摘要：
1、原理： 任何一副灰度图像都可以被看成拓扑平面，灰度值高的区域可以被看成是 山峰，灰度值低的区域可以被看成是山谷。我们向每一个山谷中灌不同颜色的 水。随着水的位的升高，不同山谷的水就会相遇汇合，为了防止不同山谷的水 汇合，我们需要在水汇合的地方构建起堤坝。不停的灌水，不停的构建堤坝知 道所有的山峰 阅读全文
摘要：
1、霍夫变换 2、cv2.HoughLines() 返回值就是（ρ, θ）。ρ 的单位是像素，θ 的单位是弧度。这个函数的第一个参 数是一个二值化图像，所以在进行霍夫变换之前要首先进行二值化，或者进行 Canny 边缘检测。第二和第三个值分别代表 ρ 和 θ 的精确度。第四个参数是 阈值，只有累加其 阅读全文
摘要：
1、原理：模板匹配是用来在一副大图中搜寻查找模版图像位置的方法 OpenCV 为我们提供了函数：cv2.matchTemplate()。和 2D 卷积一样，它也是用模 板图像在输入图像（大图）上滑动，并在每一个位置对模板图像和与其对应的 输入图像的子区域进行比较。OpenCV 提供了几种不同的比较方 阅读全文
摘要：
1、初识轮廓 为了准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理，或者Canny边界检测。 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话，你应该将原始图像存储到其他变量中。 在 OpenCV 中，查找轮廓就像在黑色背景中超白色物体。你应该记住， 要找的物体应该是白 阅读全文
摘要：
1、腐蚀 cv2.erode() 就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然 是白色）。这是怎么做到的呢？卷积核沿着图像滑动，如果与卷积核对应的原图 像的所有像素值都是 1，那么中心元素就保持原来的像素值，否则就变为零。 这回产生什么影响呢？根据卷积核的大小靠近前景的所有像素都 阅读全文
摘要：
1、简单阈值（整个图像，采用同一个数作为阈值） cv2.threshhold()第一个参数是原图像，第二个参数就是用来对像素值进行分类的阈值。第三个参数就是当像素值高于（有时是小于）阈值时应该被赋予的新的像素值。 OpenCV 提供了多种不同的阈值方法，这是有第四个参数来决定的。这些方法包括： • 阅读全文
摘要：
有两类图像金字塔：高斯金字塔和拉普拉斯金字塔 1、高斯金字塔的顶部是通过将底部图像中的连续的行和列去除得到的。顶 部图像中的每个像素值等于下一层图像中 5 个像素的高斯加权平均值。这样 操作一次一个 MxN 的图像就变成了一个 M/2xN/2 的图像。所以这幅图像 的面积就变为原来图像面积的四分之一 阅读全文
摘要：
步骤 ：噪声去除，计算图像梯度，非极大值抑制， 滞后阈值 cv2.Canny()可以完成以上几步。 import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('messi5.jpg',0) 阅读全文
摘要：
1、2D卷积 LPF：低通滤波，去除噪音，模糊图像 HPF：高通滤波，帮助我们找到图像的边缘 cv.filter2D()可以对图像进行卷积操作。 操作如下：将核放在图像的一个像素 A 上，求与核对应的图像上 25（5x5） 个像素的和，在取平均数，用这个平均数替代像素 A 的值。重复以上操作直到 将 阅读全文
摘要：
1、变换 OpenCV 提供了两个变换函数，cv2.warpAffine 和 cv2.warpPerspective， 使用这两个函数你可以实现所有类型的变换。cv2.warpAffine 接收的参数是 2 × 3 的变换矩阵，而 cv2.warpPerspective 接收的参数是 3 × 3 的 阅读全文