【专栏介绍】因为专业需要用到OpenCV来处理图像数据，所以需要学习，搜索了网上的相关资料，整体知识比较零散，花费了较多时间，所以才萌生了将学习过程整理成专栏的形式，希望能帮到后来的人，也方便自己复习。如有错漏欢迎评论或者私信指出，我定当及时更正。本系列共有上中下三篇，后面有空会再做个小项目，并放出来。上篇：计算机图像颜色基础理论中篇：OpenCV中对图像的处理 1 图像及颜色1.1 颜色空间1.
转载
2024-04-28 07:26:22
52阅读
1 图像色彩空间转换常见的色彩空间有HSV、RGB和YCrCb三种： RGB的色彩空间是设备独立的，不受设备不同的影响，取值范围在0-255。HSV色彩空间对计算机友好，H取值0-180，SV取值0-255。YCrCb色彩空间，Y表示信息，CrCb可以被压缩。 图像从一个色彩空间之间可以变换，但是可能存在如下问题：是否可以从一个色彩空间转换到另一个色彩空间是否存在信息传递和损失这一过程是否可逆Op
转载
2024-03-18 20:23:04
32阅读
机器视觉之OpenCV教程图像容器Mat类基础一（二）
一、Mat像素点的存储方法色彩空间是指我们通过组合颜色分量来对各种颜色编码 灰度图像： 从黑到白 ，逐渐过渡 ， 划分成若干灰度级别彩色图像RGB模型： rgb是最常用的颜色模型 ， 人类就是这样感知 光线的 ， 在OpenCV中通道顺序是（blue 、 green 、 red）。彩色图像HSV和 HLS模型：是更贴近自然的颜色模
转载
2024-03-25 20:19:45
35阅读
opencv的色彩空间RGB和BGR最常见的色彩空间就是RGB，人眼也是基于RGB的色彩空间去分辨颜色的！opencv默认的使用的时BGR，BGR和RGB的色彩空间的区别在于图片在色彩通道上的排列顺序不同！ 显示图片的时候需要注意适配图片的色彩空间的显示环境的色彩空间。比如传入的图片时BGR色彩空间，实现环境时RBG空间，就会出现颜色混乱的情况。HSV,HSL,和YUVHSVopencv
转载
2024-03-07 10:40:18
63阅读
一、颜色模型与转换1.1RGB颜色模型 RGB颜色空间模型： 该模型的命名方式是采用三种颜色的英文首字母，分别是红色，绿色，和蓝色。在RGB模型中所有的颜色都是这三种颜色通过不同比例的混合模型，如果三种颜色都为零，则表示为黑色，如果三种颜色的分量相同且都为最大值，则表示为白色。在这
转载
2024-02-29 10:23:58
114阅读
颜色空间介绍我们所看到的图像信息，其实每一帧都是由B、G、R三个颜色分量所构成的像素点排列而成。颜色模型也被称为颜色空间，是用一组数值来描述颜色的数学模型。、RGB图像是一种比较常见的颜色空间类型，除此以外，还有一些还有一些其他的颜色空间，比较常见的包括GRAY颜色空间（灰度图像）、Lab颜色空间、XYZ颜色空间、YCrCb颜色空间、HSV颜色空间、HLS颜色空间、CIELab颜色空间、CIELu
转载
2024-02-19 12:43:04
492阅读
# 使用Python和OpenCV实现高斯混合模型（GMM）
在计算机视觉中，高斯混合模型（GMM）是一种常用的概率模型，用于对数据进行建模和聚类。在本文中，我们将介绍如何使用Python和OpenCV库实现GMM，并通过一个简单的示例来演示其用法。
## 什么是高斯混合模型（GMM）？
GMM是一种概率分布模型，它假设数据是由若干个高斯分布组成的混合体。每个高斯分布代表了数据的一个聚类中心
原创
2024-03-31 05:56:21
80阅读
算法流程 源码的算法流程可以总结如下，对于图像某个位置的新像素值：（1）与该像素值历史信息（包括前几帧的像素值和像素点是前景还是背景的判断）比较，如果像素值之间的差别在指定阈值内，则认为新像素值与该历史信息是匹配的，是“潜在的”一类；所有历史信息比较完毕后，如果与历史信息匹配的次数超过了设定阈值，那么：（1）新像素点被归为“潜在背景点”（2）如果被匹配的历史信息中属于背景的点个数超过设定阈值，那么
目录RGB颜色模型YUV颜色模型HSV颜色模型Lab颜色模型GRAY颜色模型不同颜色模型间的互相转换 RGB颜色模型前面对于RGB颜色模型已经有所介绍，该模型的命名方式是采用三种颜色的英文首字母组成，分别是红色（Red）、绿色（Green）和蓝色（Blue）。虽然该颜色模型的命名方式是红色在前，但是在OpenCV中却是相反的顺序，第一个通道时蓝色（B）分量，第二个通道时绿色（G）分量，第三个通道
转载
2024-02-04 15:16:38
0阅读
在机器学习领域，我们需要审慎处理到手的真实数据集，在训练的各个阶段都会有不同的方法在样本上进行操作和验证。如何切分数据集并进行分批训练，是每一个机器学习项目都会面临的问题。数据切分 对于机器学习模型，如何利用好已有的数据集是模型效果优劣的前提条件。切分训练集、验证集和使用测试集的过程，需要考虑数据的各类情况：有效样本的多少，样本中的时序信息，样本潜在的分组，样本平衡性问题等。切分的目标是在给定的
