数字图像处理Author：louwillMachine Learning Lab 本系列重点理一下区别于目前深度学习之外的传统数字图像处理基础。主要参考教材为冈萨雷斯的《数字图像处理》第四版和yoyo的Gasyori100knock仓库。以案例和代码实现为主，主要实现工具为Python的numpy和opencv库。numpy用来作为原理实现，open
转载
2023-11-29 16:46:29
170阅读
转载
2021-08-03 17:55:00
149阅读
2评论
图像轮廓
原创
2022-06-21 11:13:48
78阅读
# 使用 Python 和 OpenCV 实现闭合轮廓
在计算机视觉中，轮廓是一组点的集合，能够有效且精准地描述图像中的形状。在许多图像处理中，我们经常需要闭合轮廓，以便于后续的分析或处理。在这篇文章中，我将指导你如何使用 Python 和 OpenCV 库来实现闭合轮廓的功能。为了帮助你理解整个过程，我将分步骤讲解，并为每个步骤提供相应的代码示例。
## 流程概述
以下是实现闭合轮廓的步骤
# Python OpenCV 轮廓检测入门指南
轮廓检测是计算机视觉中的重要任务，主要用于物体识别和图像分析。对于初学者来说，使用Python的OpenCV库进行轮廓检测是一个很好的起点。下面，我们将通过一个系统的流程来学习如何实现这一功能。
## 整体流程
为了更好地理解，我们将整个轮廓检测的流程整理如下：
| 步骤 | 描述 |
|
轮廓特征
原创
2022-06-21 11:13:40
129阅读
# 使用 OpenCV 绘制轮廓的虚线效果
在计算机视觉中，处理图像的轮廓是一个常见任务。在众多图像处理库中，OpenCV 以其强大的功能和高效的处理速度备受青睐。本文将介绍如何使用 OpenCV 绘制轮廓的虚线效果，并提供代码示例以便于理解。
## 轮廓提取
轮廓是图像中具有相同颜色或强度的像素的集合，通常可以通过边缘检测或阈值等技术提取。在 OpenCV 中，我们可以使用 `cv2.fi
轮廓检测轮廓检测也是图像处理中经常用到的。OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。实现使用方式如下： 1. import cv2
2.
3. img = cv2.imread('D:\\test\\contour.jpg')
4. gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
5.
转载
2023-11-18 21:01:24
158阅读
直接上代码from sklearn import metrics
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn import preprocessing
import pandas as pd
data = pd.read_csv('tae.csv')
info_scaled = p
转载
2023-06-21 16:36:42
112阅读
灰度化：在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值，因此，灰度图像每个像素值只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。 二值化：二值化可以把灰度图片转换成二值图像，把大于某个临界灰度值的像素灰度设置为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。原始图灰度图二值化后的图 我们可以看到对于这张验证码效果还不错，
转载
2023-12-03 19:59:00
180阅读
摘要：本篇文章主要讲解Python调用OpenCV实现图像阈值化处理操作，包括二进制阈值化、反二进制阈值化、截断阈值化、反阈值化为0、阈值化为0。，作者： eastmount 。一. 阈值化（注：该部分参考作者的论文《基于苗族服饰的图像锐化和边缘提取技术研究》）图像的二值化或阈值化（Binarization）旨在提取图像中的目标物体，将背景以及噪声区分开来。通常会设定一个阈值T，通过T将图像的像素
转载
2023-08-15 14:49:48
159阅读
轮廓的性质
原创
2022-06-21 11:11:46
57阅读
在本篇文章中，我将分享使用 Python 的 OpenCV（cv2）库进行图像查找的方法。这一领域备受关注，尤其在计算机视觉、机器人和 AI 等多种应用场景中。我的目标是通过结构化的方式，深入探讨版本对比、迁移指南、兼容性处理等关键部分，以帮助开发者掌握这一技术。
## 版本对比
在本节中，我将对 OpenCV 的不同版本进行分析，尤其是 4.x 和 3.x 之间的兼容性差异。
### 兼
轮廓：其他函数
原创
2022-06-21 11:11:56
34阅读
图像轮廓用来描述图像中连续的点，它们有同样的颜色和灰度级。为了更精确地进行检测，在查找轮廓前需要先将图像做二值化处理或者使用canny边沿检测。在OpenCV中轮廓检测只查找白色目标，黑色背景会被忽略。1、查找轮廓 findContours()contours,hierarchy=cv2.findContours(image,mode,method[,contours[,hierarchy[,of
转载
2023-08-31 21:33:40
230阅读
轮廓检测意义：轮廓信息对于物体检测而言有着十分重要的意义，根据提取到的轮廓信息，通过轮廓点集的特征选择适合的处理算法，即可提取到物体的形状信息，从而提取所需检测的物体。大概原理： 对原图像进行二值化处理，利用边缘点连接的层次差别，提取位于结构特征高的区域点集构成的集合，这部分点集很可能就是物体的轮廓。核心函数：详细参见：https://www.jianshu.com/p/4bc3349b
转载
2023-09-29 21:15:22
248阅读
相比C++而言，Python适合做原型。本系列的文章介绍如何在Python中用OpenCV图形库，以及与C++调用相应OpenCV函数的不同之处。这篇文章介绍在Python中使用OpenCV检测并绘制轮廓。
转载
2023-07-14 14:28:16
112阅读
图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，能够获得目标图像的大小，位置，方向等信息。OpenCV提供了一系列函数用户图像轮廓操作，如查找图像轮廓的函数 cv2.findContours() contours, hierarchy = findContours(image, mode, method, contours=None, hierarchy=None, offset=N
转载
2023-11-18 21:00:26
140阅读
# 使用 Python CV2 寻找图像中的直线
在计算机视觉领域，直线检测是一项重要的任务，这对于形状识别、道路检测等应用场景具有重要意义。Python 的 OpenCV 库（也称为 CV2）为我们提供了强大的图像处理功能，今天我们将探讨如何使用 CV2 来找到图像中的直线。
## 什么是直线检测？
直线检测是图像处理中的一种技术，用于识别图像中直线的存在及其位置。这通常通过霍夫变换（Ho
# 使用 Python cv2 多点找色
在计算机视觉中，"找色"是一项基础而重要的任务。它指的是在图像中寻找特定颜色的区域。本文将介绍如何使用 Python 的 OpenCV 库（cv2）进行多点找色的操作，同时提供示例代码，帮助你实现这一功能。
## 安装依赖
在开始之前，请确保已经安装了必要的 Python 包。你可以使用以下命令安装 OpenCV：
```bash
pip inst
原创
2024-09-01 05:49:33
557阅读
