摘要: 图像金字塔图像金字塔是图像中多尺度表达的一种,最主要用于图像的分割,是一种以多分辨率来解释图像的有效但概念简单的结构 1.向下取样(缩小图像)在图像向下取样中,一般分两步:1> 对图像Gi进行高斯卷积核(高斯滤波)2> 删除所有的偶数行和列 高斯卷积核,如下: 整体过程就是,原始图像 G_i 具有 阅读全文
posted @ 2021-09-17 11:35 马铃薯1 阅读(117) 评论(0) 推荐(0) 编辑
摘要: Canny边缘检测Canny边缘检测算子是一种多级检测算法,1986年由John F. Canny提出 1> 图像去噪边缘检测容易受到噪声的印象,在进行边缘检测之前,通常使用高斯滤波去除噪声2> 计算梯度值和梯度方向对平滑后的图像,采用sobel算子计算梯度值和方向 3> 非极大值抑制非最大值抑制能 阅读全文
posted @ 2021-09-16 21:58 马铃薯1 阅读(50) 评论(0) 推荐(0) 编辑
摘要: 1.sobel算子的理论基础sobel算子的核心是用来检测边缘信息的,一般认为,邻域的像素对当前像素产生的影响不是等价的,所以距离不同的像素具有不同的权值,对算子结果产生的影响也不同。一般来说,距离越远,产生的影响越小 sobel算子的原理,对原始图像像素分别计算在x和y方向的梯度,然后计算该像素的 阅读全文
posted @ 2021-09-16 15:06 马铃薯1 阅读(201) 评论(0) 推荐(0) 编辑
摘要: 1.图像腐蚀在图像的形态学操作中腐蚀,主要是针对二值图像,使用卷积核的中心点逐个扫描原始图像,被扫描到的原始图像中的像素点,只有当卷积核对应的元素值均为1(白色)时,其值才为1(白色),否则值为0(黑色) 腐蚀是对白色部分(高亮部分)而言的,可以理解为删除对象边界的某些点的像素,也就是说效果图拥有比 阅读全文
posted @ 2021-09-15 18:16 马铃薯1 阅读(84) 评论(0) 推荐(0) 编辑
摘要: 图像平滑处理就是图像滤波,尽量保留图像细节特征的条件下实现对图像噪声的消除,达到增强图像的效果1.均值滤波任意一点的像素值,都是周围N*N个像素值的均值,常用于消除图像中的椒盐噪声 也就是说,可以把像素点周围5*5的像素区域,都去与核相乘,最后相加,得到该像素点的新值 针对原始图像内的像素点,都逐个 阅读全文
posted @ 2021-09-14 15:43 马铃薯1 阅读(404) 评论(0) 推荐(0) 编辑
摘要: 阈值分割图像阈值分割是一种简单的图像分割方法,通过将彩色图像转化成灰度图像,然后利用合适的阈值,进行二值化,也就是从图像中提取出我们需要的轮廓 1.简单阈值选取一个全局阈值,然后就把整幅图像分成非黑即白的二值图像retval,dst = cv2.threshold(src,thresh,maxval 阅读全文
posted @ 2021-09-09 11:32 马铃薯1 阅读(461) 评论(0) 推荐(0) 编辑
摘要: 图像缩放通过cv2.resize(src,dsize,fx,fy,interpolation)调整输入图像的大小其中src是输入图像,dsize是输出图片尺寸,fx和fy是沿x轴,y轴的缩放系数,interpolation是插入方式(dsize和fx,fy设置一个就可以)以下常用的几种interpo 阅读全文
posted @ 2021-09-07 16:46 马铃薯1 阅读(57) 评论(0) 推荐(0) 编辑
摘要: 图像加法1.Numpy加法取模加法:结果 = 图像1 + 图像2 2.OpenCV加法饱和运算:结果 = cv2.add(图像1,图像2) 需要注意,参与运算的图像大小、类型必须一致 import cv2 import numpy as np a = cv2.imread(r"image\lena5 阅读全文
posted @ 2021-09-07 12:22 马铃薯1 阅读(60) 评论(0) 推荐(0) 编辑
摘要: 图像是由一个个像素构成的 我们所说的图像,通常分为二值图像、灰度图像、RGB图像 二值图像:图像当中的每个像素点,只能取0或255,其中0为黑,255为白灰度图像:图像当中的每个像素点,可以取最暗黑色到最亮的白色的灰度之间256级灰度,其中二值图像和灰度图像都是单通道图片RGB图像:图像当中的每个像 阅读全文
posted @ 2021-09-06 21:35 马铃薯1 阅读(455) 评论(0) 推荐(0) 编辑
摘要: Anaconda环境中安装OpenCVconda install --channel https://conda.anaconda.org/menpo opencv3 中文文档http://www.woshicver.com/ThirdSection/2_1_%E5%9B%BE%E5%83%8F%E 阅读全文
posted @ 2021-09-06 11:23 马铃薯1 阅读(84) 评论(0) 推荐(0) 编辑