opencv3计算机视觉：python实现

目录

一  处理图像

二 深度估计和分割

三 图像检索和描述符

四 目标检测识别与跟踪

 

---

一  处理图像

1.多数常用opencv函数都在  cv2 模块内，因为它采用面向对象的方式，之前的cv模块多采用面向过程的方式。

 

2.原始图像由许多频率组成，我们可以分离这些频率来理解图像和提取ROI。（region of interest） 

 

3.图像的幅度谱 spectrum

最明亮的像素放到中央，逐渐变暗，边缘最暗。

 

4.核的本质是权重，基于核的滤波器（滤波函数）被称为卷积滤波器（卷积函数）。

 

5.  cv2.findContours  和  cv2.approxPloyDP 计算近似的多边形框

    cv2.convexHull 来计算凸包

HoughLines 和 HoughLinesP 用来检测直线，前者运用标准hough变换，后者使用概率Hough 变换。

HoughCircles检测圆。

 

二 深度估计和分割

• 深度图像：灰度图，像素值是摄像头到物体表面的距离。
• 点云图： 图像的每种颜色对应一个（X/Y/Z）维度空间。BGR图像中B对应x，G对应y，R对应z。（蓝色右边，绿色向上，红色深度）
• 视差图：灰度图。图像的每个像素值代表物体表面的立体视差。
• 立体视差：近距离的物体