登录 |  注册 |  繁體中文

文章中心
2020-05-28 16:54:44
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
2020-05-28 16:54:30
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).
2020-05-28 16:51:16
图像操作
2020-05-28 14:36:56
Tensorflow学习
2020-05-27 19:18:04
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
2020-05-27 15:31:51
opencv 提供了绘制直线、圆形、矩形等基本绘图的功能   1、绘直线 cv2.line(画布,起点坐标,终点坐标,颜色,宽度) 例如:cv2.line(image,(20,60),(300,400),(0,0,255),2) 2、绘矩形 cv2.rectange(画布,起点,终点,颜色,宽度) 若宽度大于0,标识边线宽度;如果小于0,表示画实心矩形 例如:cv
2020-05-27 10:35:51
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
2020-05-25 23:06:01
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
2020-05-24 20:07:39
1. 轮廓检测 findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point()); 参数1:单通道图像矩阵,可以是灰度图,但更常用的是二值图像,一般是经过Canny、拉普拉斯等边缘检测算
2020-05-24 12:02:54
图像平滑算法介绍 1. 均值滤波 均值滤波是指任意一点的像素值,都是周围 N * M 个像素值的均值。例如下图中,红色点的像素值是其周围蓝色背景区域像素值之和除25,25=5 * 5 是蓝色区域的大小。 其中5 * 5的矩阵称为核, # 实现方法为 result = cv2.blur(原始图像,核大小) # 其中,核大小是以(宽度,高度)表示的元组形式。常见的形式包括:核大小(3,3)和(5,
2020-05-24 10:25:46
1. 图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。 图像中各种妨碍人们对其信息接受的因素即可称为图像噪声 。那么除去这些噪声的过程就是图像去噪。 2. 图像平滑是要突出图像的低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法,目的是使图像亮度平缓渐变,减小突变梯度,改善图像质量。字面意思就是让图像上颜色灰度变化更光滑。图像平滑处理过程中往往会使得图像变的模糊,因此又叫图像模糊。 图像平滑的基本原理是
2020-05-22 09:41:57
cv::Mat cv::getRotationMatrix2D( Point2f center, double angle, double scale ) { angle *= CV_PI/180; double alpha = cos(angle)*scale; double beta = sin(angle)*scale; Mat M(2, 3, CV_64F); doubl
2页/总29页  共342条记录  首页 上一页 下一页 尾页

回到顶部