图像处理的一般流程(opencv)
2017-12-08 15:17
369 查看
前一段时间,有需求需要对答题卡进行解析。作为一个从来没有任何图像经验的人来说,就有点乱撞方向的感觉,基本上遇到什么问题, 就去找对应的方法解决。因此在此整理下自己的心得,以后有人看到就不会无从下手的感觉了。
图像处理的一般流程如下:
第一步:
如果是不需要对颜色进行特殊区分的, 就直接先转为灰度图。
有特殊需求的,可以转换到HSV色彩空间进行处理,参考opencv:http://opencv-python-
tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_colorspaces/py_colorspaces.html#converting-colorspaces
具体阈值可以参考:
https://www.cnblogs.com/wangyblzu/p/5710715.html
该连接中, s的部分可以根据实际情况调整, 实验表明, 提取红色时候, 有时候s可以取到6...
第二步:
提取感兴趣的区域,可以使用矩形框检测(cv2.findContours)、直线检测(LSD边缘检测法, Hough变换).找到对应区域后,进行(仿射变换、投影变换)变换,对图像进行矫正。
在这一步涉及的理论就比较多了,涉及到对图像的滤波去噪处理(一般推荐中值滤波cv2.blur)、 对比度(直方图均衡化)和亮度变换(gama变换),具体问题具体分析解决。关于这些方法和解释,后续在不断完善。
第三步:
对根据实际需求对目标区域处理: 坐标计算识别、或者二维码解析等等。
图像处理的一般流程如下:
第一步:
如果是不需要对颜色进行特殊区分的, 就直接先转为灰度图。
有特殊需求的,可以转换到HSV色彩空间进行处理,参考opencv:http://opencv-python-
tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_colorspaces/py_colorspaces.html#converting-colorspaces
具体阈值可以参考:
https://www.cnblogs.com/wangyblzu/p/5710715.html
该连接中, s的部分可以根据实际情况调整, 实验表明, 提取红色时候, 有时候s可以取到6...
第二步:
提取感兴趣的区域,可以使用矩形框检测(cv2.findContours)、直线检测(LSD边缘检测法, Hough变换).找到对应区域后,进行(仿射变换、投影变换)变换,对图像进行矫正。
在这一步涉及的理论就比较多了,涉及到对图像的滤波去噪处理(一般推荐中值滤波cv2.blur)、 对比度(直方图均衡化)和亮度变换(gama变换),具体问题具体分析解决。关于这些方法和解释,后续在不断完善。
第三步:
对根据实际需求对目标区域处理: 坐标计算识别、或者二维码解析等等。
相关文章推荐
- opencv 中图像处理的一般流程——面向对象
- 图像处理分类、一般流程与算法
- 图像处理的一般流程
- OPENCV下针对IplImage实现图像增强处理
- 图像处理库的比较:OpenCV,FreeImage,CImg,CxImage
- 图像处理中卷积的实现(TensorFlow和OpenCV)
- OpenCV图像处理篇之采样金字塔
- python-opencv图像处理基础练习1
- OpenCV基础02(GUI+图像处理)
- Opencv学习笔记-----图像阈值化处理
- 学习【OpenCV入门教程之十】 形态学图像处理(一):膨胀与腐蚀----思维导图笔记
- 图像处理1:python和opencv环境配置
- opencv图像处理——形态学腐蚀膨胀练习示例代码
- 机器学习(ML)、深度学习(DL)和图像处理(opencv)专用英语词典
- 利用大恒相机和OPENCV2处理图像的过程(一)
- Python-OpenCV 处理图像(一):基本操作
- opencv 对图像处理的一些函数
- OpenCV 利用MFC的Picture控件显示和处理图像
- 【第二部分 图像处理】第3章 Opencv图像处理进阶【3 直方图与匹配 B】
- OpenCV 教程(1) -- 基本图像处理