OpenCV圖像處理技術(shù)（微課版）課件項(xiàng)目1-7數(shù)字圖像處理基礎(chǔ)-圖像金字塔

人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目一數(shù)字圖像處理基礎(chǔ)(一)考核過(guò)程性考核占60%終結(jié)性考核占40%課上課后作業(yè)(40%)課堂表現(xiàn)(10%)考勤(10%)綜合考核40%未按時(shí)交或缺交扣10分/次滿分100分，表現(xiàn)突出加3-5分/次遲到或早退扣10分/次曠課20分/次O

p

e

n

C

V課前任務(wù)思考與查找：前面已經(jīng)學(xué)習(xí)了《人工智能基礎(chǔ)》、

《Python

程序設(shè)計(jì)》,學(xué)圖像處理

技術(shù)有什么用?O

p

e

n

C

V獲取圖像輪廓圖像融合

圖像對(duì)比度均衡提取圖像輪廓圖像分割

霍夫變換模板匹配特定目標(biāo)分析檢測(cè)直線、圓形等幾何圖形重復(fù)圖案檢測(cè)視頻處理口罩佩戴檢測(cè)等O

p

e

n

CV數(shù)字圖像處理技術(shù)形態(tài)學(xué)處理去除文章標(biāo)注邊緣檢測(cè)基礎(chǔ)概愈特定顏色檢測(cè)平滑處理去除噪聲圖像金字塔色彩空間單寸照換背景幾何變換圖片放大縮小圖像輪廊圖像運(yùn)算面部打碼閾值處理提取關(guān)鍵區(qū)域直方圖處理數(shù)字圖像處理基本知識(shí)點(diǎn)圖像處理工程師(萊斯信息)南京菜斯信息技術(shù)段份有限公司8000-12000元月血投五險(xiǎn)-南素【本科13-5年4天發(fā)布于貓聘圖像處理算法工程師廣州制給信息科技有限公司6001-8000

元/月南寧(本科11-3年作天發(fā)布于指礎(chǔ)人才網(wǎng)圖像處理北京系新環(huán)保有限公司面議西中(中專(zhuān)|不限的天發(fā)布于環(huán)保莫才視頻圖像處理算法工程師(上海嗶哩嗶哩科.上W

理科接有限公司20000-40000元月上霉!本科13-5年(E險(xiǎn)-盒交)

a)4天發(fā)布于拉勾網(wǎng)圖像處理工程師(深圳顯揚(yáng)科技有限公司)探圳思腸科技有限公司8000-12000元月(直投深明(本科1不限五

除

-今天發(fā)布于借聘圖像處理機(jī)器視覺(jué)軟件工程師(深圳市華騰…探圳市華騰半導(dǎo)體設(shè)備有限公司12000-20000元月(直段)探圳本科13-5年五

除

-

魚(yú)4天發(fā)布于留聘圖像處理及調(diào)優(yōu)工程師廣東億嘉和科技有限公司20000-40000元月(伊探擁|本科13-5年五險(xiǎn)一金用年假B

日利02-24發(fā)布于智通人才網(wǎng)FPGA

圖像處理工程師探圳市玩視科技有限公司16000

-32000

元/月成都!本科以上I1-3年昨天發(fā)布于中國(guó)人才熱線圖像處理算法工程師(廈門(mén)美柚股份有限公…

20000-40000元月

保五險(xiǎn)一金需游年假年能項(xiàng)醫(yī)學(xué)圖像處理工程師(南京景三醫(yī)療科技有

.20000-40000元

月

(交通補(bǔ)貼)年將分紅)(墻效獎(jiǎng)金)南原暖三醫(yī)療科技有限公司

上海本科13-5年4天發(fā)布于位勾網(wǎng)

薪酬待遇廈門(mén)美植股份有限公司厘門(mén)1本科|不限4天發(fā)布于位勾網(wǎng)0

p

e

n

C

V能力要求1.有圖像處理、機(jī)器學(xué)習(xí)相關(guān)的學(xué)習(xí)和研究經(jīng)歷，具有較好的數(shù)學(xué)和算法基礎(chǔ)；2.熟悉Python、C/C++、Java

等語(yǔ)言，熟練使用OpenCV等視覺(jué)庫(kù)，掌握?qǐng)D像處理

的接口函數(shù)、深入了解OpenCV

部分源碼；3.熟悉Ubuntu

、redhat

等系統(tǒng)下深度學(xué)習(xí)環(huán)境搭建及yolo

、caffe-ssd

、caffe-

faster-rcnn等深度學(xué)習(xí)模型訓(xùn)練，并能進(jìn)行調(diào)優(yōu)；4

.強(qiáng)大的學(xué)習(xí)能力，能快速掌握新技術(shù)并理解其運(yùn)用場(chǎng)景；5.根據(jù)業(yè)務(wù)需求，設(shè)計(jì)并實(shí)現(xiàn)新的算法。O

p

e

n

C

V○

圖像處理技術(shù)O

p

e

n

C

V眼之所見(jiàn)即為所求○圖像處理技術(shù)O

p

e

n

CV層層深入，化繁為簡(jiǎn)手掌

二值化

凸包特征點(diǎn)感興趣區(qū)域自適應(yīng)閾值>數(shù)字圖像處理技術(shù)圖像處理技術(shù)人工智能分析○O

p

e

n

CV○

圖像處理技術(shù)沉渣細(xì)胞分析

肋骨三維重建圖像處理腹部CT

股骨與血管O

p

e

n

C

V圖像獲取、顯示以及相關(guān)信息獲取圖像像素訪問(wèn)與修改重難點(diǎn)O

p

e

n

CV01數(shù)字圖像02

OpenCV03

圖像讀取、顯示、保存04

圖像像素處理目錄CONTENTSO

p

e

n

C

V01數(shù)字圖像人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用D

A1

知識(shí)儲(chǔ)備：數(shù)字圖像圖

客觀世界物體反射或透射光的分布，是客觀世界的反映像人類(lèi)視覺(jué)系統(tǒng)對(duì)圖的響應(yīng)，是人的大腦的印象或認(rèn)識(shí)，是人的感覺(jué)的一種The

