qq_35732321的博客

3. 根据上一步匹配的关键点得出单应性矩阵。4. 根据单应性矩阵对不规则进行透视变换。问题：把不规则的图片按照参考图摆放。1. 用ORB找关键点。

【代码】图像处理05

数据集：链接:https://pan.baidu.com/s/1yFCJvcswdSgGcAN6n9u-nA 密码:ryqo。

手指拖拽屏幕上的方块儿步骤。

【代码】图像处理案例01。

【代码】OpenCV实战——手掌检测。

全 局直方图处理通过对 RGB 图像的 R、G、B 三层通道分别进行直方图均衡化，再整合到新的图 像的方式进行。将整幅图像分成很多小块，然后再对每一个小块分别进行直方图均衡化，最后进行拼接。掩膜的主要是用来提取感兴趣区域。即自适应直方图均衡化。

图像分割--Keman聚类图像分割–Keman聚类## 1 图像分割--Keman聚类import cv2import numpy as npimport matplotlib.pyplot as plt# 1 读入图片img0 = cv2.imread('bird.png',1) # [754,886,3]img0 = cv2.cvtColor(img0,cv2.COLOR_BGR2RGB)img_ = cv2.GaussianBlur(img0,(13,13),10,10)h,w

实战2 显著性检测1. 概念2 静态显著性检测3 代码1. 概念显著性检测指找出图片中引人注目的区域或比较重要的区域。在OpenCV的saliency模块中有三种显著性检测算法：Static saliency：此类显着性检测算法依赖于图像特征和统计信息来定位图像中显著性区域。Motion saliency: 此类显着性检测算法输入为视频或一系列连续帧。运动显着性算法处理这些连续的帧，并跟踪帧中“移动”的对象。这些移动的对象被认为是显着性区域。Objectness：这类显著性检测算法计算出一个个的

openCV项目实战 1 图像融合1 图像融合两幅图片叠加在一起，形成前景背景的效果。2. 流程（1）读入要融合的两幅图片。（2）把两幅图片调整到统一大小，方便下一步叠加。（3）对两幅图片按照一定的权重相加。（4）显示图片。img1,img2 --> resize --> cv2.addWeighted()–>show'''图像融合（对图像加权）：img1,img2 --> resize --> cv2.addWeighted()'''import cv