　例程 8.4：连续函数的取样
　　1.3 一维离散傅里叶变换
　　　　例程 8.6：一维离散傅里叶变换
2). 二维函数的傅里叶变换
　　2.1 二维连续傅里叶变换
　　　　例程 8.7：二维连续函数的傅里叶变换（二维盒式函数）
　　　　例程 8.8：二维连续函数的傅里叶变换（不同参数的盒式函数）
　　2.2 图像的混叠和重取样
　　　　例程 8.9：图像的抗混叠
　　2.3 二维离散傅里叶变换（DFT）
　　2.4 Numpy 实现图像傅里叶变换
　　　　例程 8.10：二维图像的离散傅里叶变换（Numpy）
　　2.5 OpenCV 实现图像傅里叶变换（cv.dft）
　　　　例程 8.11：二维图像的离散傅里叶变换（OpenCV）
　　　　例程 8.12：OpenCV 快速傅里叶变换

 

9.频率域图像滤波（下）

3). 频率域低通滤波器
　　3.1 频率域图像滤波基础
　　　　例程 8.13：简单的频率域图像滤波
　　3.2 频率域图像滤波的步骤
　　　　例程 8.15：频率域图像滤波的一般步骤
　　　　例程 8.16：频率域图像滤波的一般步骤（理想低通滤波器）
　　3.3 频率域高斯低通滤波器（GLPF）
　　　　例程 8.18：频率域高斯低通滤波器 (GLPF)
　　3.4 频率域巴特沃斯低通滤波器（BLPF）
　　　　例程 8.19：频率域巴特沃斯低通滤波器 (BLPF)
　　3.5 频率域低通滤波案例：印刷文本字符修复
4). 频率域高通滤波器
　　4.1 由低通滤波器得到高通滤波器
　　　　例程 8.23 由低通滤波器得到高通滤波器
　　　　例程 8.24 频率域高通滤波器的应用
　　　　例程 8.25：指纹图像处理（高通滤波+阈值处理）
　　4.2 频率域钝化掩蔽
　　　　例程 8.26：频率域钝化掩蔽
　　4.3 频率域拉普拉斯高通滤波
　　　　例程 8.27：频率域图像锐化（拉普拉斯算子）
5). 选择性滤波
　　5.1 带阻与带通
　　　　例程 8.28 带阻滤波器的传递函数
　　5.2 陷波滤波器 （Notch Filter）
　　　　例程 8.29 使用陷波滤波删除数字化印刷图像中的莫尔模式

 
 
参考：
https://blog.csdn.net/youcans/article/details/121169054
https://blog.csdn.net/youcans/article/details/121328057
posted @ 2022-05-25 10:01  马踏飞燕Beautiful  阅读(507)  评论(0)  编辑  收藏  举报