Dog'sView透過(guò)現(xiàn)象觀察本質(zhì)700600

500400Wavelength(nm)TheHuman'sViewO

p

e

n

CV1知識(shí)儲(chǔ)備：數(shù)字圖像O

p

e

n

CV數(shù)字圖像由二維的元素組成每個(gè)元素包含一個(gè)坐標(biāo)以及響應(yīng)值知識(shí)儲(chǔ)備：數(shù)字圖像1O

p

e

n

C

V數(shù)字圖像處理針對(duì)特定任務(wù)提升圖像的可理解性知識(shí)儲(chǔ)備：數(shù)字圖像1O

p

e

n

C

V1知識(shí)儲(chǔ)備：數(shù)字圖像圖像處理

圖像分析

圖像理解O

p

e

n

C

V1知識(shí)儲(chǔ)備：數(shù)字圖像喵汪汪喵

汪喵O

p

e

n

C

V1知識(shí)儲(chǔ)備：數(shù)字圖像(205,89,68)122173

255129

115184

5118

248174

41125

198[202196

92

109|100126179

58125

41686718524237551956220823211086

20646

5241

16460

1499

4523135421715134151144Lena564019422O

p

e

n

C

V24518002

OpenCVP

A

人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用研究員Gary

Bradski在為英特爾時(shí)注意到MIT

的媒體實(shí)驗(yàn)室，擁有非常完備的內(nèi)部公開(kāi)的

計(jì)算機(jī)視覺(jué)開(kāi)發(fā)接口——代碼從一個(gè)學(xué)生傳到另

一個(gè)學(xué)生手中，并且會(huì)給每個(gè)新來(lái)的學(xué)生一個(gè)有

價(jià)值的由他們自己開(kāi)發(fā)的視覺(jué)應(yīng)用方案。知識(shí)儲(chǔ)備：OpenCV2起源O

p

e

n

C

V●為高級(jí)的視覺(jué)研究提供開(kāi)源并且優(yōu)化過(guò)的基礎(chǔ)代碼，不再

需要重復(fù)造輪子?！褚蕴峁╅_(kāi)發(fā)者可以在此基礎(chǔ)上進(jìn)行開(kāi)發(fā)的通用接口為手段

傳播視覺(jué)相關(guān)知識(shí)，這樣代碼有更強(qiáng)的可讀性和移植性?！褚詣?chuàng)造可移植的、優(yōu)化過(guò)的免費(fèi)開(kāi)源代碼來(lái)推動(dòng)基于高級(jí)

視覺(jué)的商業(yè)應(yīng)用，這些代碼可以自由使用，不要求商業(yè)應(yīng)用程序開(kāi)放或免費(fèi)。知識(shí)儲(chǔ)備：OpenCV2目標(biāo)O

p

e

n

C

V善假于物，勝于閉門(mén)造車(chē)知識(shí)儲(chǔ)備：OpenCV2O

p

e

n

C

V超分辨圖像拼接異構(gòu)與并行計(jì)算機(jī)器學(xué)習(xí)對(duì)象檢測(cè)維可視化深度神經(jīng)網(wǎng)絡(luò)分割與正配ImageprocessingCoreImgcodecsHigh-levelGUIVideoI/O2

知識(shí)儲(chǔ)備：OpenCV擴(kuò)展模塊2D

特

征

提

取相機(jī)矯正與三維重建視頻分析O

p

e

n

C

VPython+Anaconda+PyCharm的安裝和基本使用：/video/BV1K7411c7EL?p=3OpenCV的安裝方法：pipinstallopencv-python==6pipinstallopencv-contrib-python==0知識(shí)儲(chǔ)備：OpenCV2O

p

e

n

C

V03圖像讀取、顯示、保存T

H

R

E

日人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用3

圖像讀取、顯示、保存

圖像讀取cv2.imread('cat.jpg')

圖像顯示

cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)cv2.imread('cat.jpg',cv2.IMREAD_COLOR)

圖像保存O

p

e

n

C

V3

圖像讀取、顯示、保存

圖像讀取cv2.imshow(name,img)

圖像顯示

cv2.waitKey(0)cv2.destroyAIIWindows()

圖像保存O

p

e

n

C

V3

圖像讀取、顯示、保存

圖像讀取

圖像顯示

cv2.imwrite('mycat2.png',img)

圖像保存O

p

e

n

C

V圖像讀取任務(wù)小結(jié)：imread()讀取不同類(lèi)型圖像圖像顯示imshow()顯示窗口與關(guān)閉imwrite()

保存圖像圖像保存3圖像讀取、顯示、保存O

p

e

n

C

V

圖像讀取

圖像顯示

圖像保存任務(wù)實(shí)施：根據(jù)任務(wù)書(shū)完成圖像讀取、顯示、保存3

圖像讀取、顯示、保存O

p

e

n

C

V04圖像像素處理P

A人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用數(shù)字圖像由二維的元素組成每個(gè)元素包含一個(gè)坐標(biāo)以及響應(yīng)值修改每個(gè)坐標(biāo)對(duì)應(yīng)的響應(yīng)值，即可

修改整體的圖像像素分布見(jiàn)微知著,以小見(jiàn)大知識(shí)儲(chǔ)備：圖像像素值修改的意義1O

p

e

n

C

Vimportcv2img=cv2.imread('dcz.jpg')#讀取圖片

###學(xué)會(huì)模塊化編程，此處用于填寫(xiě)處理代碼###cv2.imshow('dcz',img)#顯示圖片cv2.waitKey(0)cv2.destroyAIIWindows()讀取與顯示獲取圖像形狀循環(huán)遍歷1

任務(wù)一：獲取圖像中的單個(gè)像素O

p

e

n

C

Vimportcv2img=cv2.imread('dcz.jpg')#讀取圖片###h,w,C=img.shape#獲取圖像的長(zhǎng)和寬及通道數(shù)目###cv2.imshow('dcz',img)#顯示圖片cv2.waitKey(0)cv2.destroyAIIWindows()讀取與顯示獲取圖像形狀循環(huán)遍歷1

任務(wù)一：獲取圖像中的單個(gè)像素O

p

e

n

C

Vimportcv2img=Cv2.imread('dcz.jpg')#讀取圖片###h,w,c=img.shapefor

i

inrange(0,h):#根據(jù)長(zhǎng)寬通道數(shù)進(jìn)行遍歷

forjin

range(0,w):fork

in

range(0,c):print(img[i,j,k])#輸出每個(gè)像素對(duì)應(yīng)的像素值###cv2.imshow('dcz',img)#顯示圖片cv2.waitKey(0)cv2.destroyAlIWindows()讀取與顯示獲取圖像形狀循環(huán)遍歷1

