weixin_43314180的博客

图像分割：图像分割(Image Segmentation)是图像处理最重要的处理手段之一图像分割的目标是将图像中像素根据一定的规则分为若干(N)个cluster集合，每个集合包含一类像素。根据算法分为监督学习方法和无监督学习方法，图像分割的算法多数都是无监督学习方法 - KMeans距离变换与分水岭介绍距离变换常见算法有两种不断膨胀/ 腐蚀得到基于倒角距离分水岭变换常见的算法基于浸泡理论实现cv::distanceTransform(InputArray src, Output

模板匹配介绍模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域。所以模板匹配首先需要一个模板图像T（给定的子图像）另外需要一个待检测的图像-源图像S工作方法，在带检测图像上，从左到右，从上向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。模板匹配介绍 – 匹配算法介绍OpenCV中提供了六种常见的匹配算法如下：计算平方不同计算相关性计算归一化平方不同计算归一化相关性计算归一化相关系数相关API介绍cv::matchTemplatematchTem

霍夫直线变换介绍Hough Line Transform用来做直线检测前提条件 – 边缘检测已经完成平面空间到极坐标空间转换相关API：标准的霍夫变换 cv::HoughLines从平面坐标转换到霍夫空间，最终输出是 表示极坐标空间霍夫变换直线概率 cv::HoughLinesP最终输出是直角坐标系下直线的两个点坐标cv::HoughLines(InputArray src, // 输入图像，必须8-bit的灰度图像OutputArray lines, // 输

自定义线性滤波卷积概念：卷积是图像处理中一个操作，是kernel在图像的每个像素上的操作。Kernel本质上一个固定大小的矩阵数组，其中心点称为锚点(anchor point)自定义卷积模糊:filter2D方法filter2D(Mat src, //输入图像Mat dst, // 模糊图像int depth, // 图像深度32/8Mat kernel, // 卷积核/模板Point anchor, // 锚点位置double delta // 计算出来的像素+delta)其中

形态学操作(morphology operators)-膨胀图像形态学操作 – 基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学形态学有四个基本操作：腐蚀、膨胀、开、闭膨胀与腐蚀是图像处理中最常用的形态学操作手段跟卷积操作类似，假设有图像A和结构元素B，结构元素B在A上面移动，其中B定义其中心为锚点，计算B覆盖下A的最大像素值用来替换锚点的像素，其中B作为结构体可以是任意形状形态学操作-腐蚀腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值替换锚点重叠下图像的像素值相关AP

线性混合操作相关API (addWeighted)：参数1：输入图像Mat – src1参数2：输入图像src1的alpha值参数3：输入图像Mat – src2参数4：输入图像src2的alpha值参数5：gamma值参数6：输出混合图像注意点：两张图像的大小和类型必须一致才可以#include <opencv2/opencv.hpp>#include <iostream>using namespace std;using namespace cv;

加载图像（用cv::imread）imread功能是加载图像文件成为一个Mat对象，其中第一个参数表示图像文件名称第二个参数，表示加载的图像是什么类型，支持常见的三个参数值IMREAD_UNCHANGED (<0) 表示加载原图，不做任何改变IMREAD_GRAYSCALE ( 0)表示把原图作为灰度图像加载进来IMREAD_COLOR (>0) 表示把原图作为RGB图像加载进来注意：OpenCV支持JPG、PNG、TIFF等常见格式图像文件加载显示图像 (cv::namedWin