1.直方图均衡化:常有一些图像由于过度曝光或者曝光不足,使图像的灰度值处于灰度值较高的区域或者灰度值较低的区域。通过变换函数改变直方图的灰度值,主要用于增强 动态范围较小图像的对比度。直方图经过均衡化处理后,各个灰度级具有相同的频率,因此图像看起来更加清晰了。

2.图像梯度处理的算子:

一阶:

sobel算子(x轴)

其主要用于边缘检测,在技术上它是以离散型的差分算子,用来运算图像亮度函数的梯度的近似值,sobel算子是基于一阶导数的边缘检测算子,由于该算子中引入了类似局部平均的运算,因此对噪声有平滑作用。

Schar算子(y轴)

canny算子:

step1:运用高斯滤波进行平滑操作;

step2:求一阶偏导的有限差分来计算梯度和方向;

step3:对梯度幅值进行非极大值抑制;

step4:运用双阈值法检测和连接边缘。

优点:

二阶:

Laplacian算子

一阶微分算子获得的边界时粗略的边界,反应边界的信息较少,但是所反映的边界比较清晰,二级微分算子获得的边界时比较细致的边界,反应了边界信息包括了许多细节信息,但是所反映的边界不是特别清楚。

3.灰度直方图:

灰度直方图反应的是数字图像中各灰度级与其出现的频数间的统计关系,它能描述该图像的概貌,例如图像的灰度范围,每个灰度级出现的频率,灰度级的分布,整幅图像的平均明暗和对比度等。

4.均值滤波器和高斯噪声:

均值滤波器的滤波原理是:在图像上,对待处理的像素给定一个模板,改模板包括了其周围的邻近像素。将模板中的全体像素的均值来代替原来的像素的方法。

高斯噪声的幅值近似正态分布,但分布在每个像素点。因为正太分布的均值近似0,所以均值滤波器可以消除高斯噪声。

5.图像形态学

腐蚀:首先确定一个卷积核,一般为圆形或者正方形,然后以卷积核的圆心为扫描点,从图片的左上角点,遍历到图片的右下角,如果卷积核的全部位于图像内,则为1,否在为0。

cv2.erode(img,kenel)

膨胀:腐蚀的逆操作,卷积核中只要有1,就为1。

cv2.dilate(img,kenel)

开运算:图像先经过腐蚀后(去除噪声,原图变瘦),再膨胀(变胖)。

cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

闭运算:先经过膨胀,再腐蚀。(用于消除图像中的小孔)

cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

梯度运算:膨胀后的图像-腐蚀后的图像。(得到轮廓图像)

cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

礼貌运算:原始图像-经过开运算后的图像(用于得到噪声图像)

cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)

黒帽运算:闭运算-原始图像 (用于得到图像中的小孔的图像)

cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

机器视觉--入门小结相关推荐

  1. Learning to Rank入门小结 + 漫谈

    Learning to Rank入门小结 Table of Contents 1 前言 2 LTR流程 3 训练数据的获取4 特征抽取 3.1 人工标注 3.2 搜索日志 3.3 公共数据集 5 模型 ...

  2. 来自Java程序员的Python新手入门小结

    欢迎访问我的GitHub 这里分类和汇总了欣宸的全部原创(含配套源码):https://github.com/zq2599/blog_demos 本篇概览 欣宸是个Java程序员,最近正在学习Pyth ...

  3. OpenCV 机器视觉入门精选 100 题(附 Python 代码)

    点击上方"AI有道",选择"星标"公众号 重磅干货,第一时间送达 如今深度学习的快速发展给计算机视觉注入了前所未有的新活力!其中在计算机图形学和计算机视觉里面最 ...

  4. 机器视觉入门——VisionPro软件简介

    @机器视觉 VisionPro 软件简介 VisionPro是美国Cognex公司推出的一款图像处理算法.拖拽式操作,易于上手,方便进行简单项目快速应用.除此之外,提供.net脚本编程接口,十分灵活, ...

  5. 机器视觉入门资料大全,工业机器人“眼睛”

    我们先从机器视觉的定义开始,根据制造工程师协会的定义:机器视觉就是使用光学非接触式感应设备自动接收并解释真实场景的图像以获得信息控制机器或流程. 那么,这到底是什么意思呢?简单来说,机器视觉就是为了流 ...

  6. 机器视觉入门之路(六一,大用图像二值化,从静态到动态)

    机器视觉里,大多处理的是灰度图像,用了很久的黑白二值化,就是好用,却不知所以然,首先悟到的,是二分法,之后再无他想. 再次悟到,便是几年之后,或许是机缘巧合,对于块匹配,耿耿于怀(惦记)很久了,正是他 ...

  7. linux操作系统下C语言编程入门小结

    Makefile $@--目标文件,$^--所有的依赖文件,$<--第一个依赖文件. # 这是简化后的 Makefile main:main.o mytool1.o mytool2.o gcc ...

  8. matlab 工业相机 曝光时间_机器视觉入门——光源相机镜头

    对于做视觉的人来说,了解相关的硬件选择是必不可少的.视觉的硬件选型主要有光源.相机和镜头,其他的一些辅助硬件就没有必要耗时间专门去学习了.下面主要谈谈光源.相机和镜头的选择 对于光源的选择,主要考虑以 ...

  9. 【机器视觉】机器视觉入门必读

    00. 目录 文章目录 00. 目录 01. 数学基础知识 02. 图像格式的基础 03. 图像像素运算 04. 图像几何运算 05. 图像直方图 06. 色彩空间 07. 图像滤波 08. 图像形态 ...

最新文章

  1. php代码冗余度检查插件,冗余代码检测与处理使用什么工具
  2. Android细节问题总结(二)
  3. 手机zip模拟器_【教程】萌新手机krkr2模拟器运行教程
  4. php定时红包,PHP随机红包和等额红包的简单实现
  5. 鸿蒙系统安兔兔排行榜,安兔兔评测鸿蒙版下载-安兔兔评测 鸿蒙版v9.0.7-PC6鸿蒙网...
  6. 微软技术大会预览:DevOps顾问是怎样开发自己的产品的
  7. 软件测试技术lab1 2017.3.13
  8. 大数据_MapperReduce_Hbase_批处理batchMutate源码分析_数据的写入流程源码分析---Hbase工作笔记0032
  9. Redis cluster Hget hash field value异常分析案例--一个空格带来的惨案
  10. VMware 8超级详细的安装说明
  11. ***测试技巧总结更新篇2
  12. 兵法三十六计是哪些?
  13. python小游戏1:大鱼吃小鱼
  14. 如何调节MAC 命令行终端字体大小
  15. 优秀平面设计师是如何思考的?
  16. java合并流与文件的分割合并示例
  17. Kafka从零开始 (Kafka是什么?)
  18. java里Math求倒数_java倒数60s实现
  19. 概率统计matlab实验,概率与数理统计matlab实验报告1.doc
  20. python爬虫学习(六)kfc门店地址

热门文章

  1. python使用字典描述学生信息_Python字典(Dictionary)操作详解
  2. mro列表_MRO模块操作指导书
  3. vue实现多行数据提交_Vue+Mockjs,模拟接口数据,实现前后端独立开发
  4. caffe linux跑自己数据,caffe+linux平台——跑深度学习的流程
  5. Cron 触发器及相关内容 (第四部分)
  6. struts集成spring官方例子
  7. SpringCloud系列研究---Eureka服务消费Feign
  8. retrofit框架学习(一)----基本用法
  9. 去除listView和recyclerview滑动到顶部和底部边界的阴影
  10. 基于JAVA+SpringMVC+MYSQL的便利店运营管理系统