Python-OpenCV图像识别学习

最新推荐文章于 2025-04-27 17:56:06 发布

置顶 luoz_python

最新推荐文章于 2025-04-27 17:56:06 发布

阅读量4.4k

点赞数 5

分类专栏：图像识别文章标签： Python-OpenCV 图像识别 GitHub

本文链接：https://blog.youkuaiyun.com/luoz_java/article/details/90340021

版权

图像识别专栏收录该内容

1 篇文章

订阅专栏

代码已托管GitHub，仓库地址：OpenCV3-note，以下为仓库的README.md，介绍仓库信息及代码结构：

OpenCV

OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。
OpenCV是由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。

OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。

Demo环境

cv:4.0.0
numpy:1.16.2
python:3.6.1 (v3.6.1:69c0db5, 3月21日 2017, 17:54:52) [MSC v.1900 32 bit (Intel)]

代码及笔记结构

chapter1
- Python-OpenCV的虚拟环境安装测试、Github的命令操作等准备工作
chapter2
- OpenCV图像的处理操作：获取图像信息（通道、大小等）、图像倒置（利用循环、利用numpy）、摄像头操作，同样可以运用于视频等。
- 色彩空间：色彩空间的转换、学会使用inRange、通道分离合并。
- 图像像素运算：加减乘除、与或非、均值方差、对比度亮度等操作。
chapter3
- ROI(Region of onterest) 和泛洪填充：图像的矩形提取、泛洪填充demo、二值图像填充。
- 图像模糊操作：均值模糊（随机噪声）、中值模糊（椒盐噪声）、自定义模糊。
- 高斯模糊：比均值模糊去噪效果更好，对高斯噪声效果较好。
chapter4
- 图像的直方图：直方图的均衡化、直方图的比较（巴氏距离、直方图相关性、卡方）。
- 直方图反向投影。
- 图像二值化：OTSU、Triangle（单波峰）、局部域值、自定义域值、超大图像二值化（分块、全局域值局部域值）。
- 模板匹配：应用范围比较小，可能会受光线、噪声的影响，多种匹配方法：TM_SQDIFF_NORMED、TM_CCORR_NORMED、TM_CCOEFF_NORMED。
chapter5
- 图像金字塔：reduce 降采样、expand 扩大。
- 图像梯度：一阶导数和Sobel算子、Scharr算子；二阶倒数和Laplacian算子、自定义拉普拉斯算子。
- 图像边缘提取：Canny边缘检测算法（对噪声敏感，所以先使用GaussianBlur除噪）。
chapter6
- 直线检测（霍夫直线检测）：HoughLines（直接划出直线）、HoughLinesP（自定义参数划出线段）。
- 圆检测:霍夫园检测（对噪声敏感，所以需要去噪，如果不进行均值迁徙去噪，结果误差极大）。
- 轮廓发现：1.去噪，2.灰度图像，3.二值图像，4.findContours发现轮廓，5.drawContours描绘轮廓，6.计算出轮廓，就可以进行轮廓的分析，如面积周长等。
- 图像测量：图像中心点、图像面积测量、图像线段逼近（根据逼近的线段数得出图像形状）。
chapter7
- 图像膨胀和腐蚀：彩色和灰度图像、单通道和多通道都支持。
- 开闭操作：开操作（先腐蚀再膨胀，主要作用：去噪点，去掉小的干扰块）、闭操作（先膨胀再腐蚀，主要作用：填充小的封闭区域）。其他作用：水平或垂直直线提取、干扰线的去除。
- 其他形态学操作：顶帽 tophat:原图像与开操作之间的差值图像、黑帽 blackhat:闭操作与原图像的差值图像、其他形态学操作 Gradient（梯度）。
- 基于距离变换的分水岭算法流程：运用于图像分割。
chapter8
- 基于级联检测器的人脸识别（haarcascade_frontalface_alt_tree.xml）：需要光线较强的情况下才能比较准确。
- 基于OpenCV+Tesserct-OCR的数字验证码识别：OpenCV预处理、Tesserct-OCR验证码识别。