cherry的博客

本文介绍了多种流行的Python图像处理库，包括基于NumPy的skimage、SimpleITK、scipy.ndimage以及非NumPy基的pillow，并探讨了它们在计算机视觉应用中的组合使用。文章详细讲解了Jupyter Notebook的安装、启动、界面功能及编程操作，特别针对Raspberry Pi环境进行了说明。同时涵盖了OpenCV的性能优化与代码执行时间测量方法，提供了重复利用Raspbian OS microSD卡的两种格式化方案。此外，还介绍了raspi-config命令行工具的各项

本文介绍了计算机视觉的两个实际应用：图像中条形码的检测和色度键效果的实现，并详细讲解了Mahotas库的安装、基本功能及使用方法。通过与OpenCV的对比，突出了Mahotas在科研、教学和小型项目中的优势。文章还展示了Mahotas在图像读取、阈值处理、距离变换、颜色转换等方面的应用，并探讨了其未来发展方向，为图像处理和计算机视觉开发者提供了实用参考。

本文深入探讨了计算机视觉中的核心图像处理技术，包括直方图均衡化（全局与自适应）、图像轮廓提取、形态学操作（如腐蚀、膨胀、开闭运算）及其应用。同时介绍了多种实际应用场景，如Max RGB滤波器、背景减法、光流计算、运动检测与跟踪、条形码识别以及色度键视频合成技术。通过代码示例和流程图展示了各项技术的实现方法，并比较了不同技术的优缺点，全面展现了计算机视觉在安防、影视、自动化等领域的广泛应用前景。

本文介绍了图像分割的多种方法，包括均值漂移算法和k-均值聚类，并比较了它们的时间复杂度与适用场景。详细讲解了使用PyMeanShift进行图像和视频分割的技术实现，以及k-均值在图像量化中的应用。同时阐述了视差图与深度估计的基本原理及OpenCV实现方法，涵盖了灰度图和彩色图像的直方图计算与可视化技术。最后总结了这些技术在医学图像分析、自动驾驶、遥感、机器人导航等领域的应用场景，为图像处理的实际应用提供了全面的技术参考。

本文全面解析了图像特征检测与处理的核心技术，涵盖高通滤波器、Sobel/Laplacian/Scharr算子、Canny边缘检测、霍夫圆与线检测、Harris角点检测等方法，并深入探讨了图像修复（Telea与Navier-Stokes）、图像分割（阈值、区域生长、聚类等）以及基于双目视觉的视差图与深度估计原理与应用。结合OpenCV代码示例，展示了各项技术在工业自动化、智能车辆和医学图像分析中的实际价值，展望了其在深度学习与多传感器融合背景下的发展方向。

本文详细介绍了图像噪声处理与滤波技术，涵盖噪声的基本概念、常见噪声类型（如椒盐噪声、高斯噪声、泊松噪声和随机正态噪声）的模拟方法，以及核与卷积操作的原理。文章重点讲解了使用SciPy和OpenCV进行2D卷积和多种滤波函数的应用，包括boxFilter、blur、GaussianBlur、medianBlur等，并通过对比表格、流程图和实际案例帮助读者理解不同滤波技术的特点与适用场景。最后结合实时视频去噪示例，展示了这些技术在实际中的应用价值。

本文详细介绍了图像处理中的核心技术和方法，涵盖颜色跟踪、图像缩放、平移、旋转、仿射变换、透视变换以及多种阈值处理技术（包括全局阈值、Otsu自动阈值和自适应阈值）。通过OpenCV函数的代码示例，深入讲解了每种技术的原理与应用场景，并提供了实践建议和流程图，帮助读者掌握图像处理的基础操作及其在计算机视觉中的实际应用。

本文详细介绍了图像基础处理与色彩空间转换的核心技术，涵盖图像的加减法、融合、乘法、负片效果及位逻辑运算等基本操作。深入讲解了BGR、RGB、HSV等常见色彩空间的特性及相互转换方法，并展示了基于HSV的颜色跟踪应用。此外，还介绍了仿射变换与透视变换在图像校正中的使用，以及简单阈值和自适应阈值在图像分割中的实践。结合代码示例与流程图，帮助读者系统掌握OpenCV中关键的图像处理技术，为计算机视觉项目奠定基础。

