New_Tank的博客

OpenCV DNN BlobFromImage()

OpenCV 轮廓相关

消除图像中的噪音成分，叫做图像的平滑处理或者图像滤波。即在尽量保留图像细节特征的情况下对目标图像的噪声进行抑制。它是图像预处理过程中不可缺少的步骤。处理效果的好坏将直接影响到后续图像处理的有效性和可靠性。滤波目的：1、消除图像中混入的噪声。2、为图像识别抽取出图像特征。滤波要求：1、不能损坏图像轮廓及边缘 。2、图像视觉效果应当更好。实际使用：图像的边缘非常容易收到噪声的干扰，所以为了避免检测到错误的边缘信息，通常需要对图像进行滤波以除去噪声。图像平滑处理会对图像中与

OpenCV提供了方便的绘图功能，可以绘制直线，矩阵，圆，椭圆等多种几何图形，还能再指定位置添加文字说明。1. 绘制直线：img = v2.line(img, pt1, pt2, color [, thickness [, lineType]])返回值， img: 绘制出的图像。参数：img: 在其上绘制直线的载体图像（绘图的容器载体，也成为画布，画板）pt1,pt2: 线段的起点和终点。类型为tuple.color:绘制直线的颜色。通常使用BGR模型表示。 例如：（0, 0

形态学----数学形态学(MathematicalMorphology)， 是图像处理过程中一个非常重要的研究方向。形态学主要从图像内提取分量信息，该分量信息通常对于表达和描述图像的形状具有重要意义。形态学操作主要包含：腐蚀，膨胀，开运算，闭运算，形态学梯度计算，顶帽运算，黑帽运算等。其中，腐蚀和膨胀操作时形态学运算的基础。其它形态学操作，就是腐蚀和膨胀操作的各种结合。注意：形态学操作的对象都是针对二值化图像的。1. 腐蚀：腐蚀是最基本的形态学操作之一，它能够将图像的边缘点消除，

图像处理时，常常需要将图片二值化。以某个点为区分点，大于它的为一个值，小于它的赋另一个值。 opencv提供了cv.threshold()，处理阈值，并生成阈值处理后的结果。cv2.threshold()可以产生二值化的结果，也可以产生其它结果。retval, dst = cv2.threshold(src, thresh, maxval, type)retval: 代表返回的阈值，也就是此次阈值处理所用的阈值。dst: 代表阈值分割结果图，与原始图src有相同的大小和类型。sr

我们常看到各种颜色空间类型，有RGB色彩空间, Gray(灰度)色彩空间，XYZ色彩空间，YCrCb色彩空间，HSV色彩空间，HLS色彩空间，Bayer色彩空间等。不同的色彩空间都有其擅长处理的区域。所以就有了转换的需求。1. 色彩空间的介绍：1.1： Gray色彩空间：Gray通常指8位灰度图，像素取值范围[0-255], 当图像由RG颜色空间转换为Gray色彩空间时，其处理方法如下：Gray= 0.299*R + 0.587*G + .114*R当Gray转换成RGB色彩空间

0. OpenCV-Python的安装：pip install opencv-python有时会安装失败。可以下载匹配的whl文件来安装。而要使用whl安装，需要先安装：wheelpip install wheel先确认需要的版本：#pythonPython 3.8.5 (default, Sep 3 2020, 21:29:08)所以需要下载：opencv_python-4.5.3.56-cp38-cp38-win_amd64.whl(34.9 MB)..