一、平均哈希算法（aHash）此算法是基于比较灰度图每个像素与平均值来实现的，最适用于缩略图，放大图搜索。步骤：1.缩放图片：为了保留结构去掉细节，去除大小、横纵比的差异，把图片统一缩放到8*8，共64个像素的图片。2.转化为灰度图：把缩放后的图片转化为256阶的灰度图。相关算法（R = red， G = green， B = blue）：1.浮点算法：Gray=R*0.3+G*0.59+B*0.
转载
2024-04-01 10:18:19
524阅读
1.基本介绍 opencv中的图像加法运算就是将两幅图像或一幅图像与一个标量（标量即单一的数值）进行相加。 对于两幅的图像相加，要求相加的图像的大小应该相同，在处理时应该将两幅图像相同位置的像素的灰度值（灰度图像）或彩色像素各通道值（彩色图像）分别相加。 对于一幅图像和一个标量相加的情况，则应该将图像所有像素的各通道值分别与标量进行相加。 目前主要有两种用途，一种是用于减少甚至消除图
转载
2024-05-08 19:34:50
56阅读
目录一、灰度原理1.1 图像的存储与像素1.1.1 像素与分辨率1.1.2 物理原理1.2 RGB图像1.3 灰度图像二、RGB转灰度公式一、灰度原理1.1 图像的存储与像素1.1.1 像素与分辨率像素是影像显示的基本单位，是一个具有明确位置和颜色值的方格。分辨率指的是一个显示系统对图像细节的分辨能力，通常以长边像素个数乘以宽边像素个数来表示。目前有多种分辨率，如VGA,HD,4K等。以VGA为例
转载
2024-03-25 17:14:50
204阅读
本章中我们学习一下通过backproject直方图，得到一副图像中每个像素属于该直方图的概率。在下边原始图中(左图)，我们框选了一块四边形的区域，计算该区域的灰度直方图，然后通过下面的函数calcBackProject，计算图像src中每个像素在直方图中的概率，最终的结果在result中，result中每个像素表示该像素在直方图中的概率
转载
2024-10-28 21:04:08
0阅读
Meanshift和Camshift目标将学习用于跟踪视频中对象的Meanshift和Camshift算法。MeanshiftMeanshift背后的直觉很简单，假设你有点的集合。（它可以是像素分布，例如直方图反投影）。你会得到一个小窗口（可能是一个圆形），并且必须将该窗口移到最大像素密度（或最大点数）的区域。如下图所示：初始窗口以蓝色圆圈显示，名称为“C1”。其原始中心以蓝色矩形标记，名称为“C
转载
2024-10-24 22:47:35
118阅读
V831 文章目录V831前言一、单目测距的原理二、参数计算1.相机焦距2.测距总结 前言经过一下午的努力，最终终于实现了完美的单目测距，网上教的都是opencv怎么测算距离，人家有函数唉，入手了V831，做了人脸识别，同时进行了测距，K210通用。废话不多说上图。 它那个镜头其实还要在靠近里面一点，距离应该是28.4到28.5之间。测得真的特别准。一、单目测距的原理 小孔成像。很简单，用的是小孔
转载
2024-02-27 14:57:52
166阅读
这篇文章中我们一起学习了如何在OpenCV中用createTrackbar函数创建和使用轨迹条，以及图像对比度、亮度值的动态调整。文章首先详细讲解了OpenCV2.0中的新版创建轨迹条的函数createTrackbar，并给上一个详细注释的示例。然后讲解图像的对比度、亮度值调整的细节，最后放出了一个利用createTrackbar函数创建轨迹条来辅助进行图像对比度、亮度值调整的程序源码。依然是先放
转载
2024-05-27 20:55:04
38阅读
1.Haar级联概念 类Harr特征是一种用于实现实时人脸跟踪的特征。 即使窗口大小不一样，仅在尺度不同的两幅图像也应该具有相似的特征，这些特征集合成为级联。 Harr级联具有尺度不变性。opencv的Haar级联不具有旋转不变性，即Haar级联不认为导致的人脸图像和直立的人脸图像一样，侧面的人脸图像和正面的人脸图像也不一样。2.获取Haar级联数据 OpenCV提供了尺度不变Haar级联的分类器
转载
2024-03-28 16:51:14
128阅读
OpenCV–图像平滑（均值滤波、方框滤波、高斯滤波、中值滤波）首先看以下图，图像平滑（模糊）只是滤波中的一种操作，并不是整个滤波部分。
一、均值滤波函数：dst = cv.blur( src, ksize[, dst[, anchor[, borderType]]] )
src:输入图像；
ksize: 卷积核大小；
anchor: 锚点位置设置，默认为卷积核的中心位置；
borderT
转载
2024-04-24 13:28:29
256阅读
1. 为何要获取图片的亮度？有哪些应用场合？在工厂或者其他工业生产过程中，需要提取目前场景的亮度。比如，检测手机的闪光灯功能是否正常。2. 算法实现2.1 图象转成HSV格式HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。 这个模型中颜色的参数分别是：色调（H），饱和
