AnHongjun的博客

res = cv2.matchTemplate(img, template, method) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) method：匹配算法 ### TM_SQDIFF：计算平方不同，计算出来的值越小越相关 ### TM_CCORR：计算相关性，计算出来的值越大越相关 ### TM_CCOFFF：计算相关系数，计算出来的值越大越相关 ### TM_SQDIFF_NORME...

一、高斯金字塔 import cv2 import matplotlib.pyplot as plt import numpy as np img = cv2.imread('./cat.jpg', cv2.IMREAD_COLOR) b, g, r = cv2.split(img) img = cv2.merge((r, g, b)) pyrup = cv2.pyrUp(img) #向上采样 pyrdown = cv2.pyrDown(img) #向下采样 plt.f

一、Canny边缘检测的一般步骤 1.使用高斯滤波器，以平滑图像，滤除噪声； 2.计算图像中每个像素点的梯度强度和方向； 3.应用非极大值抑制，以消除边缘检测带来的杂散效应； 4.应用双阈值检测来确定真实的和潜在的边缘； 5.通过抑制孤立的弱边缘最终完成边缘检测。 二、梯度强度和方向的计算 三、关于非极大值抑制 1.方法一 2.方法二 四、双阈值检测 五、OpenCV接口实现 import cv2 import matplotlib.pyplot as plt im

一、Sobel算子 二、计算图像梯度 dst = cv2.Sobel(src, ddepth, dx, dy, ksize) ddepth:图像的深度 dx和dy分别表示水平和竖直方向 ksize是Sobel算子的大小 import cv2 import matplotlib.pyplot as plt img = cv2.imread('./noisy.jpg', cv2.IMREAD_GRAYSCALE) #滤波 img = cv2.medianBlur(img, 5) #计算

一、图像阈值操作 ret, dst = cv2.threshold(src, thresh, maxval, type) src:输入图，只能输入单通道图，通常来说为灰度图 dst:输出图 thresh:阈值 maxval:当像素超过了阈值（或小于阈值，由type决定），所赋予的值 type:二值化操作的类型，包含以下五种： ### cv2.THRESH_BINARY 超过阈值部分取maxval，否则取0 ### cv2.THRESH_BINAEY_INV ...

一、图像的截取 把图像当作数组处理即可（宽度, 高度, 通道数)。 import cv2 img = cv2.imread('./cat.jpg', cv2.IMREAD_COLOR) subimg = img[0:800, 0:800] cv2.imshow('title', subimg) cv2.waitKey(0) cv2.destroyAllWindows() 二、颜色通道提取与合并 注意opencv中彩图为BGR图像，不是RGB。 import cv2 img = cv2.i

一、图像读取、显示与写出 关于cv2.imread函数，第二个参数cv2.IMREAD_COLOR表示读取为RGB图像，cv2.IMREAD_GRAYSCALE表示读取为灰度图像 import cv2 def ShowImage(title, img): cv2.imshow(title, img) cv2.waitKey(0) #按任意键继续 cv2.destroyAllWindows() img = cv2.imread('./cat.jpg'...

本人安装3.4.1.15版本。 避免踩坑，不建议安装4.x版本！ pip install opencv-python==3.4.1.15 pip install opencv-contrib-python==3.4.1.15 python代码测试是否安装成功 import cv2 #引入opencv库 print(cv2.__version__) #输出cv2版本 ...