weixin_42954710的博客

总述问题：现在手上有两幅图像，我们希望把这两副图像进行在图像的公共区域内进行拼接，该如何实现？图像拼接算法大概步骤：使用特征点检测算法计算出特征点和特征描述符；- 特征点检测算法有：sift surf orb fast lbp等- 这些算法都同属于一个父类，并且父类的方法里有：creat()、detectAndCompute（）直接调用进行图像匹配- 图像匹配算法里有BFMatcher（暴力匹配）和FlannBasedMatcher（最近邻匹配）- 这两种匹配都同属于Descri

问题：有这样一幅图：我们希望抠出手掌mask，并用findContours找到上下左右的极值点。代码实现:读取图片，转灰度，去除噪声 cv::Mat src = cv::imread("C:\\D\\opencv\\hand.jpg", -1); cv::Mat gray; cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY); // GaussianBlur cv::GaussianBlur(gray, gray, cv::Size(5, 5

共同的目的：当需要重复计算图像的不同区域的和、均值、方差等等的时候，就可以想到积分图或者Boxfiler来加速图像处理的过程。它可以使复杂度为O(MN)的求和，求方差等运算降低到O(1)或近似于O(1)的复杂度，它的缺点是不支持多尺度。boxfilter...

1、为什么要做这一期需要理解模糊检测的本质，为什么下面两种方法都可以用来进行模糊检测；理解了模糊的本质之后，可以推向一些如：无纹理检测、噪声检测等等领域；可能一些实验、项目等在预处理阶段设置个模糊检测对后续的后处理会有很大的帮助。1.1 什么是模糊检测在日常生活中，摄像产品在拍照或者录视频时，如果移动过快就会出现模糊的图片或者视频，这是因为移动速度大于了CCD或CMOS成像单元单帧感光时间，使得感光元件并没有完全记录当前帧的全部色彩信息，就会导致模糊的场景。那既然出现了模糊的图片，那就有两种

一、目的这两个知识点平时还是比较常见它可以顺带的理解一下图像的缩放、平移等等对3x3矩阵的妙用希望略懂皮毛二、公式推导2.1 平面矩阵这儿只定义平面的操作。就拿平移矩阵为例，这个表示什么意思呢？可以看到，公式里面只有坐标x,y；但是我们要的是像素值啊；这个是怎么回事儿呢？这个矩阵表示的是平移前后，图像的像素值在平移后的哪个位置。看代码应该一目了然了。move_mat = np.array([[1, 0, a], [0 , 1, b], [0 , 0 , 1]])image = c

作者感想这是一个opencv的练习，我打算从现在每周练习一个实例，（前提是能找到一些实例）；这些实例都是需要有一定基础的并且有一定的难度的。我打算做成一个系列。这个系列会提供python版本，C++版本有时间的话也会更新。车牌检测思路输入图像 -> 高斯模糊 -> 转灰度 -> 形态学黑帽 -> 二值化 -> 找包络 -> 通过阈值、面积筛选轮廓 -> 通过转HSV筛选出车牌启发和亮点1、对于图像处理一些比较常规的物体、特征时，真的要好好理解形态学这个

原理Reinhard的原理还是比较简单的，网上也有很多C++的代码复原，但很少有python版本的，所以我自己写了一个。原理我这儿就不说了，网上有很多。直接贴代码吧。去掉了冗余的for循环，速度还可以。代码import numpy as npimport cv2import matplotlib.pyplot as pltIs = cv2.imread('./0050l.png')Ir = cv2.imread('./im0.png')plt.imshow(Ir[...,::-1])pl