文章目录

前言
一、计算机视觉的由来
二、计算机如何看到图像
三、计算机处理图像的方式、方法
- 1、直接从 camera 读取
- 2、从文件读取
- 3、生成矩阵显示
四、图像处理
- 1、颜色空间转换
- - (1)、RGB to HSV
- 2、图像的平移
- 3、图像的模糊与锐化
- 4、加水印

前言

本文为9月14日计算机视觉基础学习笔记——基本图像处理，分为四个章节：

计算机视觉的由来；
计算机如何看到图像；
计算机处理图像的方式、方法；
图像处理。

一、计算机视觉的由来

视觉能力： 会看、会展示，但不会处理、更不会思考、会玩。
数码照相机： 会看、会玩、会更多的处理；
Auto-PS：
1. 找到人脸位置——人脸检测；
2. 定位五官——关键点检测；
3. 磨皮：blur；瘦脸、大眼：仿射变换；口红、白牙：色彩变换。

二、计算机如何看到图像

感光器件；
显像管与显示屏；

二值图像：

灰度图：

RGB：

图像采集过程：

三、计算机处理图像的方式、方法

实际上是对矩阵的处理。

1、直接从 camera 读取

cap = cv.VideoCapture(0)

2、从文件读取

img = cv.imread("lena.jpg")
img_RGB = cv.cvtColor(img, cv.COLOR_BGR2RGB)print(img.shape)
>>> (722, 726, 3)# Range of Interest
roi = img_RGB[100:200, 300:400]plt.imshow(img_RGB)
plt.imshow(roi)

3、生成矩阵显示

import cv2 as cv
import numpy as np
import matplotlib.pyplot as pltimg0 = np.array([[0, 0, 1], [0, 1, 0], [1, 0, 0]])print(img0)
print(img0.shape)
print("img0 size = {}, {}".format(img0.shape[0], img0.shape[1]))>>> [[0 0 1][0 1 0][1 0 0]]
>>> (3, 3)
>>> img0 size = 3, 3# 灰度图片
plt.imshow(img0, cmap="gray")# 彩色图片
plt.imshow(img0)

四、图像处理

1、颜色空间转换

(1)、RGB to HSV

H：色调；
S：饱和度；
V：亮度。

img_hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
plt.imshow(img_hsv)

# 肤色检测
# 二值化：非0即最大值。
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 128, 200, cv.THRESH_BINARY)
plt.imshow(thresh)

2、图像的平移

平移的原理：[10tx01ty][xy1]=[x+txy+ty]\begin{bmatrix} 1 & 0 & t_x\\ 0 & 1 & t_y \end{bmatrix} \begin{bmatrix} x \\ y \\ 1 \end{bmatrix} = \begin{bmatrix} x+t_x \\ y+t_y \end{bmatrix}[1001txty]⎣⎡xy1⎦⎤=[x+txy+ty]

3、图像的模糊与锐化

img_blur = cv.GaussianBlur(img_RGB, (11, 11), 1, 0) # 高斯模糊
plt.imshow(img_blur)

4、加水印

wm = cv.imread("UoB.png")
wm = cv.resize(wm, (300, 300))
wm = cv.cvtColor(wm, cv.COLOR_BGR2RGB)
wm = wm - 255
img1 = cv.resize(img_RGB, (300, 300))
print(wm.shape)
>>> (300, 300, 3)plt.imshow(cv.add(wm, img1))
plt.imshow(cv.addWeighted(wm, 0.9, img1, 0.5, 0))

9月14日计算机视觉基础学习笔记——基本图像处理相关推荐

9月16日计算机视觉基础学习笔记——认识机器视觉
文章目录前言一.Week 1 homework 1.基本操作 2.滤波二.从图像处理到计算机视觉 1.反色变换 2.Gamma 变换 3.直方图 & 直方图均衡化三.计算机视觉的两个步 ...
10月15日计算机视觉基础学习笔记——分割网络的设计
文章目录前言一.分割器的设计 1.优化:减小 feature map 2.上采样 up sampling 二.经典分割模型的涨点方法前言本文为10月15日计算机视觉基础学习笔记--分割网络的设 ...
【ERP】ERP发展阶段有哪些？对ERP发展各个阶段概念的理解（20年3月29日第二章学习笔记）
ERP发展历经五大阶段 1.ROP库存订货点法 2.MRP物料需求计划 3.闭环MRP 4.MRPII制造业资源计划 5.ERP企业资源计划 1.ROP库存订货点法 ROP,库存订货点法,很好理解,就 ...
9月1日目标检测学习笔记——文本检测
文章目录前言一.类型 1.Top-Down 2.Bottom-up 二.基于深度学习的文本检测模型 1.CTPN 2.RRPN 3.FTSN 4.DMPNet 5.EAST 6.SegLink 7 ...
9月5日关键点检测学习笔记——人体骨骼点检测：自顶向下
文章目录前言一.常用数据集二.评价体系 1.Bounding box IoU 2.Mask IoU 3.Object keypoint similarity(OKS) 三.Top-down 自顶 ...
9月6日关键点检测学习笔记——人脸和手部特征点检测
文章目录前言一.干扰因素 1.主动因素 2.固有因素二.特征点检测 1.PFLD 2.LLCV 三.人脸比对 1.人脸 1:1 2.人脸 1:n 3.人脸 1:N 4.人脸 M:N 四.高清分辨 ...
【ERP】ERP,MRP和MRPII的关系是怎样的？（20年3月29日第二章学习笔记）
1.ERP与MRP的关系 MRP与ERP的关系在本人ERP第一章的笔记中已有提及,可以点击超链接跳转观看. 2.ERP与MRPII的关系从ERP概念的提出公司Gartner Group Inc界定E ...
深度学习-计算机视觉-基础学习笔记-01
图像分类的思想:收集大量已知图像数据并带有正确的标签,将以往通过一个函数传入一张图片并返回图片的类型的这个思想转变成,通过俩个函数,第一个函数传入大量的图片并通过该函数训练返回一个模型,该模型通过训练 ...
1月12日，HTML学习笔记2
妈蛋,这两天看HTML看上瘾了,感觉这玩意有点简单,反馈期太短了,我的python都荒废了/(ㄒoㄒ)/~~. 不多说了,把记录贴上来,到时过几天再拿出来整理一下,写上注释,顺便当做复习去研究css ...

9月14日计算机视觉基础学习笔记——基本图像处理

文章目录

前言

一、计算机视觉的由来

二、计算机如何看到图像

三、计算机处理图像的方式、方法

1、直接从 camera 读取

2、从文件读取

3、生成矩阵显示

四、图像处理

1、颜色空间转换

(1)、RGB to HSV

2、图像的平移

3、图像的模糊与锐化

4、加水印

9月14日计算机视觉基础学习笔记——基本图像处理相关推荐

最新文章

热门文章