图片的本质就是大量像素在二维平面上的组合，每个像素点用数字化方式记录颜色。可以直观的想象，一张图片就是一个巨大的电子栅格，每个格子内有一盏灯泡，这个灯泡可以变换256的三次方种颜色，就像下面这张卡通像素图一样，越清晰的图片像素越密集。     1. SSIM（结构相似性度量） 这是一种全参考的图像质量评价指标，分别从亮度、对比度、结构三个方面度量图像相似性。

1. 简述 图像指纹类算法： 值哈希算法、差值哈希算法和感知哈希算法都是值越小，相似度越高，取值为0-64，即汉明距离中，64位的hash值有多少不同。 直方图： 三直方图和单通道直方图的值为0-1，值越大，相似度越高。   2. 相关概念 图像指纹： 和人的指纹一样，是身份的象征，而图像指纹简单点来讲，就是将图像按照

绘制图片直方图 import numpy as np from PIL import Image from matplotlib import pyplot as plt img=np.array(Image.open(./img/lena.png).convert(L)) plt.figure("lena") arr=img.flatten() n, bins, patches = p

将彩色图片灰度化就是指的是将彩色图片变成黑白的，灰度化就是使彩色的R，G，B分量相等，且变成单通道的过程，    灰度化： 一般有分量法 最大值法、平均值法、加权平均法四种方法对彩色图像进行灰度化。   灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度。   1.分量法 &nbs

1. 使用python创建http服务， 方法一  cmd方式直接运行，会以当前目录为web目录 python -m http.server 8888 --cgi 方法二 代码方式运行 # -*- coding: UTF-8 -*- from http.server import HTTPServer, CGIHTTPRequestHandler port = 8888 h

文本倾斜校正也叫做文本的水平矫正。毕竟跟普通的水平矫正还不太一样，普通的水平矫正图像都会带有自己的边缘，根据边缘可以提取出一个最小外接矩形，然后进行旋转即可。文本图像的背景是白色的，所以我们没有办法像人民币发票那类有明显边界的矩形物体那样，提取出轮廓并旋转矫正。 下面介绍2种方法来处理文本倾斜 方法一：通过minAreaRect方法获得斜率 主要步骤： 1、输入图片 2、灰度化 3、图像取

图像的基本运算有很多种，比如两幅图像可以相加、相减、相乘、相除、位运算、平方根、对数、绝对值等；图像也可以放大、缩小、旋转，还可以截取其中的一部分作为ROI（感兴趣区域）进行操作. 图像的逻辑操作主要是bitwise_and、bitwise_or、bitwise_xor、bitwise_not这四个按位操作函数。 dst = bitwise_and(InputArray src1, InputArray src2, InputAr

python图像操作2 仿射变换可以通过一系列的原子变换的复合来实现包括：平移(Translation)、缩放(Scale)、翻转(Flip)、旋转(Rotation)和错切(Shear).

图像操作

我们想将倾斜视角拍摄到的道路图像转换成鸟瞰图，即将摄像机的视角转换到和道路平行。 我们选取道路上的两条平行分界线上的四个点A(165, 270)、C(360, 125)、D(615, 125)、B(835, 270)，对应于鸟瞰图上的点则分别为A(165, 270)、C'(165, 30)、D'(835, 30)、B(835, 270)。 经过透视变换后，即可等到如下图， 相关原理及代码，见&n

图像的几何变换主要包括：平移、扩大与缩小、旋转、仿射、透视等等。图像变换是建立在矩阵运算基础上的，通过矩阵运算可以很快的找到对应关系。理解变换的原理需要理解变换的构造方法以及矩阵的运算方法。 OpenCV提供了两个转换函数cv2.warpAffine和cv2.warpPerspective，可以使用它们进行各种转换。 cv2.warpAffine采用2x3变换矩阵，而cv2.warpPerspective采用3x3变换矩阵作为输

import cv2 import numpy as np img = cv2.imread(a.jpg, 0) reg, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, cv2.CHAIN_APP