任務(wù)一：獲取圖像中的單個(gè)像素O

p

e

n

C

V1

練習(xí)：修改像素點(diǎn)的值像素訪問(wèn)將每個(gè)像素的像素值加10像素修改O

p

e

n

C

V8位圖像的像素值分布在[0-255]之間，有時(shí)候?yàn)榱送怀鲲@示關(guān)鍵信息，需要對(duì)像

素值進(jìn)行篩選，比方說(shuō)提取[80-150]區(qū)間

內(nèi)的像素值。抓住關(guān)鍵，解決問(wèn)題知識(shí)儲(chǔ)備：提取關(guān)鍵信息2O

p

e

n

C

V分析數(shù)據(jù)編寫(xiě)程序優(yōu)化程序眼鏡大致在高350至520,寬220至670,區(qū)域根據(jù)的位置信息，

編程如下。任務(wù)二：獲取dczjpg

中眼鏡部分2)O

p

e

n

C

Vimport

cv2src=Cv2.imread('.\sucai1\dcz.jpg')glasses=src[350:520,220:670]#將眼鏡RO1

賦值給變量glassescv2.imshow("glasses",glasses)cv2.waitKey(0)cv2.destroyAlIWindows()運(yùn)行結(jié)果如圖1.32所示。分析數(shù)據(jù)編寫(xiě)程序優(yōu)化程序2

任務(wù)二：獲取dczjpg

中眼鏡部分O

p

e

n

C

Vimport

cv2import

numpy

as

npmask=np.random.randint(0,255,(100,200,3),dtype

=np.uint8)11I0,255:表示生成的像素值區(qū)間為0-255(100,200,3):表示長(zhǎng)為100,寬為200,通道

數(shù)為3,dtype=np.uint8:表示生成的圖像為8位圖像1cv2.imshow("mask",mask)cv2.waitKey(0)cv2.destroyAlIWindows()分析數(shù)據(jù)編寫(xiě)程序優(yōu)化程序2

任務(wù)二：獲取dczjpg

中眼鏡部分O

p

e

n

C

V分析數(shù)據(jù)編寫(xiě)程序優(yōu)化程序任務(wù)二：獲取dczjpg

中眼鏡部分練習(xí)：根據(jù)上述馬賽克生成方法，將dcz.jpg眼睛部分進(jìn)行馬賽克處理。結(jié)2果如圖所示。O

p

e

n

C

V人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目二

圖像運(yùn)算(一)課前任務(wù)將“LinuxLogo.jpg”與(“WindowsLogo.jpg”相加，查看結(jié)果，對(duì)比

前后像素變化并舉例解釋?zhuān)篿mg1=cv2.imread("LinuxLogojpg")img2=cv2.imread("WindowsLogo.jpg")img3=img1+img2cv2.imshow("add",img3)O

p

e

n

C

V01

算術(shù)運(yùn)算

圖像淡入淡出效果目錄CONTENTSO

p

e

n

C

V加權(quán)運(yùn)算，加乘運(yùn)算代碼實(shí)現(xiàn)圖像淡入淡出效果重難點(diǎn)O

p

e

n

C

Vimg1算術(shù)運(yùn)算img2邏輯運(yùn)算MASK“大小一致”O(jiān)

p

e

n

C

V0000000110011100110000000知識(shí)儲(chǔ)備：圖像運(yùn)算562821213122823281675858167213123561671232131675624213121021352428242856123562101451635816712321324238320838187562823281201算術(shù)運(yùn)算P

A人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用加

減

乘

除學(xué)會(huì)觀察，提煉原理O

p

e

n

C

V1知識(shí)儲(chǔ)備：算術(shù)運(yùn)算1知識(shí)儲(chǔ)備：算術(shù)運(yùn)算十

cv2.add

()img1×

“+”對(duì)比分析學(xué)會(huì)總結(jié)5628-232812·b≤255

b>25512356210145163238320838187242131210213558167123213242428242856img2O

p

e

n

C

V?cv2.add()cv2.subtract()1知識(shí)儲(chǔ)備：算術(shù)運(yùn)算O

p

e

n

C

Vcv2.add()cv2.subtract()

cv2.divide()知識(shí)儲(chǔ)備：算術(shù)運(yùn)算1O

p

e

n

C

Vcv2.add()cv2.subtract()

cv2.divide()

cv2.multiply()知識(shí)儲(chǔ)備：算術(shù)運(yùn)算1O

p

e

n

C

V加權(quán)和cv22.addWeighted

(src1,alpha,src2,beta,gamma)O

p

e

n

C

V加

減乘除addsubtractdividemultiply知識(shí)儲(chǔ)備：數(shù)字圖像102圖像淡入淡出效果人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用defcontrast_brightness_demo(image,c,b):h,w,ch

=image.shapeblank

=np.zeros([h,w,ch],image.dtype)dst=cv2.addWeighted(image,c,blank,1-c,b)cv2.imshow("con-bri-demo",dst)知識(shí)儲(chǔ)備：cv2.addWeighted()實(shí)戰(zhàn)操作任務(wù)

一：

實(shí)現(xiàn)PS

·圖像調(diào)整20

p

e

n

C

V2任務(wù)—:實(shí)現(xiàn)PS·圖像調(diào)整任務(wù)一：拓展練習(xí)使用addWeighted()函數(shù)，實(shí)現(xiàn)兩幅照片“淡化效果”切換。舉一反三，鞏固新知O

p

e

n

C

V人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目二

圖像運(yùn)算(二)圖像像素值的本質(zhì)是0與1,請(qǐng)問(wèn)251的二進(jìn)制值是多少如：255=(11111111)B255/2=127=====余1127/2=63======余163/2=31=======余131/2=15=======余115/2=7========余17/2=3=========余13/2=1=========余11/2=0=========余1課前導(dǎo)入O

p

e

n

CV

邏輯運(yùn)算

隱藏的秘密：數(shù)字水印目錄CONTENTSO

p

e

n

C

V重難點(diǎn)邏輯運(yùn)算圖像加密O

p

e

n

C

V01邏輯運(yùn)算人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用1知識(shí)儲(chǔ)備：邏輯運(yùn)算與或

