（学习笔记）计算机视觉（下）

最新推荐文章于 2024-04-03 15:33:05 发布

1、、

最新推荐文章于 2024-04-03 15:33:05 发布

阅读量575

点赞数

CC 4.0 BY-SA版权

分类专栏：学习笔记文章标签：计算机视觉 opencv python

本文链接：https://blog.youkuaiyun.com/sf9898/article/details/104270277

一份粗略的学习笔记

第五章

在这里插入图片描述
5.1 图像变换的作用

（通俗的讲）当然是有些东西在原来的图像中比较不明显所以才要变换，突出特征才好做特征提取或者处理啊。
图像的特征更为突出；原来无法直接观测的特征直接显现出来；需要提取图像中的特征，便于后续处理和图像理解
变换包括：平移，旋转，放缩，镜像，距离变换，Log-Polar变换（将直角坐标变换成极坐标，可用于全景展开）…

5.2 灰度直方图

直方图的概念，以及如果给定一个直方图怎样通过这个直方图判断图像质量（从这一点总可以知道该怎样修图了吧）
直方图均衡化（原理过多，不想阐述，具体看书，这一块完全可以写一篇了）
局部直方图均衡化

5.3 hough变换

原理：直线y = kx + b 对应着一组k,b（直角坐标系），同时对应着一个p和theta（极坐标系）

在这里插入图片描述

5.4 实战演练

# 图像的几何变换
import cv2
import matplotlib.pyplot as plt
import numpy as np
img = cv2.imread("lena.png")
# cv2.imshow("lena.png",img)
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 实现图像的翻转和改变大小
w,h =img.shape[0:2]
resized = cv2.resize(img,(int(w/4),int(h/2)))
flipped = cv2.flip(img,-1)    # 后面的-1也可以取1,0，代表不同方向的翻转
# cv2.imshow("resized",resized)
# cv2.imshow("flipped",flipped)

# 距离变换
# 要先二值化，使用threshold函数
ret,thr =cv2.threshold(gray,100,255,cv2.THRESH_OTSU)
# print(ret)
# cv2.imshow("thr",thr)     # 二值化后的图像
dist =cv2.distanceTransform(thr,cv2.DIST_L2,cv2.DIST_MASK_3)
dist_norm = cv2.convertScaleAbs(dist)
# cv2.imshow("dist",dist_norm)

# Log-Polar变换
center =(w/2,h/2)
maxRadius =0.7*min(center)
M= w/cv2.log(maxRadius) # 尺度
print(maxRadius,M[0])
log_polar = cv2.logPolar(img,center,M[0]*0.8,cv2.INTER_LINEAR + cv2.WARP_FILL_OUTLIERS)
# cv2.imshow("log_polar",log_polar)


# 灰度直方图和直方图均衡化
# plt.hist(gray.ravel(),256,[0,256])
# plt.show()
# equa = cv2.equalizeHist(gray)
# cv2.imshow("equa",equa)

# 实现hough变换
edges = cv2.Canny(thr,50,150)   # 用canny算子进行边缘检测
cv2.imshow("edges",edges)
disp_edge =cv2.cvtColor(edges,cv2.COLOR_GRAY2BGR)
# cv2.imshow("disp_edge",disp_edge)
lines = cv2.HoughLinesP(edges, 1, 1*np.pi/180, 10)
for line in lines:
    for x1,y1,x2,y2 in line:
        cv2.line(dis