Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/xwwwb/opencv


https://github.com/xwwwb/opencv

Last synced: 13 days ago
JSON representation

Awesome Lists containing this project

README 

        
- [ ] B 站课程



- [ ] CSDN 课程



- [ ] C++重写



# 创建和显示窗口



- namedWindow() 给窗口打编号

- imshow()

- destroyAllWindows()

- resizeWindow 默认窗口大小和图片大小一样



# 读取和保存图像



- imread() 读取图像

- imwrite() 保存图像



# 读取和保存视频



- VideoCapture() 读取视频

- VideoWriter() 保存视频

- cap.read() 读取视频帧 返回两个值 一个是状态一个是帧

- cap.isOpened() 检查是否成功打开

- cap.get() 获取视频属性

- cap.set() 设置视频属性

- cap.release() 释放视频



# 鼠标控制



- setMouseCallback(winname,callback,us erdata)

- callback(event,x,y,flags,userdata)



# TrackBar



- createTrackbar(trackbarName,winname,value,count,callback) value 当前值 count 最大值 callback 回调函数

- callback(value)

- getTrackbarPos(trackbarName,winname)



不知道是什么问题 窗口会闪退



# 色彩空间



HSV(HSB)

Hue: 色相，色彩，红色，蓝色

Saturation: 饱和度，纯度，鲜艳程度

Value: 亮度，明度，明亮程度 Brightness



YUV 常用作视频中

YUV 4:2:0

YUV 4:2:2

YUV 4:4:4



# Numpy



- 创建数组 array()

- 创建全零 zeros() / ones

- 全值数组 full()

- 创建单元数组 identity() / eye()



- 索引 [y,x]

- [y,x,channel] 通道索引 可以认为 [y,x,z]



# Mat



# 图像融合



addWeighted(A,alpha,B,beta,gamma)

aplha A 的权重

beta B 的权重

gamma 静态权重



# 图像翻转



flip(img,flipCode)

flipCode == 0 上下

flipCode > 0 左右

flipCode < 0 上下加左右



# 图像旋转



rotate(img,rotateCode)



ROTATE_90_CLOCKWISE

ROTATE_180

ROTATE_90_COUNTERCLOCKWISE



# 仿射变换



仿射变换是 图像旋转，缩放，平移的总称

warpAffine(src,M,dsize,flags,mode,value)



src 输入图像

M 变换矩阵

dsize 输出图像大小

flags 插值方法

mode 边界填充模式

value 边界填充值



变换矩阵

getRotationMatrix2D(center,angle,scale)

center 旋转中心

angle 旋转角度 逆时针

scale 缩放比例



# 低通滤波



> 主要做图像模糊处理

> 降噪



均值

高斯

中值

双边



# 高通滤波



> 主要做图像锐化处理

> 增强边缘

> 增强对比度

> 增强细节

> 增强纹理



Sobel 索贝尔

Scharr 沙尔 3x3 索贝尔的size是-1 自动使用沙尔

Laplacian 拉普拉斯 不带降噪



# 滤波API



方盒滤波 boxFilter(src,ddepth,ksize,anchor,normalize,borderType)

src 输入图像

ddepth 输出图像深度

ksize 滤波器大小

anchor 锚点

normalize 是否归一化 若为True 就是均值滤波

borderType 边界填充模式、



均值滤波 blur(src,ksize,anchor,borderType)

src 输入图像

ksize 滤波器大小

anchor 锚点

borderType 边界填充模式



当方盒滤波当 normalize 为 True 时，就是均值滤波



# 高斯滤波



GaussianBlur(src,ksize,sigmaX,sigmaY,borderType)

src 输入图像

ksize 滤波器大小

sigmaX X 方向的标准差 钟形的延展长度 x

sigmaY Y 方向的标准差 钟形的延展长度 y

borderType 边界填充模式



# Sobel API



Sobel(src,ddepth,dx,dy,ksize,scale,borderType)

src 输入图像

ddepth 输出图像深度

dx X 方向导数

dy Y 方向导数

ksize 滤波器大小 默认3 设为-1的时候使用3x3的Scharr 滤波器



# 加法：



使用cv2.add()将两个图像相加，可以使用numpy中的矩阵加法来实现。但是在opencv中加法是饱和操作，也就是有上限值，numpy会对结果取模。



# 图像上的加法



大致有两种:

cv2.add():这是一个饱和操作

+:  这是Numpy中的运算，之一种模操作，res = img1 + img2

注意两幅图片的大小类型必须一致，或者第二个图象是一个标量

由于两者的差别，我们一般多用cv2.add(src1, src2)