图像变换1（色彩空间变换，几何变换）色彩空间变换RGB色彩空间GRAY色彩空间YCrCb色彩空间HSV色彩空间几何变换缩放翻转仿射平移缩放旋转三点映射变换透视实验素材 色彩空间变换色彩空间也称颜色模型、颜色空间、色彩模型等，它是图像在计算机内部的一种存储方式。常见的色彩空间包括 RGB、GRAY、XYZ、YCrCb、HSV 等。色彩空间在物体追踪、特征检测等（简单来说就是识别一个东西）扮演着很重
转载
2024-03-25 19:09:47
111阅读
# 如何实现Python使用OpenCV GMM
## 一、整体流程
下面是使用Python结合OpenCV实现GMM（高斯混合模型）的步骤：
```mermaid
gantt
title GMM实现流程
section 整体流程
学习 :a1, 2022-01-01, 1d
安装OpenCV :a2, after a1, 2d
导入库
原创
2024-03-08 07:04:11
79阅读
颜色空间 近100多年来，为了满足不同用途的需要，人们开发了许多不同名称的颜色空间，“可以说表示颜色空间的数目是无穷的”，但是，现有的颜色空间还没有一个完全符合人的视觉感知特性、颜色本身的物理特性或发光物体或反光物体的特性。人们还在继续开发各种新的颜色空间。不同的颜色空间有着不同的特性，使用在不同的领域。因此在实际中需要进行不同颜色空间的转换。不同颜色空间的转换可以是直接转换，也可以通过
转载
2023-12-19 17:23:01
91阅读
参考学习:OpenCV-Python学习—基础知识test1import cv2
import matplotlib.pyplot as plt
'''
opencv是一个强大的图像处理和计算机视觉库
opencv采用BGR模式，而不是RGB
'''
img = cv2.imread(r'../Figure/obama.jpg', 1)
'''
imread(img_path,flag) 读取图
转载
2023-08-17 16:48:56
102阅读
一 . K-近邻算法(KNN)概述K最近邻(k-Nearest Neighbor，KNN)最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。KN
转载
2023-08-16 17:44:35
61阅读
# 高斯混合模型（GMM）与OpenCV的结合使用
在数据科学和机器学习的领域中，模型的选择至关重要。高斯混合模型（GMM）作为一种流行的无监督学习方法，可以很好地处理聚类问题。结合 OpenCV 和 Python，我们可以有效地实现这一模型，从而完成图像处理、模式识别等任务。本文将带你了解 GMM 的基本概念，并展示如何在 Python 中使用 OpenCV 来实现 GMM。
## 什么是高
原创
2024-09-23 07:00:49
42阅读
OpenCV中的图像处理 —— 图像阈值+图像平滑+形态转换 目录OpenCV中的图像处理 —— 图像阈值+图像平滑+形态转换1. 图像阈值1.1 简单阈值1.2 自适应阈值1.3 Otsu的二值化2. 图像平滑2.1 2D卷积（图像过滤）2.2 图像平滑（图像模糊）3. 形态转换3.1 侵蚀与膨胀3.2 开运算与闭运算3.3 顶帽与黑帽3.4 结构元素 1. 图像阈值关于图像阈值主要涉及到两个函
转载
2024-07-20 17:10:40
30阅读
使用OpenCV基于特定的色彩范围进行图像分割操作
一、遍历图像实现色彩掩码本节我们实现这样一个算法，我们指定某种颜色和一个阈值，根据输入图片生成一张掩码，标记符合的像素（和指定颜色的差异在阈值容忍内）。源代码如下，我们使用一个class完成这个目标，其指定了两种构建函数，并通过逐像素扫描的形式生成掩码（process成员函数）。另外，本class做了仿
转载
2024-06-12 05:39:04
176阅读
在本教程中，我们将了解计算机视觉中经常使用的色彩空间，并将其用于基于颜色的分割。我们还将用C ++和Python分享演示代码。 RGB色彩空间 RGB颜色空间具有以下属性 1. 它是一种加色空间，其中颜色通过红色，绿色和蓝色值的线性组合获得。 2. 三个通道通过照射到表面的光量相关联。 让我们将这两个图像分成R，G和B分量并观察它们以更深入地了解色彩空间。 图1：RGB颜色空间的不同通道：蓝（B
转载
2024-04-29 12:57:28
71阅读
前言还记得这个图吗？前阵子有篇文章《【综合练习】C++OpenCV实战---获取数量》里面中我们利用学到了一些OpenCV的基本知识进行了数量的提取。当时算是完成了，可以看看文章中的实现思路里面用到了距离变换，连通区域计算，还是归一化等一些API，比较烦所，其中里面一个最关键的问题是通过图像二值化后进行形态学操作，需要反复不停的测试找到一个合适的点才能把最左侧的两个枣区分开，上一章中我们学习了In
转载
2024-02-26 16:55:55
49阅读
