qq_40467656的博客

OpenCV与图像处理学习十七——OpenCV人脸检测（含代码）一、人脸识别概要1.1 人脸检测1.2 人脸对齐（Face Alignment）1.3 人脸特征提取（Face Feature Extraction）1.4 人脸识别（Face Recognition）二、人脸检测（不是识别）的代码2.1 cv2.CascadeClassifier2.2 dlib库一、人脸识别概要一般而言，一个完整的人脸识别系统包含4个主要组成部分，即人脸检测、人脸对齐（将侧脸或歪脸变成正面脸）、人脸特征提取以及人脸识别。

OpenCV与图像处理学习十六——模板匹配一、模板匹配介绍二、代码应用一、模板匹配介绍模板匹配是一种最原始、最基本的模式识别方法，研究某一特定目标的图像位于图像的什么地方，进而对图像进行定位。在待检测的图像上，从左到右，从上到下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。二、代码应用OpenCV中的函数：result = cv2.matchTemplate( image, templ, method[, result[, mask]] )参数如下所示：imag

OpenCV与图像处理学习五——LBP纹理特征（含代码）一、LBP介绍二、LBP原理三、代码应用一、LBP介绍LBP（Local Binary Pattern， 局部二值模式） ， 是一种用来描述图像局部纹理特征的算子； 它具有旋转不变性和灰度不变性等显著的优点；作者： T. Ojala, M.Pietikäinen, 和 D. Harwood ；提出时间： 1994年二、LBP原理LBP算子定义在一个 3 × 3 的窗口内， 以窗口中心像素为阈值， 与相邻的8个像素的灰度值比较， 若周围的像素

OpenCV与图像处理学习十四——SIFT特征（含代码）一、SIFT算法二、SIFT实现过程三、代码实现一、SIFT算法SIFT， 即尺度不变特征变换算法（Scale-invariant feature transform，SIFT） ， 是用于图像处理领域的一种算法。 SIFT具有尺度不变性， 可在图像中检测出关键点， 是一种局部特征描述子。其应用范围包含物体辨识、 机器人地图感知与导航、 影像缝合、 3D模型建立、手势辨识、 影像追踪和动作比对，应用广泛。二、SIFT实现过程SIFT特性：

OpenCV与图像处理学习十三——Harris角点检测（含代码）一、角点的概念二、Harris角点检测的实现过程三、Harris代码应用一、角点的概念角点： 在现实世界中， 角点对应于物体的拐角， 道路的十字路口、 丁字路口等。从图像分析的角度来定义角点可以有以下两种定义：角点可以是两个边缘的交点；角点是邻域内具有两个主方向的特征点；角点计算方法：前者通过图像边缘计算， 计算量大， 图像局部变化会对结果产生较大的影响；后者基于图像灰度的方法通过计算点的曲率及梯度来检测角点；角点所具

OpenCV与图像处理学习十二——图像形状特征之HOG特征一、图像特征理解1.1 颜色特征1.2 纹理特征1.3 形状特征1.4 空间关系特征二、形状特征描述2.1 HOG特征2.1.1 基本概念2.1.2 HOG实现过程2.1.3 代码实现前面介绍了图像的基础知识、基本处理方法以及传统图像分割的应用，下面的笔记将介绍图像特征与目标检测部分的应用，知识脉络如下所示：一、图像特征理解图像特征是图像中独特的， 易于跟踪和比较的特定模板或特定结构，如下图所示：其中E和F是在图像中独特的、特殊的模板，而

OpenCV与图像处理学习十一——分水岭算法（含代码）一、分水岭算法概要二、分水岭算法步骤三、代码应用一、分水岭算法概要任意的灰度图像可以被看做是地质学表面，高亮度的地方是山峰，低亮度的地方是山谷。给每个孤立的山谷（局部最小值）不同颜色的水（标签），当水涨起来，根据周围的山峰（梯度），不同的山谷也就是不同的颜色会开始合并，要避免山谷合并，需要在水要合并的地方建立分水岭，直到所有山峰都被淹没，所创建的分水岭就是分割边界线，这个就是分水岭的原理。二、分水岭算法步骤将白色背景变成黑色背景——目的是为

OpenCV与图像处理学习十——区域生长算法（含代码）一、区域生长算法概要二、区域生长算法原理三、代码应用一、区域生长算法概要区域生长是一种串行区域分割的图像分割方法。区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。区域生长的好坏决定于：初始点（种子点）的选取。生长准则。终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提取。二、区域生长算法原理基本思想：将具有相似性质的像素集合起来构成区域。步骤：对图像

OpenCV与图像处理学习九——连通区域分析算法（含代码）一、连通区域概要二、Two-Pass算法三、代码实现一、连通区域概要连通区域（Connected Component）一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域，连通区域分析是指将图像中的各个连通区域找出并标记。连通区域分析是一种在CV和图像分析处理的众多应用领域中较为常用和基本的方法。例如： OCR识别中字符分割提取（车牌识别、文本识别、字幕识别等）、视觉跟踪中的运动前景目标分割与提取（行人入侵检测、遗留物体检测、基于

