一直小蜗牛，学得慢爬得慢

问题在使用opencv库的时候，有时候因为opencv版本问题，导致产生了一下问题：cv.circle(img, (pts1[0][0], pts1[0][1]), 5, (0,0,255), cv.FILLED)cv2.error: OpenCV(4.5.2) ???? error: (-5:Bad argument) in function ‘circle’Overload resolution failed:Can’t parse ‘center’. Sequence item with

现在我们所接触到的图像绝大多数都是数字图像，图像数字化后，每个像素点就可以看作是一个小方格，每个小方格里面存储的就是图像的像素信息。如果把一副数字图像抽象出来，就是一个二维矩阵（灰度图）或者三维矩阵（彩色图）。任何颜色都有红、绿、蓝三原色组成。用红、绿、蓝三元组的二维矩阵来表示（这样构成了三个通道），抽象出来一起构成了一个三维数组。

文章目录直方图均衡化数字图像什么图像里面的直方图？归一化直方图均衡化数字图像数字图像这个概念我想大家都应该有些概念，以前的相片都是通过相机使用胶片来曝光，胶片上面的感光物质，当光线照射到上面的时候，就会形成曝光点。一个图像映射进去过后，就在底片中形成了图片，得到了胶片后，我们还需要经过特殊的处理（洗胶片），才能得到我的照片。但是现在的图像都是通过数字化处理后存放在内存中，里面都是数字图像。就比如二进制图像，1代表黑色，0代表白色，这样以一个二维矩阵形式存放在内存中。而彩色图像就比较复杂一点儿（我们现

放大的基本思想：第一步：将目标图像进行缩小到原图像的尺寸，虚拟的将二者进行对重叠在一起，这样目标图像上面的像素点就和原图像上面的像素点并不是一一对应的。第二步：将目标图像与原图像的像素点进行建立一个映射关系，这个像素点的映射关系不是单一的像素映射，因为我们把图片存放在三维数组里面，所以我们在得到图像的像素点时，我们是通过索引数组的`高和宽`，在坐标系中对应的就是`x坐标、y坐标`.怎样建立映射关系呢？本文中用到了前面三种插值算法，并且进行了代码实现，代码仅供参考，大佬随便看一下小菜鸡的就行了。