本文深入介绍了计算机视觉中的图像与视频处理技术，涵盖使用OpenCV播放视频、RPi相机模块的连接与编程控制、利用Python和picamera库捕获图像与视频，以及图像的基本操作如属性获取、通道分离合并、边框添加、算术运算、图像混合、与常数相乘、创建负片和位运算等。通过丰富的代码示例，帮助读者掌握在树莓派平台上进行图像采集与处理的核心方法，为后续计算机视觉应用打下坚实基础。

本文介绍了计算机视觉的基础知识与应用，涵盖OpenCV中的事件处理和简单绘图功能，如通过鼠标事件绘制不同颜色和大小的圆。详细讲解了如何使用USB网络摄像头在树莓派上进行图像捕获、实时视频显示、分辨率与FPS设置、视频录制及延时摄影，并提供了基于Python和OpenCV的代码示例。进一步拓展至智能安防、工业自动化检测和交互式艺术装置等实际应用场景，结合工具链如fswebcam、ffmpeg和MEncoder，帮助读者构建完整的视觉系统。最后总结常见问题与解决方法，助力项目实践。

本文介绍了树莓派GPIO按钮编程的基础知识，包括内部上拉和下拉电阻的使用方法，并深入讲解了计算机视觉的入门技术。内容涵盖图像数据集的获取、OpenCV图像读取与保存、matplotlib可视化、几何形状绘制、GUI交互设计、鼠标事件处理绘图应用，以及通过USB网络摄像头和树莓派相机模块实现实时图像捕获。适合初学者快速掌握Python在树莓派上的计算机视觉基础应用。

本文介绍了Python中SciPy生态系统的核心组件，重点讲解了NumPy的数组操作与线性代数功能，以及Matplotlib在二维绘图、图像可视化和颜色映射中的应用。同时，文章还涵盖了树莓派GPIO编程基础，包括LED闪烁、多LED交替控制和追逐效果的实现方法。通过代码示例和流程图，帮助读者掌握科学计算、数据可视化与硬件控制的基本技能，并提供了进一步学习的实践建议与拓展方向。

本文介绍了树莓派在计算机视觉应用中的准备工作，涵盖远程桌面访问配置（VNC和xrdp）、OpenCV的安装与验证、树莓派4B的散热与超频设置，以及Python 3编程基础。内容还包括科学Python生态系统的核心库如NumPy、Matplotlib的使用方法，并介绍了通过RPi.GPIO进行硬件控制的基本示例。结合流程图与对比表格，帮助读者系统掌握树莓派在计算机视觉项目中的开发环境搭建与基础编程技能。

本文详细介绍了使用树莓派进行计算机视觉开发的完整准备流程，涵盖系统镜像下载与写入、microSD卡初始化、首次启动与初始设置、网络连接（以太网和Wi-Fi）、系统更新、远程访问（SSH和VNC）、OpenCV库安装以及树莓派4B的散热与超频优化。通过一步步指导，帮助开发者快速搭建树莓派计算机视觉开发环境，为后续的目标检测、图像识别等应用打下坚实基础。

本文介绍了计算机视觉的基本概念及其与人工智能、机器视觉的关系，详细讲解了OpenCV库的功能与应用背景。同时概述了单板计算机的特点及主流产品，并重点介绍了树莓派的型号、操作系统Raspbian的安装步骤以及联网方法。最后，指导读者在树莓派上安装OpenCV并运行简单的计算机视觉程序，为后续开展物体识别、图像分类等项目奠定基础。

本博客全面介绍了在树莓派上进行计算机视觉开发的完整流程，涵盖从基础设置、Python编程入门到图像处理、特征检测及实际应用开发的各个方面。内容包括OpenCV的使用、图像噪声处理、颜色空间转换、阈值处理、轮廓与直方图分析等核心技术，并提供了多个实用项目示例，如运动检测、条形码识别和智能安防系统。同时附有学习资源推荐、常见问题解答和实践项目建议，帮助读者系统掌握树莓派计算机视觉编程技能。