異或

取反類(lèi)比學(xué)習(xí)，做好假設(shè)O

p

e

n

C

V算子1算子2與

·

結(jié)果與

·

規(guī)則或

·

結(jié)果或

·

規(guī)則000and(0,0)=00and(0,0)=0010and(0,1)=01and(0,1)=1100and(1,0)=01and(1,0)=1111and(1,1)=11and(1,1)=1知識(shí)儲(chǔ)備：邏輯運(yùn)算異或取反與或1O

p

e

n

C

V算子1算子2與

·

結(jié)果與

·

規(guī)則或

·

結(jié)果或

·

規(guī)則000and(0,0)=00and(0,0)=0010and(0,1)=01and(0,1)=1100and(1,0)=01and(1,0)=1111and(1,1)=11and(1,1)=1數(shù)值十進(jìn)制值二進(jìn)制值數(shù)值119811000110數(shù)值221911011011按位或運(yùn)算結(jié)果22311011111按位與運(yùn)算結(jié)果19411000010知識(shí)儲(chǔ)備：邏輯運(yùn)算異或取反與或1O

p

e

n

C

Vbitwise_and()bitwise_or()1知識(shí)儲(chǔ)備：邏輯運(yùn)算異或取反與

或O

p

e

n

C

V數(shù)值十進(jìn)制值二進(jìn)制值數(shù)值119811000110數(shù)值221911011011按位異或運(yùn)算結(jié)果2900011101取反

bitwise_xor()1知識(shí)儲(chǔ)備：邏輯運(yùn)算與

或異或O

p

e

n

C

V說(shuō)明十進(jìn)制值二進(jìn)制值原始數(shù)值19811000110按位非運(yùn)算結(jié)果5700111001取反

bitwise_not()1知識(shí)儲(chǔ)備：邏輯運(yùn)算與

或異或O

p

e

n

C

V1知識(shí)儲(chǔ)備：邏輯運(yùn)算與

bitwise_and()或

bitwise_or()異或

bitwise_xor()取反

bitwise_not()O

p

e

n

C

V101011001010100000111000XOR0001011001011001001010000001101100110000011101114024164142971108321313217715615256702699162100001001011000110011100100110000011100001000110000110100110.001110100010172168562289402748119001010000001100010100100100011100110000101101110000000010101001111010101圖像A

的二進(jìn)制表示為AB,其像素值為：圖像K

的二進(jìn)制表示為KB,其像素值為：接下來(lái)實(shí)現(xiàn)圖像AB

和圖像KB的按位異或運(yùn)算得到AKB:

圖像AKB轉(zhuǎn)換為十進(jìn)制圖像AK:假設(shè)有需要加密的原始圖像A,

其像素值為：加密密鑰圖像為K,其像素值為：知識(shí)儲(chǔ)備：圖像加密https://tool.lu/hexconvert/1O

p

e

n

C

V40241641429711083213172168562289402748119101011001010100000111000000101100101100100101000000110110011000001110111可以發(fā)現(xiàn)，x

圖像和原來(lái)的圖像A

完全一致。該過(guò)程詳細(xì)解釋了8位圖像的加密和解密過(guò)程。在實(shí)際應(yīng)

用中，收發(fā)雙方應(yīng)該事先的規(guī)定好密鑰圖像，發(fā)送方利用密鑰圖像將圖片加密，將密文發(fā)給接收方，

然后接收方接到密文，然后用密鑰進(jìn)行解密，最終得到原始圖像。可以看出將A圖像加密后的圖像AK已經(jīng)發(fā)生了本質(zhì)的變換，下面將AKB圖像繼續(xù)和密鑰圖像KB進(jìn)行按

位異或運(yùn)算，得到圖像XB:觀察本質(zhì)透過(guò)現(xiàn)象知識(shí)儲(chǔ)備：圖像加密1圖

像AKB轉(zhuǎn)換為十進(jìn)制圖像AK:將圖像XB轉(zhuǎn)換為十進(jìn)制圖像X:O

p

e

n

C

V人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目三色彩空間與幾何變換(一)閱讀教材54頁(yè)及自行搜索，了解RGB、GRAY、HSV、RGBA顏

色空間的概念紅紫

橙

黑藍(lán)

綠課前任務(wù)O

p

e

n

C

V01

色彩空間02實(shí)現(xiàn)顏色提取：提取指定顏色物體目錄CONTENTSO

p

e

n

C

V提取特定顏色的物體，實(shí)現(xiàn)圖像的幾何矯正色彩空間的相互轉(zhuǎn)換，幾何變換的應(yīng)用重難點(diǎn)O

p

e

n

C

V01色彩空間P

A人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用1)

任務(wù)—:圖像類(lèi)型轉(zhuǎn)換任務(wù)一

圖像類(lèi)型轉(zhuǎn)換使用cvtColor()函數(shù)，實(shí)現(xiàn)各種顏色空間的轉(zhuǎn)換。O

p

e

n

C

V(0,0,0)～(255,255,255)表示。RGB

空間是生活中最常用的一個(gè)

模型，電視機(jī)、電腦的顯示器等大部分

都是采用這種模型。自然界中的任何一

種顏色都可以由紅、綠、藍(lán)三種色光混

合而成。RGB顏色空間以R(Red:紅)、G(Green:綠)、B(Blue:藍(lán))三種基本色為基礎(chǔ)，進(jìn)行不同程度的疊加，產(chǎn)生豐富而廣泛的顏色，所以俗稱三基色模式。通常的用知識(shí)儲(chǔ)備：RGB色彩空間1O

p

e

n

C

V灰度化顧名思義就是將圖片變?yōu)榛疑贠penCV

中可以用cvtColor函數(shù)將圖像進(jìn)行灰度化，但這里并不使用該函數(shù)，而是采用計(jì)算公式：Y=0.2126*R+0.7152*G+0.0722*B,RGB

分別為彩色圖像的三通道GRAY顏色空間(灰度圖像)通常指8位灰度圖，具有256個(gè)灰度級(jí)，像素值的范圍為[0,255]。所謂灰度色，就是指純白、純黑以及兩者中的一系列從黑到白的過(guò)渡色。知識(shí)儲(chǔ)備：GRAY色彩空間1O

p

e

n

C

V1

知識(shí)儲(chǔ)備：HSV

色彩空間HSV(Hue,Saturation,Value)是根據(jù)顏色的直觀特性創(chuàng)建的一種顏色空間，也稱六角

錐體模型。這個(gè)模型中顏色的參數(shù)分別是：色調(diào)(H),

飽

和

度(S),

明

度(V)。色調(diào)：不同波長(zhǎng)的光表現(xiàn)為不同的顏色，[0,360]。飽和度：表示顏色接近光譜色的程度，[0,1]。亮度：人眼感受到的光的明暗程度，[0,100]。色調(diào)10O

