Mr_Wang0120的博客

代码:"""函数为cv2.threshold( )这个函数有四个参数，第一个是原图像矩阵，第二个是进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：cv2.THRESH_BINARY（黑白二值）cv2.THRESH_BINARY_INV（黑白二值翻转）cv2.THRESH_TRUNC（得到额图像为多像素值）cv2.THRESH_TOZERO（当像素高于阈值时像素设置为自己提供的像素值，低于阈值时不作处理）cv2.THRESH_TOZERO_IN...

1 颜色特征颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。面向图像检索的颜色特征的表达涉及到若干问题。首先，我们需要选择合适的颜色空间来描述颜色特征；其次，我们要采用一定的量化方法将颜色特征表达为向量的形式；最后，还要定义一种相似度（距离）标准用来衡量图像之间在颜色上的相似性。在本节中，我们将主要讨论前两个问题，并介绍颜色直方图、颜色矩、颜色集、颜色

代码：import cv2 import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('test02.jpg', 0)kernel = np.ones((5,5),np.float32)/25dst = cv2.filter2D(img,-1,kernel)plt.subplot(121),plt.imshow(img),plt.title('Original')plt.xticks([]), plt.

RGB颜色空间2.CMY(K)颜色空间3.HSV颜色空间4.CIE-XYZ颜色空间4.图片存储原理5.图像处理方法6.特征提取方法–直方图直方图的横坐标是颜色或者灰度值区间，纵坐标是图片上落在这个区间上的像素点的个数。7.直方图均衡化8.自适应直方图均衡9.限制对比度自适应直方图均衡(CLAHE)10.CLAHE的计算步骤11.空间域处理及其变换–滤波/卷积12.均值滤波示意均值滤波本身存在缺陷，既没有很好地去除噪声点，也破坏了图像的细节反而使图像.

研究挑战:1.视角变化2.光照变化3.尺度变化4.形态变化5.背景混淆干扰6.遮挡7.类内物体的外观差异