一枚码农

2023年4月7日

摘要：理论任何灰度图像都可以看作是地形表面，其中高强度表示峰和丘陵，而低强度表示山谷。你开始用不同颜色的水（标签）填充每个孤立的山谷（局部最小值）。随着水的上升，取决于附近的峰值（梯度），来自不同山谷的水，明显具有不同的颜色将开始融合。为避免这种情况，你需要在水合并的位置建立障碍。你继续填补水和建筑障碍阅读全文

posted @ 2023-04-07 17:03 一枚码农阅读(287) 评论(1) 推荐(0) 编辑

opencv-python 4.14. 霍夫圆变换

摘要：基础知识铺垫通过检索相关资料，学习到了霍夫圆检测的一点点皮毛知识，它的基本内容是认为图像上任何一个非零像素点，都有可能是一个潜在圆形上的一点。通过投票计算，生成累计坐标平面，然后在设置一个累计权重，去定位圆。在笛卡尔坐标系中圆的方程为(x - a)^2 + (y - b)^2 = r^2，其中( 阅读全文

posted @ 2023-04-07 10:35 一枚码农阅读(140) 评论(0) 推荐(0) 编辑

2023年4月6日

opencv-python 4.13. 霍夫线变换

摘要：前言霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换(Hough Transform)是图像处理中的一种阅读全文

posted @ 2023-04-06 18:22 一枚码农阅读(175) 评论(0) 推荐(0) 编辑

opencv-python 4.12. 模板匹配

摘要：理论模板匹配是一种在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV附带了一个函数cv.matchTemplate()。它只是在输入图像上滑动模板图像（如在2D卷积中），并比较模板图像下的输入图像的模板和补丁。在OpenCV中实现了几种比较方法。它返回一个灰度图像，其中每个像素表示该像素阅读全文

posted @ 2023-04-06 15:59 一枚码农阅读(190) 评论(1) 推荐(0) 编辑

opencv-python 4.11.1 傅里叶变换

摘要：理论傅立叶变换用于分析各种滤波器的频率特性。对于图像，2D离散傅里叶变换（DFT）用于找到频域。称为快速傅里叶变换（FFT）的快速算法用于计算DFT。有关这些的详细信息可以在任何图像处理或信号处理教科书中找到。对于正弦信号，x（t）= Asin（2πft），我们可以说f是信号的频率，如果采用其频阅读全文

posted @ 2023-04-06 11:34 一枚码农阅读(160) 评论(0) 推荐(0) 编辑

2023年4月4日

opencv-python 4.10.4. 反投影直方图

摘要：理论它由Michael J. Swain，Dana H. Ballard在他们的论文“Indexing via color histograms”中提出。用简单的话来说，它到底是什么?它用于图像分割或查找图像中感兴趣的对象。简单地说，它创建了与输入图像大小相同(但是是单一通道)的图像，其中每个像阅读全文

posted @ 2023-04-04 10:38 一枚码农阅读(39) 评论(0) 推荐(0) 编辑

2023年4月3日

opencv-python 4.10.3. 直方图3：2D直方图

摘要：介绍我们学习计算并绘制了一维直方图。它之所以被称为一维，是因为我们只考虑一个特征，即像素的灰度强度值。但在二维直方图中，需要考虑两个特征。通常，它用于查找颜色直方图，其中两个特征是每个像素的色调值和饱和度值。 OpenCV中的2D直方图它很简单，使用相同的函数cv.calcHist()计算阅读全文

posted @ 2023-04-03 16:51 一枚码农阅读(25) 评论(0) 推荐(0) 编辑

opencv-python 4.10.2 直方图2：均衡直方图

摘要：理论考虑一个像素值仅限于某些特定值范围的图像。例如，较亮的图像将所有像素限制为高值。但是，良好的图像将具有来自图像的所有区域的像素。所以你需要将这个直方图拉伸到两端（如下图所示，来自维基百科），这就是直方图均衡所做的，通常可以改善图像的对比度。建议阅读直方图均衡的维基百科页面，了解更多相关阅读全文

posted @ 2023-04-03 16:37 一枚码农阅读(38) 评论(0) 推荐(0) 编辑

opencv-python 4.10.1 直方图1：查找，绘画，分析

摘要：理论直方图是什么？你可以将直方图视为图形或绘图，它可以让你全面了解图像的强度分布。它是在X轴上具有像素值（范围从0到255，并非总是）的图和在Y轴上的图像中的对应像素数。这只是理解图像的另一种方式。通过查看图像的直方图，你可以直观了解该图像的对比度，亮度，强度分布等。今天几乎所有的图像处理工具都阅读全文

posted @ 2023-04-03 15:32 一枚码农阅读(91) 评论(0) 推荐(0) 编辑

opencv-python 4.9.4. 轮廓：层次结构

摘要：理论在最近几篇关于轮廓的文章中，我们使用了与OpenCV提供的轮廓相关的几个函数。但是当我们使用cv.findContours()函数在图像中找到轮廓时，我们已经传递了一个参数Contour Retrieval Mode。我们通常传递cv.RETR_LIST或cv.RETR_TREE，它运行的效果阅读全文

posted @ 2023-04-03 11:33 一枚码农阅读(82) 评论(0) 推荐(0) 编辑

公告