p

e

n

C

V1飽和度亮度BGR與RGBBGR與灰度

BGR與HSVO

p

e

n

C

V知識(shí)儲(chǔ)備：類(lèi)型轉(zhuǎn)換函數(shù)1dst=cv2.cvtColor(src,cv2.COLOR

BGR2RGB)dst=cv2.cvtColor(src,cv2.COLOR

RGB2BGR)BGR與RGBBGR

與灰度BGR與HSV1知識(shí)儲(chǔ)備：類(lèi)型轉(zhuǎn)換函數(shù)O

p

e

n

C

Vdst=cv2.cvtColor(src,cv2.COLOR

BGR2GRAY)dst=cv2.cvtColor(src,cv2.COLOR

GRAY2BGR)BGR與RGBBGR

與灰度BGR與HSV1知識(shí)儲(chǔ)備：類(lèi)型轉(zhuǎn)換函數(shù)O

p

e

n

C

Vdst=cv2.cvtColor(src,cv2.COLOR

BGR2HSV)dst=cv2.cvtColor(src,cv2.COLOR

HSV2BGR)BGR與RGBBGR

與灰度BGR與HSV1知識(shí)儲(chǔ)備：類(lèi)型轉(zhuǎn)換函數(shù)O

p

e

n

C

V實(shí)現(xiàn)顏色提?。禾崛≈付伾矬w人

/

工

/智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用02黑灰白紅橙黃綠青藍(lán)紫hmin000015611263578100125hmax180180180101802534;7799124155smin00043434343434343smax2554330255255255255255255255vmin04622146464646464646vmax46220255255255255255255255255知識(shí)儲(chǔ)備：HSV

顏色表H:0—180S:0—255V:0—255此處把部分紅色歸為紫色范圍：任務(wù)二：提取指定顏色20

p

e

n

C

V2任務(wù)二：提取指定顏色知識(shí)儲(chǔ)備：cv2.inRange()

函數(shù)詳解語(yǔ)

法

：dst=cv2.inRange(src,lowerb,upperb),lowerb為范圍下界，upperb

為范圍上界作用：判斷圖像內(nèi)的像素點(diǎn)的像素值是否在指定的范圍內(nèi)O

p

e

n

C

V課前任務(wù)預(yù)習(xí)幾何變換的概念O

p

e

n

C

V人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目三色彩空間與幾何變換(二)閱讀教材及自行搜索，了解圖像幾何變換的概念課前任務(wù)O

p

e

n

C

V01

幾何變換

實(shí)現(xiàn)圖像的幾何變換目錄CONTENTSO

p

e

n

C

V實(shí)現(xiàn)圖像的幾何矯正重難點(diǎn)幾何變換的應(yīng)用O

p

e

n

C

V01幾何變換P

A人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用1)任務(wù)三：簡(jiǎn)單的幾何變換幾何變換是指將一幅圖像映射到另外一幅圖像內(nèi)的操作。

本任務(wù)主要介紹的映射關(guān)系劃分為縮放、翻轉(zhuǎn)、仿射、透視、重映射

等。O

p

e

n

C

Vsrc:

原圖dsize:

輸出圖像的大小fx:水平方向的縮放比例fy:

垂直方向的縮放比例interpolation:

插值方法cv2.resize(src,dsize[,fx[,fy[,interpolation]]])縮放翻轉(zhuǎn)仿射透視知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換1O

p

e

n

C

Vsrc:

原圖flipCode:旋轉(zhuǎn)類(lèi)型(實(shí)驗(yàn))縮放翻轉(zhuǎn)仿射透視cv2.flip(src,flipCode)知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換1O

p

e

n

C

V指圖像可以通過(guò)一系列的幾何變換來(lái)實(shí)現(xiàn)平移、旋轉(zhuǎn)等

多種操作。cv2.warpAffine()10x=10001y=200縮放翻轉(zhuǎn)仿射透視知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換1O

p

e

n

C

Vcv2.warpAffine(src,M,dsize)src:原圖M:

表示變換矩陣，反映平移或翻轉(zhuǎn)的關(guān)系，為一

個(gè)2×3的矩陣dsize:輸出圖像的畫(huà)布大小縮放翻轉(zhuǎn)仿射透視1

知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換0

p

e

n

C

V0------?M

構(gòu)造方法--平移向右側(cè)移動(dòng)x個(gè)像素，向下側(cè)移動(dòng)y個(gè)像素M=np.float32([[1,0,x],[0,1,y]])縮放翻轉(zhuǎn)。仿射透視知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換10

p

e

n

C

VM構(gòu)造方法--旋轉(zhuǎn)M=cv2.getRotationMatrix2D(center,angle,scale)center

:表示旋轉(zhuǎn)中心。angle:

表示旋轉(zhuǎn)角度，正數(shù)表示逆時(shí)針旋轉(zhuǎn)，負(fù)數(shù)

表示順時(shí)針旋轉(zhuǎn)。scale:表示變換尺度，即縮放大小。縮放翻轉(zhuǎn)仿射透視1

知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換O

p

e

n

C

V1知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換縮放將矩形映射為任意四邊形cv2.warpPerspective()翻轉(zhuǎn)仿射透視O

p

e

n

C

V決遞哥o---lli?將矩形映射為任意四邊形cv2.warpPerspective(src,M,dsize)src:

表示原始輸入圖像。M:

表示變換矩陣，為一個(gè)3×3的矩陣。dsize:

表示輸出圖像的大小?？s放翻轉(zhuǎn)仿射透視1

知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換O

p

e

n

C

V核心還是構(gòu)造轉(zhuǎn)換矩陣MM=cv2.getPerspectiveTransform(pts_o,pts_d)pts

o:表示輸出圖像的4個(gè)頂點(diǎn)坐標(biāo)。pts_d:表示原始輸入圖像的4個(gè)頂點(diǎn)坐標(biāo)。縮放翻轉(zhuǎn)仿射透視1

知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換O

p

e

n

C

Vpts_o=np.float32([[x1,y1],[x2,y2],[x3,y3],[x4,y4]

])pts_d=np.float32([[0,0],[w,0],[0,h],[w,h]])O

p

e

n

C

V(0,h)

(w,h)知識(shí)儲(chǔ)備：簡(jiǎn)單的幾何變換(0,0)

(w,O)1作業(yè)將lenajpg

轉(zhuǎn)換為灰度圖像，應(yīng)用縮放、翻轉(zhuǎn)

、平移、旋轉(zhuǎn)、透視等相關(guān)知識(shí)進(jìn)行實(shí)驗(yàn)，并

撰寫(xiě)實(shí)驗(yàn)報(bào)告O

p

e

n

C

V人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目四閾值與平滑處理(一)課前任務(wù)如何用像素級(jí)操作，將peppa.jpg

