opencv-python人眼识别图像处理基础
2016-12-22 10:46
771 查看
理论基础:
灰度值:指黑白图像中点的颜色深度,范围一般从0到255,白色为255,黑色为0,故黑白图片也称灰度图像。
我们可以通过下面几种方法,将其转换为灰度:
1.浮点算法:Gray=R*0.3+G*0.59+B*0.11
2.整数方法:Gray=(R*30+G*59+B*11)/100
3.移位方法:Gray =(R*77+G*151+B*28)>>8;
4.平均值法:Gray=(R+G+B)/3;
5.仅取绿色:Gray=G;
二值化:图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
根据阈值选取的不同,二值化的算法分为固定阈值和自适应阈值。 比较常用的二值化方法则有:双峰法、P参数法、迭代法和OTSU法等。
OTSU 算法可以说是自适应计算单阈值(用来转换灰度图像为二值图像)的简单高效方法。
水平投影:
水平投影是指二维图像按行向y轴方向投影
垂直投影是指二维图象按列向x轴方向投影
灰度值:指黑白图像中点的颜色深度,范围一般从0到255,白色为255,黑色为0,故黑白图片也称灰度图像。
我们可以通过下面几种方法,将其转换为灰度:
1.浮点算法:Gray=R*0.3+G*0.59+B*0.11
2.整数方法:Gray=(R*30+G*59+B*11)/100
3.移位方法:Gray =(R*77+G*151+B*28)>>8;
4.平均值法:Gray=(R+G+B)/3;
5.仅取绿色:Gray=G;
二值化:图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
根据阈值选取的不同,二值化的算法分为固定阈值和自适应阈值。 比较常用的二值化方法则有:双峰法、P参数法、迭代法和OTSU法等。
OTSU 算法可以说是自适应计算单阈值(用来转换灰度图像为二值图像)的简单高效方法。
水平投影:
水平投影是指二维图像按行向y轴方向投影
垂直投影是指二维图象按列向x轴方向投影
相关文章推荐
- Python-OpenCV 处理图像(六):对象识别
- 【AI基础】python:openCV——图像处理(1)
- python-opencv图像处理基础练习2
- OpenCV作图像处理和识别方面的编程时常用的基础语句积累!
- python-opencv图像处理基础练习1
- 【AI基础】python:openCV——图像处理(2)
- Python-OpenCV 处理图像(六)(七)(八):对象识别 图像灰度化处理 图像二值化处理
- 基于OpenCV及Python的数独问题识别与求解(一)图像预处理
- 图像处理之基础---opencv 开发的环境搭建
- OpenCV图像处理和图像识别常用函数
- Python-OpenCV 处理图像(七):图像灰度化处理
- openCV—Python(10)—— 图像阈值化处理
- opencv学习篇(1) 图像处理和图像识别中常用的OpenCV函数
- Python图像处理(1):替换OpenCV
- OpenCV图像处理和图像识别常用函数
- 图像处理算法基础(五)---拉普拉斯变换自实现与opencv对比
- Python-OpenCV 处理图像(八):图像二值化处理
- 图像处理与计算机视觉:基础,经典以及最近发展(3)计算机视觉中的信号处理与模式识别
- OpenCV基础02(GUI+图像处理)
- 转:openCV基础图像处理