03 2023 档案
opencv-python 4.9.2. 轮廓特征
摘要：矩 图像的矩可帮助你计算某些特征，如对象的质心，对象的面积等特征。函数cv.moments()给出了计算的所有矩值的字典。 从这一刻起，你可以提取有用的数据，如面积，质心等。质心由关系给出， $$ C_{x}=\frac{M_{10}}{M_{00}} $$和 $$ C_{y}=\frac{M_{0
opencv-python 4.9.1. 轮廓：入门
摘要：什么是轮廓？ 轮廓可以简单地解释为连接所有具有相同的颜色或强度的连续点（沿着边界）的曲线。轮廓是形状分析和物体检测和识别的很有用的工具。 为了更好的准确性，使用二进制图像，因此，在找到轮廓之前，应用阈值或canny边缘检测。 从OpenCV 3.2开始，findContours()不再修改源图像，而
opencv-python 4.8. 图像金字塔
摘要：理论 通常，我们曾经使用恒定大小的图像。但在某些情况下，我们需要使用不同分辨率的（相同）图像。例如，在搜索图像中的某些内容时，如脸部，我们不确定该对象在所述图像中的大小。在这种情况下，我们需要创建一组具有不同分辨率的相同图像，并在所有图像中搜索对象。这些具有不同分辨率的图像被称为图像金字塔（因为当它
opencv-python 4.7. Canny边缘检测
摘要：理论 Canny边缘检测是一种流行的边缘检测算法，它是由John F. Canny开发的。 这是一个多阶段算法，我们将了解其中的每个阶段。 降噪 由于边缘检测易受图像中的噪声影响，因此第一步是使用5x5高斯滤波器去除图像中的噪声。我们在之前的章节中已经看到了这一点。 计算图像的强度梯度 然后在水平和
opencv-python 4.6. 图形梯度
摘要：理论 OpenCV提供三种类型的梯度滤波器或高通滤波器，Sobel，Scharr和Laplacian。 Sobel和Scharr Sobel算子是高斯联合平滑加微分运算，因此它更能抵抗噪声。你可以指定要采用的导数的方向，垂直或水平（yorder和xorder），你还可以通过参数ksize指定卷积核的
4.5. 形态变换
摘要：理论 形态学转换是基于图像形状的一些简单操作。它通常在二进制图像上执行。它需要两个输入参数，一个是我们的原始图像，第二个是称为结构元素或核，它决定了操作的性质。腐蚀和膨胀是两个基本的形态学运算符。然后它的变体形式如开运算，闭运算，梯度等也发挥作用。 腐蚀 腐蚀的基本思想就像土壤侵蚀一样，它会腐蚀前景
opencv-python 4.4. 图像滤波
摘要：2D卷积（图像过滤) 与一维信号一样，图像也可以使用各种低通滤波器（LPF），高通滤波器（HPF）等进行滤波。LPF有助于消除噪声，模糊图像等。HPF滤波器有助于找到图片的边缘。 OpenCV提供了一个函数cv.filter2D()来将卷积核与图像进行卷积。例如，我们将尝试对图像进行平均滤波。下面是
opencv-python 4.3. 图像阈值
摘要：简单阈值处理 这种阈值处理的方法是简单易懂的。如果像素值大于阈值，则为其分配一个值（可以是白色），否则为其分配另一个值（可以是黑色）。使用的函数是cv.threshold。函数第一个参数是源图像，它应该是灰度图像。第二个参数是用于对像素值进行分类的阈值。第三个参数是maxVal，它表示如果像素值大于
opencv-python 4.2图像的几何变化
摘要：转换 OpenCV提供了两个转换函数cv.warpAffine和cv.warpPerspective，你可以使用它们进行各种转换。cv.warpAffine采用2x3变换矩阵作为参数输入，而cv.warpPerspective采用3x3变换矩阵作为参数输入。 缩放 缩放只是调整图像大小，OpenCV
opencv-python 4.1. 改变颜色空间
摘要：改变色彩空间 OpenCV中有150多种颜色空间转换方法。我们只研究两种最广泛使用的转换方法，BGR↔Gray和BGR↔HSV。 对于颜色转换，使用函数cv.cvtColor(input_image，flag)，其中flag确定转换类型。 对于BGR→Gray转换，我们使用标志cv.COLOR_BG
opencv-python 3 图像的算术运算
摘要：图像的加法 你可以使用OpenCV的cv.add()函数把两幅图像相加，或者可以简单地通过numpy操作添加两个图像，如res = img1 + img2。两个图像应该具有相同的大小和类型，或者第二个图像可以是标量值。 注意：OpenCV加法和Numpy加法之间存在差异。OpenCV的加法是饱和操作
opencv-python 2 图像基本操作
摘要：图像的基本操作 获取并修改图像的像素值 可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝色，绿色，红色值的数组。对于灰度图像，仅返回相应的强度值。 可以用同样的方法修改像素点的像素值： 更好的像素获取和编辑方法： 获取图像的属性 图像属性包括行数，列数和通道数，图像数据类型，
opencv-python 1 图像、视频入门&绘图&鼠标做画笔&调色盘
摘要：参考地址：https://opencv-python-tutorials.readthedocs.io/zh/latest/ 安装 pip install opencv-python import cv2 as cv 以下所有内容来自上边连接中整理，使用中参考上边连接中的文档 图片 import c
flask使用pytest 单元测试
摘要：安装pytest pip install pytest 编写测试环境相关代码 在tests文件夹下, 创建一个名为conftest.py的文件 文如其名, conf-test, 测试的配置 所有的配置重点在于这个装饰器: @pytest.fixture(scope="session") fixure
flask使用unittest 单元测试
摘要：unittest基本概念 unittest的几个核心要素: TestCase: 测试用例类 Fixture: 测试固件,用于测试用例环境的搭建和销毁. setUP()前置条件 和 tearDown()后置条件 TestSuite: 测试套件,把需要执行的测试用例 集合在一起. TextTestRun