中像素值小于180的設(shè)置為黑色，大于等

于180的的像素值設(shè)置為白色。圖像處理的本質(zhì)就是像素處理O

p

e

n

C

V01

閾值處理

使用滑塊調(diào)整閾值大小目錄CONTENTSO

p

e

n

C

V閾值選定與處理、模糊處理重難點(diǎn)卷積概念O

p

e

n

C

V01閾值處理人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用定

義

：指剔除圖像內(nèi)像素值高于一定值或者低于一定值的像素點(diǎn)例如，設(shè)定閾值為127,然后：將圖像內(nèi)所有像素值大于127的像素點(diǎn)的值設(shè)為255。將圖像內(nèi)所有像素值小于或等于127的像素點(diǎn)的值設(shè)為0。一幅圖像包括目標(biāo)物體、背景還有噪聲要想從多值的數(shù)字圖像中提取目標(biāo)物體知識(shí)儲(chǔ)備：閾值處理1O

p

e

n

CV定義：指剔除圖像內(nèi)像素值高于一定值或者低于一定值的像素點(diǎn)例如，設(shè)定閾值為127,然后：將圖像內(nèi)所有像素值大于127的像素點(diǎn)的值設(shè)為255。將圖像內(nèi)所有像素值小于或等于127的像素點(diǎn)的值設(shè)為0。知識(shí)儲(chǔ)備：閾值處理1O

p

e

n

C

V1知識(shí)儲(chǔ)備：閾值處理OpenCV

提供了函數(shù)cv2.threshold()

和函數(shù)cv2.adaptiveThreshold(),

用于實(shí)現(xiàn)閾值處理。cv2.threshold()cv2.adaptiveThreshold()O

p

e

n

C

Vcv2.THRESH_BINARYdst(es)={0,其他情況cv2.THRESH_BINARY_INVdst(w)={src

)

eshev2.THRESH_TRUNCsrc(x,y)>thresh其他情況ev2.THRESH_TOZERO_INVsre(x,y)>thresh其他情況ev2.THRESH_10ZEROdstky)=[src(xysrc(xy)>thresh他情況ev2.THRESH_MASK掩碼cv2.THRESH_OTSUev2.THRESH

TRIANGLE標(biāo)記，使用Otsu算法時(shí)的可選網(wǎng)值參數(shù)

稱記，使用Trangle算法時(shí)的可選閥值參數(shù)情況>thr其他(xycv2.threshold()cv2.adaptiveThreshold()retval,dst=cv2.threshold(src,thresh,maxval,type)知識(shí)儲(chǔ)備：閾值處理1O

p

e

n

C

Vcv2.THRESH_BINARYcv2.THRESH_BINARY_INVcv2.THRESH_TRUNCcv2.THRESH_TOZERO_INVcv2.THRESH_TOZEROcv2.threshold()cv2.adaptiveThreshold()二值化反二值化截?cái)喑撝盗闾幚?/p>

低閾值零處理retval,dst=cv2.threshold(src,thresh,maxval,type)1知識(shí)儲(chǔ)備：閾值處理O

p

e

n

C

Vcv2.threshold()cv2.adaptiveThreshold()cv2.THRESH_BINARYcv2.THRESH_BINARY_INVcv2.THRESH_TRUNCcv2.THRESH_TOZERO_INVcv2.THRESH_TOZEROBINARY_INVTOZERO_INVretval,dst=cv2.threshold(src,thresh,maxval,type)1知識(shí)儲(chǔ)備：閾值處理Original

imageO

p

e

n

CVTOZEROBINARYTRUNCcv2.threshold()cv2.adaptiveThreshold()自適應(yīng)閾值處理

保留了更多的細(xì)節(jié)信息1知識(shí)儲(chǔ)備：閾值處理8352223O

p

e

n

C

V2自適應(yīng)閾值處理定義：使用變化的閾值完成對(duì)圖像的閾值處理。操

作

：通過(guò)計(jì)算每個(gè)像素點(diǎn)周?chē)R近區(qū)域的加權(quán)平均值獲得閾值，并使用該閾值對(duì)

當(dāng)前像素點(diǎn)進(jìn)行處理。目

的

：保留了更多的細(xì)節(jié)信息cv2.threshold()cv2.adaptiveThreshold()知識(shí)儲(chǔ)備：閾值處理1O

p

e

n

C

Vdst=cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C)●

maxValue代表最大值。●adaptiveMethod代表自適應(yīng)方法。●thresholdType代表閾值處理方式，該值必須是cv2.THRESH_BINARY或者cv2.THRESH_BINARY_INV

中的一個(gè)。●

blockSize代表塊大小。表示一個(gè)像素在計(jì)算其閾值時(shí)所使用的鄰域尺寸，通常為3、5、7等?！?/p>

C是常量。cv2.threshold()cv2.adaptiveThreshold()知識(shí)儲(chǔ)備：閾值處理1O

p

e

n

C

VP1P3鄰

域P4P7P5P8P6P9O

p

e

n

C

VP21知識(shí)儲(chǔ)備：閾值處理cv2.threshold()cv2.adaptiveThreshold()cv2.THRESH_BINARYcv2.THRESH_BINARY_INVcv2.THRESH_TRUNCcv2.THRESH_TOZERO_INVev2.THRESH_TOZEROcv2.THRESH_MASKev2.THRESH_OTSUcy2THRESH

TRIANGLE給定初始閾值計(jì)算機(jī)自己找給定閾值O

p

e

n

CVOtsu大津定義：根據(jù)當(dāng)前圖像給出最佳的類(lèi)間分割閾值。操作：遍歷所有可能閾值，從而找到最佳的閾值。t,otsu=cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)O

p

e

n

C

Vcv2.threshold()cv2.adaptiveThreshold()知識(shí)儲(chǔ)備：閾值處理102使用滑塊調(diào)整閾值大小人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用2

函數(shù)實(shí)操與彩色圖像cv2.threshold()

cv2.adaptiveThreshold()I

Task1函數(shù)實(shí)操cv2.Threshold()cv2.adaptiveThreshold()cv2.Threshold(Otsu)O

p

e

n

C

V|用滾動(dòng)條控制閾值處理參數(shù)知識(shí)儲(chǔ)備1:回調(diào)函數(shù)用于將滑動(dòng)條的數(shù)值處理并響應(yīng)cv2.threshold()cv2.adaptiveThreshold()函數(shù)實(shí)操與彩色圖像2O

p

e

n

C

V|用滾動(dòng)條控制閾值處理參數(shù)知識(shí)儲(chǔ)備2:cv2.createTrackbar(“name”,“winname”,“default”,"max”,callback)Data=Cv2.getTrackbarPos(”name”,“winname”)O

p

e

n

C

Vcv2.threshold()cv2.adaptiveThreshold()2

函數(shù)實(shí)操與彩色圖像人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目四閾值與平滑處理(二)課前任務(wù)如何對(duì)有很多噪聲的

