图像识别ImageRecognition

最新推荐文章于 2024-01-25 01:53:02 发布

haoen110

最新推荐文章于 2024-01-25 01:53:02 发布

阅读量1.9k

点赞数 1

分类专栏：数据科学和机器学习 Python

本文链接：https://blog.youkuaiyun.com/haoen110/article/details/92795903

版权

本文介绍了使用OpenCV进行图像处理的各种技术，包括裁剪、缩放、颜色差值、边缘检测、亮度提升、角点检测、特征点检测以及如何通过特征值矩阵识别图片中的物体。还特别提到了色彩排列在不同库中的差异以及直方图均衡化在亮度提升中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

图像识别

注意：cv2中的色彩排列是(b,g,r)，而matplotlib库中的排列方式是(r,g,b)，本文件中采用plt进行输出，因此颜色不是准确的颜色

1. OpenCV，机器视觉

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

original = cv.imread('../data/forest.jpg')
print(original.shape, original.dtype)
cv.imshow('Original', original)  # 显示图片（是非阻塞函数）
# cv.waitKey()  # 等待按键响应
plt.imshow(original)

(397, 600, 3) uint8

red = np.zeros_like(original)
red[..., 0] = original[..., 0]  # 0表示红色通道
cv.imshow('Red', red)
plt.imshow(red)

在这里插入图片描述

green = np.zeros_like(original)
green[..., 1] = original[..., 1]  # 1表示绿色通道
cv.imshow('Green', green)
plt.imshow(green)

在这里插入图片描述

blue = np.zeros_like(original)
blue[..., 2] = original[..., 2]  # 2表示蓝色通道
cv.imshow('Blue', blue)
plt.imshow(blue)

在这里插入图片描述

裁剪图片

h, w = original.shape[:2]
l, t = int(w / 4), int(h / 4)
r, b = int(w * 3 / 4), int(h * 3 / 4)
cropped = original[t:b, l:r]
cv.imshow('Cropped', cropped)
plt.imshow(cropped)

在这里插入图片描述

缩小图片

scaled1 = cv.resize(original, (int(w / 4), int(h / 4)))
plt.imshow(scaled1)

在这里插入图片描述

颜色差值

scaled2 = cv.resize(original, (int(w / 4), int(h / 4)), interpolation=cv.INTER_LINEAR)
plt.imshow(scaled2

最低0.47元/天解锁文章