M_Z_G_Y的博客

该方法是最简单得物体跟踪方法，即利用掩膜和位运算的方法来追踪特定颜色的物体.核心方法：def object_tacking(frame): hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) # 设置颜色阈值 lower = np.array([110, 50, 50]) upper = np.array([130, 2...

改善降质图像的方法：1.图像增强；2.图像复原其中图像增强的主要内容如下：也有人将空间域变换划分为：灰度变换也被称为图像的点运算（只针对图像的某一像素点）是所有图像处理技术中最简单的技术，其变换形式如下：s=T(r)其中，T是灰度变换函数；r是变换前的灰度；s是变换后的像素。图像灰度变换的有以下作用：改善图像的质量，使图像能够显示更多的细节，提高图像的对比度（对比度...

目标检测和识别发展史：目标检测，通俗的理解其目的是定位目标，并确定目标位置及大小。相比于图像目标检查，视频检测是比单张图片检测多了时间上下文的信息；相比于传统目标检测，深度学习目标检测算法越来越成熟https://www.cnblogs.com/houjun/p/8424893.htmlhttps://handong1587.github.io/deep_learning/2015/1...

配准：其中约束点指的是在参考图像和输入图像中其位置恰好已知的相应点。基本流程：特征提取---》特征匹配---》模型参数估计---》坐标变换与插值掩膜： 掩模是由0和1组成的一个二进制图像（有时候也用多值图像）。当在某一功能中应用掩模时，1值区域被处理，被屏蔽的0值区域不被包括在计算中。在OpenCV中通常用cv2.inRange(原数组，上界，下界)实现，比如一个3 * 3...

    图像的几何变换主要包括：平移、扩大与缩小、旋转、仿射、透视等等。在OpenCV中，cv2.resize()实现扩大或者缩小，cv2.warpAffine()实现平移、旋转(cv2.getRotationMatrix2D(旋转中心，旋转角度，旋转后的缩放因子)函数作为变换矩阵)和仿射变换(cv2.getAffineTransform(变换前的3个点，变换后的3个点)函数用来创建2*3的变换矩...

点运算：代数运算：加法运算：OpenCV中的加法是一种饱和算法，而python中的numpy是一种模操作。import cv2import numpy as npif __name__=='__main__':# image = cv2.imread('F:/_photo/1/33.png')# h,w=image.shape# resize=c...

       获取图像的目标是从感知的数据中产生数字图像，但是传感器的输出是连续的电压波形，因此需要把连续的感知数据转换为数字形式。这一过程由图像的取样与量化来完成。数字化坐标值称为取样；数字化幅度值称为量化。图像采样   ◆  在取样时，若横向的像素数（列数）为M ，纵向的像素数（行数）为N，则图像总像素数为M*N个像素。   ◆   一般来说，采样间隔越大，所得图像像素数越少，空间...

插值是在诸如放大、缩小、旋转和几何校正等任务中广泛应用的基本工具。插值是用一只数据来估计未知位置的数值的处理。如下图所示。最近邻插值：将原图像中最近邻的灰度值赋值给了每个新位置。是一种最基本、最简单的图像缩放算法，效果也是最不好的，放大后的图像有很严重的马赛克，缩小后的图像有很严重的失真；效果不好的根源就是其简单的最临近插值方法引入了严重的图像失真（严重改变原图像的纹理信息），...

数字图像：每一个数字图像都是一个像素点矩阵，这个矩阵包含所有像素点的强度值 像素点：最小的图像单元，一张图像由好多的像素点组成。像素就是图像的尺寸 位图：也称点阵图，它是由许多点组成的，这些点称为像素。当许多不同颜色的点组合在一起后，便构成了一副完整的图像。 位图可以记录每一个点的数据信息，从而精确地制作色彩和色调变化丰富的图像。但是，由于位图图像与分辨率有关，它所包含的图像像素数...

空域滤波分为：1.图像平滑(去噪声)；2.图像锐化(突出轮廓)。其中图像平滑的主要目的是：1.模糊。在提取较大目标前，去除小的细节或将目标内的小间断连接起来的；2.消除噪声。改善质量，降低干扰。平滑滤波对图像的低频分量增强，同时削弱高频分量，用于消除图像中的随机噪声，起到平滑作用。 其中主要包括：1.均值滤波；2.中值滤波；3.高斯滤波。均值滤波：均值滤波采用线性的方法...