圖片進(jìn)行畫(huà)質(zhì)改善?/product/imageprocess/image_definition_enhanceO

p

e

n

C

V01

平滑處理

使用滑塊調(diào)整平滑效果目錄CONTENTSO

p

e

n

C

V重難點(diǎn)模糊處理卷積概念O

p

e

n

C

V01平滑處理P

A人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用1知識(shí)儲(chǔ)備：平滑處理卷積：基本原理：將噪聲所在像素點(diǎn)的像素值處理為其周?chē)R近像素點(diǎn)的值的近似值。均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D

卷積(自定義濾波)去除圖像

內(nèi)部噪聲目標(biāo)O

p

e

n

C

V1

知識(shí)儲(chǔ)備：平滑處理卷積：將噪聲所在像素點(diǎn)的像素值處理為其周?chē)R近像素點(diǎn)的值的近似值。a,b

的下標(biāo)相加都為1,1C1,1=ao,ob?,1O

p

e

n

C

V均值濾波

方框?yàn)V波

高斯濾波中值濾波

雙邊濾波

2D卷積1知識(shí)儲(chǔ)備：平滑處理0

p

e

n

CV1

知識(shí)儲(chǔ)備：平滑處理均值濾波

定義：是指用當(dāng)前像素點(diǎn)周?chē)鶱*N個(gè)像素值的均值來(lái)代替當(dāng)前像素值。P1P2P3P4P5P6P7P8P9方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積均值卷積核×P5=(P1+P2+……+P9)/(3×3)O

p

e

n

C

V函數(shù)形式：dst=cv2.blur(src,ksize,anchor,borderType)ksize:濾波核的大小。濾波核大小是指在均值處理過(guò)程中，其鄰域圖像的高度和寬度。

anchor:

錨點(diǎn)，其默認(rèn)值是(-1,-1),表示當(dāng)前計(jì)算均值的點(diǎn)位于核的中心點(diǎn)位置。

borderType:

邊界樣式，該值決定了以何種方式處理邊界。通常情況下，使用均值濾波函數(shù)時(shí)，對(duì)于錨點(diǎn)anchor和邊界樣式borderType,

直接采用其默認(rèn)

值即可。因此，函數(shù)cv2.blur()的一般形式為：dst=cv2.blur

(src,ksize,)。缺點(diǎn)在于它不能很好地保護(hù)圖像細(xì)節(jié)，在圖像去噪的同時(shí)

也破壞了圖像的細(xì)節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點(diǎn)。均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積1知識(shí)儲(chǔ)備：平滑處理O

p

e

n

C

V定義：自由選擇是否對(duì)均值濾波的結(jié)果進(jìn)行歸一化，即可以自由選擇濾波結(jié)果是鄰域像素值之和的平均值，還是鄰域像素值之和。方框?yàn)V波的權(quán)重系數(shù)模板,a={1,均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積1知識(shí)儲(chǔ)備：平滑處理O

p

e

n

C

V函數(shù)形式：cv2.boxFilter(src,ddepth,ksize,anchor,normalize,borderType)ddepth

是處理結(jié)果圖像的圖像深度，一般使用-1表示與原始圖像使用相同的圖像深度。normalize

表示在濾波時(shí)是否進(jìn)行歸一化(這里指將計(jì)算結(jié)果規(guī)范化為當(dāng)前像素值范圍內(nèi)

的值)處理，該參數(shù)是一個(gè)邏輯值，可能為真(值為1)或假(值為0)。通常情況下，函數(shù)cv2.boxFilter()的一般形式為：dst=cv2.boxFilter(src,ddepth,ksize)均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積1知識(shí)儲(chǔ)備：平滑處理O

p

e

n

C

V定義：將中心點(diǎn)的權(quán)重值加大，遠(yuǎn)離中心點(diǎn)的權(quán)重值減小，在此基礎(chǔ)

上計(jì)算鄰域內(nèi)各個(gè)像素值不同權(quán)重的和。于常見(jiàn)的3x3

或者5x5

其整數(shù)均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積知識(shí)儲(chǔ)備：平滑處理模板如下：1高斯卷積核O

p

e

n

C

V函數(shù)形式：dst=cv2.GaussianBlur(src,ksize,sigmaX,sigmaY,borderType)sigmaX是卷積核在水平方向上(X

軸方向)的標(biāo)準(zhǔn)差，其控制的是權(quán)重比例。

sigmaY

是卷積核在垂直方向上(Y軸方向)的標(biāo)準(zhǔn)差。在實(shí)際處理中，可以顯式指定sigmaX和sigmaY

為默認(rèn)值0。因此，函數(shù)

cv2.GaussianBlur()的常用形式為：dst=cv2.GaussianBlur(src,ksize,0,0)

,高斯濾波的作用是消除高斯噪聲(抑制服從正態(tài)分布的噪聲)均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D

卷積1知識(shí)儲(chǔ)備：平滑處理O

p

e

n

C

V定義：用鄰域內(nèi)所有像素值的中間值來(lái)替代當(dāng)前像素點(diǎn)的像素值。dst=cv2.medianBlur(src,ksize)該方法在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能保留圖像邊緣細(xì)節(jié)均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積1知識(shí)儲(chǔ)備：平滑處理O

p

e

n

C

V120126127150125115119123定義：用鄰域內(nèi)所有像素值的中間值來(lái)替代當(dāng)前像素點(diǎn)的像素值(尋找

中位數(shù)

)。均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積1知識(shí)儲(chǔ)備：平滑處理124O

p

e

n

C

V定義：是綜合考慮空間信息和色彩信息的濾波方式，在濾波過(guò)程中能夠有效地保護(hù)圖像內(nèi)的邊緣信息。cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace,borderType)d:在濾波時(shí)選取的空間距離參數(shù)，這里表示以當(dāng)前像素點(diǎn)為中心點(diǎn)的直徑。如果該值

為非正數(shù)，則會(huì)自動(dòng)從參數(shù)sigmaSpace計(jì)算得到。sigmaColor:

