随笔分类 - opencv和计算机视觉
1
计算机视觉相关的知识学习
摘要：opencv实现了八种单目标跟踪算法，对于比较简单的场景，可以用来做目标跟踪，简单记录下学习过程。 跟踪器简介 BOOSTING Tracker: Based on the same algorithm used to power the machine learning behind Haar c
阅读全文
摘要：https://www.cnblogs.com/xiaotie/archive/2012/03/25/2416267.html
阅读全文
摘要：https://blog.csdn.net/wuan584974722/article/details/51435876 此实例通过使用Halcon实现5种清晰度算法函数：1. 方差算法函数；2. 拉普拉斯能量函数；3. 能量梯度函数；4. Brenner函数；5. Tenegrad函数； http
阅读全文
摘要：https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_gui/py_video_display/py_video_display.html https://zhuanlan.zhihu.com/p/38136322 当我们需要读取网络摄像头的时候，
阅读全文
摘要：双边滤波原理讲解：https://zhuanlan.zhihu.com/p/161665205， https://zhuanlan.zhihu.com/p/37404280 相比于上面几种平滑算法，双边滤波在平滑的同时还能保持图像中物体的轮廓信息。双边滤波在高斯平滑的基础上引入了灰度值相似性权重因子
阅读全文
摘要：图片转字节 img = cv2.imread(img_path) imgbytes = cv2.imencode(".jpg", img)[1].tobytes() 字节转图片 #先读取图片为字节，再转图片array with open(img_file, "rb") as f: img_data
阅读全文
摘要：实际项目中一般都直接使用封装好的sift算法。以前为了用sift，都是用的旧版本：opencv-contib-python=3.4.2.17，现在sift专利过期了，新版的opencv直接可以使用sift算法，opencv-python==4.5.1版本测试可以使用。 sift算法理论部分参考前面文
阅读全文
摘要：SIFT(Scale-Invariant Feature Transform) 尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由
阅读全文
摘要：Ransac： Random Sample Consensus, 随机抽样一致性。RANSAC算法在1981年由Fischler和Bolles首次提出。 Ransac是一种通过使用观测到的数据点来估计数学模型参数的迭代方法。其中数据点包括内点(inlier)，外点(outlier)。outlier对
阅读全文
摘要：之前的图像处理，都是再原图上进行；而频率域滤波，是在图像的傅里叶谱上进行处理，最后再通过傅里叶逆变换得到处理后的图像，则是因为图片的傅里叶谱包含图片的频率信息，方便对其频率进行处理。对于图像，低频信息表示图像中灰度值缓慢变化的区域，如背景信息等；而高频信息则表示灰度值迅速变化的区域，如边缘处等细节信
阅读全文
摘要：对于二维图片，可以对其进行傅里叶变换，获取图片的频谱信息。频谱有很多应用，包括显著性检测，卷积定理，频率域滤波等，下面是图片傅里叶变换的一些基本概念： 1. 图像傅里叶变换 对于M行N列的图像矩阵f(x,y)，f(x, y)表示第x行y列的像素值，则存在复数矩阵F，有以下公式： F(u,v)称为f(
阅读全文
摘要：针对物体轮廓，opencv还提供了一些相关的函数，来处理轮廓查找，绘制，拟合，以及计算轮廓周长和面积等，详细介绍如下： 1. 寻找和绘制轮廓 opencv的findContours()能寻找图片中的轮廓，实现的是下面论文的算法： Satoshi Suzuki and others. Topologi
阅读全文
摘要：通过阈值分割提取图像中的目标物体前景，或者边缘提取目标物体的轮廓，在这些前景中可以寻找感兴趣的几何形状，如直线，圆，三角形，矩形等。 1. 点集的最小外包 opencv中提供了拟合像素点的最小外包旋转矩形，最小外包直立矩形，最小外包圆，最小外包三角形和最小凸包，其对应函数使用如下： 最小外包旋转矩形
阅读全文
摘要：在上一节中都是采用一阶差分(导数)，进行的边缘提取。 也可以采用二阶差分进行边缘提取，如Laplacian算子，高斯拉普拉斯(LoG)边缘检测， 高斯差分(DoG)边缘检测，Marr-Hidreth边缘检测。这些边缘提取算法详细介绍如下： 1. Laplacian算子 Laplacian算子采用二阶
阅读全文
摘要：在进行图像识别时，常需要检测图像的边缘信息。图像的边缘指的是灰度值急剧变化的地方，一般是背景和前景物体的交界处。由于边缘处的灰度值急剧变化特性，可以利用离散数列的差分（相当于连续函数的导数）来识别边缘。目前常用的边缘检测算法大多数是通过梯度方向导数求卷积的方法，常用的卷积算子有Roberts算子，P
阅读全文
摘要：收藏些图像处理，机器学习，深度学习方面比较不错的文章，时常学习，复习和膜拜吧。。。 图像方面（传统CV）： 1. SIFT特征 https://www.cnblogs.com/wangguchangqing/p/4853263.html http://shartoo.github.io/SIFT-f
阅读全文
摘要：通过阈值化分割可以得到二值图，但往往会出现图像中物体形态不完整，变的残缺，可以通过形态学处理，使其变得丰满，或者去除掉多余的像素。常用的形态学处理算法包括：腐蚀，膨胀，开运算，闭运算，形态学梯度，顶帽运算和底帽运算。 1. 腐蚀 腐蚀操作类似于中值平滑，也有一个核，但不进行卷积运算，而是取核中像素值
阅读全文
摘要：由于种种原因，图像中难免会存在噪声，需要对其去除。噪声可以理解为灰度值的随机变化，即拍照过程中引入的一些不想要的像素点。噪声可分为椒盐噪声，高斯噪声，加性噪声和乘性噪声等，参见：https://zhuanlan.zhihu.com/p/52889476 噪声主要通过平滑进行抑制和去除，包括基于二维离
阅读全文
摘要：·对于部分图像，会出现整体较暗或较亮的情况，这是由于图片的灰度值范围较小，即对比度低。实际应用中，通过绘制图片的灰度直方图，可以很明显的判断图片的灰度值分布，区分其对比度高低。对于对比度较低的图片，可以通过一定的算法来增强其对比度。常用的方法有线性变换，伽马变换，直方图均衡化，局部自适应直方图均衡化
阅读全文
摘要：opencv是一个强大的图像处理和计算机视觉库，实现了很多实用算法，值得学习和深究下。方便大家阅读，整理了下文章链接合集： (一)OpenCV-Python学习—基础知识 (二)OpenCV-Python学习—对比度增强 (三)OpenCV-Python学习—图像平滑 (四)OpenCV-Pytho
阅读全文
1
