posts - 36,  comments - 0,  views - 29703

文章分类 -  图像处理

图像处理之背景建模
摘要:图像处理之背景建模 一、帧差法 由于场景中的目标在运动,目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。 帧差法非常简单,但是会引入噪音和空洞问题 二、混合 阅读全文
posted @ 2022-04-05 23:37 lixin05 阅读(660) 评论(0) 推荐(0) 编辑
图像处理之光流追踪
摘要:图像处理之光流追踪 一、光流估计 光流是空间运动物体在观测成像平面上的像素运动的“瞬时速度”,根据各个像素点的速度矢量特征,可以对图像进行动态分析,例如目标跟踪。 亮度恒定:同一点随着时间的变化,其亮度不会发生改变。 小运动:随着时间的变化不会引起位置的剧烈变化,只有小运动情况下才能用前后帧之间单位 阅读全文
posted @ 2022-03-05 11:39 lixin05 阅读(449) 评论(0) 推荐(0) 编辑
图像处理之特征匹配
摘要:图像处理之特征匹配 一、Brute-Force蛮力匹配 输入图像: import cv2 import numpy as np import matplotlib.pyplot as plt %matplotlib inline img1 = cv2.imread('box.png', 0) img 阅读全文
posted @ 2022-03-05 00:15 lixin05 阅读(240) 评论(0) 推荐(0) 编辑
图像处理之SIFT
摘要:图像处理之SIFT 一、图像尺度空间 在一定的范围内,无论物体是大还是小,人眼都可以分辨出来,然而计算机要有相同的能力却很难,所以要让机器能够对物体在不同尺度下有一个统一的认知,就需要考虑图像在不同的尺度下都存在的特点。尺度空间的获取通常使用高斯模糊来实现。 不同σ的高斯函数决定了对图像的平滑程度, 阅读全文
posted @ 2022-03-04 22:31 lixin05 阅读(133) 评论(0) 推荐(0) 编辑
图像处理之角点检测
摘要:图像处理之角点检测 一、图像特征-harris角点检测 二、实战 cv2.cornerHarris() img: 数据类型为 float32 的入图像 blockSize: 角点检测中指定区域的大小 ksize: Sobel求导中使用的窗口大小 k: 取值参数为 [0,04,0.06] import 阅读全文
posted @ 2022-03-04 21:06 lixin05 阅读(67) 评论(0) 推荐(0) 编辑
图像处理之傅里叶变换
摘要:图像处理之傅里叶变换 一、傅里叶变换 我们生活在时间的世界中,早上7:00起来吃早饭,8:00去挤地铁,9:00开始上班。。。以时间为参照就是时域分析。但是在频域中一切都是静止的! 参考:https://zhuanlan.zhihu.com/p/19763358 傅里叶变换的作用: 高频:变化剧烈的 阅读全文
posted @ 2022-03-04 16:04 lixin05 阅读(678) 评论(0) 推荐(0) 编辑
图像处理之直方图均衡化
摘要:图像处理之直方图均衡化 一、直方图 cv2.calcHist(images,channels,mask,histSize,ranges) images: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img] channels: 同样用中括号括来它会告函数 阅读全文
posted @ 2022-03-04 15:24 lixin05 阅读(150) 评论(0) 推荐(0) 编辑
图像处理之模板匹配
摘要:图像处理之模板匹配 一、模板匹配 模板匹配和卷积原理很像,模板在原图像上从原点开始滑动,计算模板与(图像被模板覆盖的地方)的差别程度,这个差别程度的计算方法在opencv里有6种,然后将每次计算的结果放入一个矩阵里,作为结果输出。假如原图形是AxB大小,而模板是axb大小,则输出结果的矩阵是(A-a 阅读全文
posted @ 2022-03-04 12:12 lixin05 阅读(327) 评论(0) 推荐(0) 编辑
图像轮廓
摘要:图像轮廓 一、图像轮廓检测 cv2.findContours(img,mode,method) mode:轮廓检索模式 RETR_EXTERNAL :只检索最外面的轮廓; RETR_LIST:检索所有的轮廓,并将其保存到一条链表当中; RETR_CCOMP:检索所有的轮廓,并将他们组织为两层:顶层是 阅读全文
posted @ 2022-03-04 11:39 lixin05 阅读(42) 评论(0) 推荐(0) 编辑
图像金字塔
摘要:图像金字塔 一、高斯金字塔 高斯金字塔 拉普拉斯金字塔 1、高斯金字塔:向下采样方法(缩小) 2、高斯金字塔:向上采样方法(放大) 3、实战 img=cv2.imread("AM.png") cv_show(img,'img') up=cv2.pyrUp(img) cv_show(up,'up') 阅读全文
posted @ 2022-03-04 10:57 lixin05 阅读(57) 评论(0) 推荐(0) 编辑
图像处理之Canny边缘检测
摘要:图像处理之Canny边缘检测 一、Canny边缘检测 使用高斯滤波器,以平滑图像,滤除噪声。 计算图像中每个像素点的梯度强度和方向。 应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应。 应用双阈值(Double-Threshold)检测来确定真实的和潜 阅读全文
posted @ 2022-03-04 10:19 lixin05 阅读(84) 评论(0) 推荐(0) 编辑
图像处理之算子法
摘要:图像处理之算子法 一、图像梯度-Sobel算子 img = cv2.imread('pie.png',cv2.IMREAD_GRAYSCALE) cv2.imshow("img",img) cv2.waitKey() cv2.destroyAllWindows() dst = cv2.Sobel(s 阅读全文
posted @ 2022-03-04 09:54 lixin05 阅读(260) 评论(0) 推荐(0) 编辑
图像形态学处理
摘要:图像形态学处理 一、形态学-腐蚀操作 img = cv2.imread('dige.png') cv2.imshow('img', img) cv2.waitKey(0) cv2.destroyAllWindows() kernel = np.ones((3,3),np.uint8) erosion 阅读全文
posted @ 2022-03-03 22:15 lixin05 阅读(136) 评论(0) 推荐(0) 编辑
图像平滑处理
摘要:图像平滑处理 一、图像阈值 ret, dst = cv2.threshold(src, thresh, maxval, type) src: 输入图,只能输入单通道图像,通常来说为灰度图 dst: 输出图 thresh: 阈值 maxval: 当像素值超过了阈值(或者小于阈值,根据type来决定), 阅读全文
posted @ 2022-03-03 21:33 lixin05 阅读(136) 评论(0) 推荐(0) 编辑
图像基本操作
摘要:图像基本操作 一、数据读取-图像 cv2.IMREAD_COLOR:彩色图像 cv2.IMREAD_GRAYSCALE:灰度图像 import cv2 #opencv读取的格式是BGR import matplotlib.pyplot as plt import numpy as np %matpl 阅读全文
posted @ 2022-03-03 20:46 lixin05 阅读(40) 评论(0) 推荐(0) 编辑
图像处理之绪论
摘要:图像处理之绪论 一、引言 数字图像处理方法的重要性源于两个主要应用领域: 改善图示信息以便人们解释 为存储、传输和表示而对图像数据进行处理,以便于机器自动理解 1.1 什么是数字图像处理  一幅图像可定义为一个二维函数f(x, y),其中x和y是空间(平面)坐标,而在任 何一对空间坐标(x, y) 阅读全文
posted @ 2022-03-02 23:55 lixin05 阅读(350) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示