转载
2024-03-16 10:53:58
111阅读
图像的均值表示图像整体的亮暗程度，图像的均值越大图像整体越亮。标准方差表示图像中明暗变化的对比程度，标准差越大表示图像中明暗变化越明显。计算图像均值计算图像每个通道的均值Scalar mean(InputArray src, InputArray mask = noArray()); 该函数用来求取图像矩阵的每个通道的平均值，函数的第一个参数用来
转载
2023-10-17 08:40:27
289阅读
1.问题背景：给一张图片和模板图片（如下图），需要用传统机器视觉的方法来提取他们不一样的特征（也就是划痕部分），并把划痕转为二值化1.1 才开始使用基于灰度的方法： 因为划痕和旁边背景颜色比较接近，绘制出的灰度直方图变化不大，调了很久阈值也不能分出划痕部分，效果如下：1.2 后来直接使用图像相减，RGB和Gray分别图像相减结果得到如下：解决方案：应该是没有配准而相减有边框的，最终决定配准后，图像
转载
2023-10-08 20:07:24
206阅读
# 使用OpenCV Python计算图像畸变
在计算机视觉领域，图像畸变是一种常见现象。它通常是由相机镜头的光学特性引起的，能够显著影响图像的质量和真实度。因此，了解如何检测和校正图像畸变是图像处理中的一项重要技能。本文将介绍如何使用OpenCV库在Python中计算和校正图像畸变，同时提供相关代码示例来帮助大家更好地理解这一过程。
## 什么是图像畸变？
图像畸变是由于相机镜头的几何形状
# 使用Python OpenCV计算图像模糊
在计算机视觉和图像处理领域，图像模糊是一个常见的问题。模糊的图像可能是由于多种原因造成的，例如运动模糊、焦距不清或光照不足。在许多应用中，计算图像的模糊程度是一个重要的步骤，例如在图像增强、图像质量评估和目标检测等任务中。
本文将介绍如何使用Python中的OpenCV库来计算图像的模糊程度，并给出相应的代码示例。
## 什么是图像模糊？
图
原创
2024-09-19 06:22:48
156阅读
使用 OpenCV 从文件读取彩色的 png 图像，旋转一定角度以后写回文件● 代码，核函数 1 // rotate.cl
2 //__constant sampler_t sampler = CLK_NORMALIZED_COORDS_FALSE | CLK_FILTER_NEAREST | CLK_ADDRESS_CLAM
转载
2024-08-29 16:03:02
148阅读
OpenCV 计算图像的直方图计算图像的直方图是图像处理领域一个非经常见的基本操作。 OpenCV 中提供了 calcHist 函数来计算图像直方图。只是这个函数说实话挺难用的，研究了好久才掌握了些主要的使用方法。calcHist 函数 C++ 的函数原型例如以下：void calcHist(const Mat* images,
int nimages,
const int*
转载
2024-06-11 15:32:46
39阅读
在OCR实际开发中,证件照采集角度有很大的偏差,需要将图片进行旋转校正,效果图:在应用中发现应该加入高斯模糊,可以极大减少误差线条. 知道线条后 通过求斜率 得旋转角度 .(x1-x2)/(y1-y2) 结果 结果还行吧 ! 当然还有直方图也可以判断,有待研究!霍夫变换Hough变换是经典的检测直线的算法。其最初用来检测图像中的直线，同时也可以将其扩展，以用来检测图像
转载
2023-08-03 14:08:47
422阅读
在我们的日常生活中，所碰到的图像往往都有一定的倾斜。那么，如何用OpenCV来获取图像的旋转角度呢？
我们以下面的图片为例，简单介绍如何用OpenCV来获取图像的旋转角度。 4.png 可以看到，该图像存在着许多噪声，且是彩色图片，因此，需要对图像做预处理。预处理 图像的预处理包括去除边缘，去除噪声(两条灰色线)，滤波，二值化等，具体处理的Python代码如下：# -*- c
转载
2023-07-16 21:28:34
477阅读
6、阈值分割 阈值分割主要是根据灰度值信息提取前景，所以对前景物体有较强对比度的图像的分割特别有用。在OpenCV中通过调用cv2.threshold()实现阈值分割。 全阈值分割：将灰度值大于thresh的像素设为白色，小于或等于thresh的像素设为黑色；反之也行，只不过表现形式不同。 &nb
转载
2023-11-09 08:28:49
80阅读
为什么要使用滤波消除图像中的噪声成分叫作图像的平滑化或滤波操作。信号或图像的能量大部分集中在幅度谱的低频和中频段是很常见的，而在较高频段，感兴趣的信息经常被噪声淹没。因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。如下图，左图带有椒盐噪声，右图为使用中值滤波处理后的图片。图像滤波的目的有两个:一是抽出对象的特征作为图像识别的特征模式;另一个是为适应图像处理的要求，消除图像数字化时所混入的噪
转载
2024-06-07 11:29:59
14阅读