OpenCV与图像处理学习八——图像边缘提取（Canny检测代码）一、图像梯度1.1 梯度1.2 图像梯度二、梯度图与梯度算子2.1模板卷积2.2 梯度图2.3 梯度算子2.3.1 Roberts交叉算子2.3.2 Prewitt算子2.3.3 Sobel算子三、Canny边缘检测算法（代码实现）这次笔记简单介绍图像梯度、梯度图以及梯度算子的概念，并详细介绍三种基本的梯度算子，然后简单的介绍Canny检测的原理与代码实现。一、图像梯度1.1 梯度先来看梯度的概念：梯度是一个向量，梯度方向指向函数变

OpenCV与图像处理学习七——传统图像分割之阈值法（固定阈值、自适应阈值、大津阈值）一、固定阈值图像分割1.1 直方图双峰法1.2 OpenCV中的固定阈值分割二、自适应阈值图像分割三、迭代法阈值分割四、Otsu大津阈值法前面的笔记介绍了一些OpenCV基本的图像处理，后面将学习使用OpenCV的传统的图像分割方法，这次笔记的内容是阈值法进行图像分割。图像分割是指将图像分成若干具有相似性质的区域的过程，主要有基于阈值、基于区域、基于边缘、基于聚类、基于图论和基于深度学习的图像分割方法等。图像分割分为语

OpenCV与图像处理学习六——图像基本操作（4）四、图像形态学操作4.1 腐蚀和膨胀4.1.1 图像腐蚀4.1.2 图像膨胀4.2 开运算与闭运算4.2.1 开运算4.2.2 闭运算4.3 形态学梯度（Gradient）4.4顶帽和黑帽有关图像处理前三次的笔记：OpenCV与图像处理学习三——图像基本操作（1）OpenCV与图像处理学习四——图像基本操作（2）OpenCV与图像处理学习五——图像基本操作（3）这是有关图像基本操作的最后一次笔记，有关图像形态学操作。四、图像形态学操作形态学，是

OpenCV与图像处理学习五——图像基本操作（下）三、图像滤波与增强3.1 线性滤波3.1.1 方框滤波上两次的笔记地址：OpenCV与图像处理学习三——图像基本操作（上）OpenCV与图像处理学习四——图像基本操作（中）这次笔记的主要内容为图像滤波与增强、以及一点图像形态学的内容。对应的OpenCV官方python文档为：三、图像滤波与增强所谓滤波实际上是信号处理领域的一个概念，就是将信号中特定频率分量滤除的一项操作。而图像又可以看成是一个二维信号，其中像素值代表信号的强弱。而图像的高低频

OpenCV与图像处理学习四——图像基本操作（中）二、图像的几何变换2.1 图像平移2.2 图像缩放（上采样与下采样）续上次的笔记：OpenCV与图像处理学习三——图像基本操作（上）这次笔记主要的内容是图像的几何变换：包括平移、缩放、旋转、仿射变换和透视变换。二、图像的几何变换2.1 图像平移将图像中所有的点按照指定的平移量水平或者垂直移动。变换公式：设（x0，y0）为原图像上的一点，图像水平平移量为Tx，垂直平移量为Ty，则平移后的点坐标（x1，y1）变为：x1 = x0 + Tx；y1

OpenCV与图像处理学习三——图像基本操作（上）一、OpenCV中的绘图函数1.1 线段绘制1.2 矩形绘制1.3 圆绘制1.4 椭圆的绘制1.5 多边形绘制1.6 添加文字上两次笔记主要知识点回顾：数字图像基本概念图像的读取、显示与保存图像直方图的绘制图像通道以及通道的分离与合并颜色空间及其互相转换以上是图像与OpenCV的基础知识。############################################################################

OpenCV与图像处理学习二——图像基础知识（下）2.4 图像直方图（Image Histogram）2.4.1 直方图的绘制2.4.2 三通道直方图绘制2.5 颜色空间2.5.1 RGB颜色空间2.5.2 HSV颜色空间（Hue、Saturation、Value）2.5.3 HSI2.5.4 CMYK（Cyan、Magenta、Yellow、black）本次学习笔记是对上次笔记的续写，一次写太多看起来也累。。上次笔记的连接：OpenCV与图像处理学习一——图像基础知识（上）2.4 图像直方图（Ima

OpenCV与图像处理学习一——图像基础知识一、图像基础知识1.1 数字图像的概念1.2 数字图像的应用1.3 OpenCV介绍二、图像属性2.1 图像格式2.2 图像尺寸2.2.1 读入图像2.2.2 显示图像2.2.3 保存图像2.3 图像分辨率和通道数图像处理与OpenCV作为CV方向的基础，在正式系统地学习论文之前，有必要对其进行系统的学习。而OpenCV作为使用最为广泛的图像处理工具包，这里将其作为学习的工具，因为较为熟悉python，所以使用OpenCV的python接口来完成代码。图像处理