# 拉普拉斯算子



> 可以同时求两个方向的边缘

> 对噪音敏感，一般需要先进行去燥在调用拉普拉斯



Laplacian(src,ddepth,ksize,scale,borderType)



# Canny 边缘检测



1. 使用5x5高斯滤波消除噪音

2. 计算图像梯度的方向 0 45 90 135

3. 取局部极大值

4. 阈值计算



Canney(img,minVal,maxVal)



# 形态学

一般用黑白图片处理

https://zhuanlan.zhihu.com/p/110330329



# 二值化

全局二值化

threshold(img,thresh,maxValue,type)

img 输入图像

thresh 阈值

maxValue 最大值 超过最大值换成maxValue 假设为200 阈值100 超过100的都换成200

type 阈值类型如图



![threshold.png](images_md/threshold.png)



![image-20220927211851941](images_md//image-20220927211851941.png)



# 自适应阈值



由于光照不均匀以及阴影的存在



只有一个阈值会使得在阴影处的白色被二值化成黑色



image-20220927213057755



adaptiveThreshold API 

adaptiveThreshold(img,maxValue,adaptiveMethod,thresholdType,blockSize,C)



# 腐蚀



erode(img,kernel,iterations = 1)



iterations 是腐蚀次数



# 开运算



先腐蚀 在膨胀

可以去毛刺



# 闭运算



先膨胀 再腐蚀

去除内部的毛刺



# 形态学梯度



原图-腐蚀



# 高帽运算 顶帽运算



原图-开运算 可以留下毛刺或者噪点



# 黑帽运算



原图-闭运算 可以留下内部的毛刺和噪点



# 图像轮廓



具有相同颜色或者强度的连续点的曲线



1. 可以用于图形分析

2. 物体的识别与检测



为了检测的准确性，需要先对图像进行二值化或者Canny操作



findContours(img,mode,ApproximationMode)



返回值有两个 contours 轮廓列表 hierarchy 层级



## mode



https://www.cnblogs.com/wojianxin/p/12602490.html



RETR_EXTERNAL=0 表示只检测外轮廓 计算量较少



image-20221003210336703



RETR_LIST=1 轮廓不建立等级关系



image-20221003210442247



RETR_CCOMP=2 每层最多两级

image-20221003211048751



RETR_TREE=3 按树形存储轮廓



image-20221003210658095 



ApproximationMode



CHAIN_APPROX_NONE 保存所有轮廓上的点



CHAIN_APPROX_SIMPLE 只保存角点



# 多边形逼近 凸包



image-20221008160202977



approxPolyDP(curve,epslion,closed)

curve 输入的轮廓

epslion 轮廓的精度

closed 是否闭合



convexHull(points,clockwise)

points 输入的点

clockwise 是否顺时针



# 外接矩阵



image-20221009082942137



## 最小外接矩阵



minAreaRect(points)   最小Rect



points 轮廓



可以得到任意多边形的最小外接矩阵 得到的类型是 rotatedRect



最小外接矩阵的中心 宽高 旋转角度



无法直接绘制



通过BoxPoints得到四个顶点的坐标 看下图



![img](images_md/Center.png)



然后转为int型



drawContours好像是要传入一个三维 顶点集



但是以上的得到的是二维 再加一个括号变三维传入drawContours



然后使用drawContours可以画出来



![image-20221009165223830](images_md//image-20221009165223830.png)



boundingRect(array)    边界Rect



Array 轮廓



返回值 Rect



四个 x y w h



分别是左上角坐标和宽高



![image-20221009172249132](images_md//image-20221009172249132.png)