MangoloD的博客

本文主要参考自 OpenCV官方文档一、傅里叶变换傅立叶变换用于分析各种滤波器的频率特性。对于图像，使用 2D离散傅里叶变换(DFT) 查找频域。一种称为 快速傅立叶变换(FFT) 的快速算法用于DFT的计算。对于正弦信号 x(t)=Asin⁡(2πft)x(t) = A \sin(2 \pi ft)x(t)=Asin(2πft) 我们可以说f是信号的频率，如果采用其频域，则可以看到 fff的尖峰。如果对信号进行采样以形成离散信号，我们将获得相同的频域，但是在 [−π，π][−π，π][−π，π.

本文主要参考自 OpenCV官方文档一、Canny边缘检测Canny边缘检测 算法步骤：彩色图转化为灰度图应用高斯滤波来平滑图像 --> 去除噪声由于边缘检测容易受到图像中噪声的影响找寻图像的强度梯度Canny的基本思想是找寻一幅图像中强度变化最强的位置。所谓的变化最强，即指梯度方向。平滑后的图像中每个像素点的梯度可以由 Sobel算子 来获得：1）首先，利用 Sobel算子 得到沿 x轴 和 y轴 方向的梯度 G_x 和 G_y。2）由 G_X 和 G_Y 便可计.

本文主要参考自 OpenCV官方文档一、色彩空间HSV① 色调（H），取值范围：[0, 179]② 饱和度（S），取值范围：[0, 255]③ 明亮度（V），取值范围：[0, 255]色彩空间转换import cv2import numpy as npimg = cv2.imread("../../Resources/cctv2.jpg")# 转换为HSV色彩空间hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 利用cv2.inRange.

本文主要参考自 OpenCV官方文档一、图像的基本操作访问、修改像素值import cv2img = cv2.imread('../../Resources/messi15.jpg')px = img[100, 100]print(px)# 仅访问单一通道像素值blue = img[100, 100, 0]print(blue)# 修改像素值img[100, 100] = [255, 255, 255]print(img[100, 100])# 更好的像素访问和编辑.

本文主要参考自 OpenCV官方文档一、图像基本操作使用cv.imread()函数读取图像。① cv.IMREAD_COLOR： 加载彩色图像。任何图像的透明度都会被忽视。它是默认标志。② cv.IMREAD_GRAYSCALE：以灰度模式加载图像③ cv.IMREAD_UNCHANGED：加载图像，包括alpha通道注意：除了这三个标志，你可以分别简单地传递整数1、0或-1。使用代码使用如下所示：import numpy as npimport cv2 as cv＃加载彩色.

分享一些供学习的OPenCV资源