濾波處理時(shí)選取的顏色差值范圍，該值決定了周?chē)男┫袼攸c(diǎn)能夠參與

到濾波中來(lái)。sigmaSpace:坐標(biāo)空間中的sigma值。在函數(shù)cv2.bilateralFilter()中，參數(shù)borderType是可選參數(shù)，其余參數(shù)全部為必選參數(shù)。cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace)均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D卷積1知識(shí)儲(chǔ)備：平滑處理O

p

e

n

C

V定義：使用特定的卷積核實(shí)現(xiàn)卷積操作。dst=cv2.filter2D(src,ddepth,kernel,anchor,delta,borderType)delta

:修正值，它是可選項(xiàng)。如果該值存在，會(huì)在基礎(chǔ)濾波的結(jié)果上加上該值作

為最終的濾波處理結(jié)果。在通常情況下，使用濾波函數(shù)cv2.filter2D()時(shí)，對(duì)于參數(shù)錨點(diǎn)anchor、修正值delta、邊界樣式borderType,直接采用其默認(rèn)值即可。因此，函數(shù)

cv2.filter2D()的常用形式為：dst=cv2.filter2D(src,ddepth,kernel)/qq_62932195/article/details/126337971均值濾波方框?yàn)V波高斯濾波中值濾波雙邊濾波2D

卷積1知識(shí)儲(chǔ)備：平滑處理O

p

e

n

C

V6d8dLd9dSdvdEdZdTdT乙T0T-Z-T-A

)u

?

d

o人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用OpenCV圖像處理技術(shù)項(xiàng)目五形態(tài)學(xué)操作(一)課前任務(wù)預(yù)習(xí)教材80頁(yè)，解釋形態(tài)學(xué)腐蝕的原理O

p

e

n

C

V01

腐蝕與膨脹02

通用形態(tài)學(xué)函數(shù)03

核函數(shù)04

找一找：筆記注釋目錄CONTENTSO

p

e

n

C

V重點(diǎn)通用形態(tài)學(xué)函數(shù)重難點(diǎn)腐蝕與膨脹O

p

e

n

C

V知識(shí)儲(chǔ)備：形態(tài)學(xué)操作形態(tài)學(xué)，即數(shù)學(xué)形態(tài)學(xué)(Mathematical

Morphology),是圖像處理過(guò)程中一個(gè)非常重要的研究方向。例

如

，在識(shí)別手寫(xiě)數(shù)字時(shí)，能夠通過(guò)形態(tài)學(xué)運(yùn)算得到其骨架信息，在具體識(shí)別時(shí)，僅

針對(duì)其骨架進(jìn)行運(yùn)算即可。圖像處理學(xué)科的一個(gè)單獨(dú)分支學(xué)

科，是由數(shù)學(xué)的集合論等相關(guān)理論

發(fā)展起來(lái)的灰度&二值圖像提取圖像分量信息最本質(zhì)的形狀特征目標(biāo)O

p

e

n

C

V◆

腐蝕◆

膨脹◆開(kāi)運(yùn)算◆閉運(yùn)算◆形態(tài)學(xué)梯度運(yùn)算◆頂帽運(yùn)算◆黑帽運(yùn)算知識(shí)儲(chǔ)備：形態(tài)學(xué)操作BAND[NOT(A)]AND(B)NOT-AND(B)XOROp

enC

V(A)OR(B)01腐蝕與膨脹人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用000000

o

0000000o

0

0

o

0

o

00

o

o

o0

o

0

o0

o

0

0o

00000000000000

00o

010

o

0000

o

o0o

00o0110

o

o

oo

o

0

o

0

o

0

0oo

o

oo

o

o

oo

o

010

o

0

0000000o

00010

o

00

000o000oo

010

oo

00

0000000

o

010

o

0000

0

o

o

o

oo

o

010

o

o

o0

o

0

0

o0

o

00010o

o

o

0o

o

0000000110ooo

000000o

0111

o

o

00

o

0

o00oooo01111oo

00

o

00oooo0oooooo

0o

o

0o0o

000

o

o

o

o

0

o

o0

o

01知識(shí)儲(chǔ)備：腐蝕與膨脹●將圖像的邊界點(diǎn)消除，使圖像沿著邊界向內(nèi)收縮●將小于指定結(jié)構(gòu)體元素的部分去除0o

o

o0

o

0

o

o

o

oo

o

o

o

00o

o

o0

o

oo

o

o

o

o

o

o

o

00

o

0111

o

o

o

o

o

o

o

o

o

0o

0

10

o

o

oo

o

o

o

0

o011oooo1110o011110o

o

o11110oo0110oo

o11111o

oo

o

oooo

o

o11

111

o

o

o00

o

00

o

011

110

o

o

0o

o

o

oo

011

1

10o

o

o

0o

o

o

o

011

1

1

1

oo

o

o

o

0o

o

o

01111

100oooo00

o

0

o11

1

1

1

111oo

o

odst=

cv2.erode(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])o

o011

10oooo1110000

o

ooo

o

o1

o

o

o

1oo

o

oo

o

00

oO

p

e

n

C

V3x30001

知識(shí)儲(chǔ)備：腐蝕與膨脹●膨脹操作能對(duì)圖像的邊界進(jìn)行擴(kuò)張●將與當(dāng)前對(duì)象(前景)接觸到的背景點(diǎn)合并到當(dāng)前對(duì)象內(nèi)，從而實(shí)現(xiàn)將圖像的邊界點(diǎn)向外擴(kuò)張dst=cv2.dilate(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])O

p

e

n

C

V將腐蝕和膨脹操作進(jìn)行組合，就可以實(shí)現(xiàn)開(kāi)運(yùn)算、閉運(yùn)算(關(guān)運(yùn)算)、形態(tài)學(xué)梯度(Morphological

Gradient)運(yùn)算、禮帽運(yùn)算(頂帽運(yùn)算)、黑帽運(yùn)算、擊中擊不中等多種不同形式的運(yùn)算。.erode().dilate()膨脹腐蝕知識(shí)儲(chǔ)備：腐蝕與膨脹1O

p

e

n

C

V02通用形態(tài)學(xué)函數(shù)人

/

工

/

智

/

能

/

技

/

術(shù)

/

應(yīng)

/

用類(lèi)型說(shuō)明含義操作ev2.MORPH_ERODE腐蝕腐蝕erode(src)cv2.MORPH

DILATE膨脹膨脹dilate(src)cv2.MORPH

OPEN開(kāi)運(yùn)算先腐蝕后膨脹dilate(erode