openCV 3计算机视觉 Python语言实现 笔记 第三章 使用OpenCV 3处理图像

第3章 使用OpenCV 3处理图像

3.1 不同彩色空间的转换

当前计算机视觉中有三种常用的色彩空间：灰度、BGR以及HSV

灰度：去除彩色信息，变成灰阶。灰度色彩对中间处理特别有效，如人脸检测。

BGR，即蓝-绿-红色彩空间，每一个像素点用一个三元数组(B,G,R)表示。

HSV，H(Hue)是色调，S（Saturation）是饱和度，V（Value）表示黑暗的程度。

 

3.2 傅里叶变换

一切波形都可以由一系列正弦曲线叠加得到。

 

3.2.1 高通滤波器（HPF）

检测图像某个区域，根据像素和周围像素的亮度差值来提升该像素亮度的滤波器。

核（Kernel），滤波器矩阵

核是一组权重的集合，它会与应用在原图像的每一个区域，由此生成目标区域的一个像素。

在计算中央像素和周围像素的亮度差值之和后，如果亮度变化变化很大。中央像素的亮度会增加。

这在边缘检测上尤其有效，它采用一种称为高频提升滤波器的高通滤波器。

 

3.2.2 低通滤波器（LPF）

像素和周围像素亮度差值小于一个特定值时，平滑该像素的亮度，用于去燥和模糊化。

3.3 创建模块

为了滤波器能够重用。

创建模块filter.py

utils.py

 

3.4边缘检测 ~3.6 修改应用

~~

书中代码不全。

 

 

3.7 Canny边缘检测

import cv2
import numpy as np
img = cv2.imread("statue_small.jpg",0)
cv2.imwrite("canny.jpg",cv2.Canny(img,200,300))
cv2.imshow("statue_small.jpg",cv2.imread("statue_small.jpg"))
cv2.imshow("canny",cv2.imread("canny.jpg"))
cv2.waitKey()
cv2.destroyAllWindows()

 

3.8 轮廓检测

import cv2

import numpy as np

img = np.zeros((200,200),dtype=np.uint8)

img[50:150, 50:150] = 255

ret , thresh = cv2.threshold(img,127,255,0)

img,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

color = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

img = cv2.drawContours(color,contours,-1,(0,255,0),2)

cv2.imshow("contours",color)

cv2.waitKey()

cv2.destroyAllWindows()

 

 

3.9 边界框、最小矩形区域和最小闭圆的轮廓

import cv2

import numpy as np



img = cv2.pyrDown(cv2.imread("hammer.jpg",cv2.IMREAD_UNCHANGED))



ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(),

                cv2.COLOR_BGR2GRAY),127,255,cv2.THRESH_BINARY)

image,contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

for c in contours:

    x,y,w,h = cv2.boundingRect(c)

    cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

    rect = cv2.minAreaRect(c)

    box = cv2.boxPoints(rect)

    box = np.int0(box)

    cv2.drawContours(img,[box],0,(0,0,255),3)

    (x,y),radius = cv2.minEnclosingCircle(c)

    center = (int(x),int(y))

    radius = int(radius)

    img = cv2.circle(img,center,radius,(0,255,0),2)

cv2.drawContours(img,contours,-1,(255,0,0),1)

cv2.imshow("contours",img)

cv2.waitKey()

cv2.destroyAllWindows()

3.10凸轮廓与Douglas-peucker算法 *并没有看懂，有种书缺页的感觉。

凸边形内部任意两点连续都在其内部。

cv2.approxPloyDP是一个OpenCV函数，它用来计算近似的多边形框。

有3个参数:

1,轮廓

2.ε
 ，最大差值（越小则越近似）近似多边形周长与实际周长之间的最大差值。

3.布尔标记，表示多边形是否闭合。

轮廓的周长arcLength(cnt,True)通常作为ε
 的参考值。

为了计算凸形状，需要用OpenCV的cv2.convexHull函数来获取处理过的轮廓信息，

hull = cv2.convexHull(cnt)

.

3.11 直线和圆检测

Hough变换是直线和和形状检测背后的理论基础。

下面是OpenCV中hough变换的函数。

3.11.1 直线检测

HoughLines和HoughLinesP

区别在于第一个函数是标准Hough变换，第二个函数使用概率Hough变换（P即概率）

3.11.2 圆检测

HoughCircles函数可用来检测圆，与HoughLines类似，

3.12 检测其他形状

approxPloyDP提供多边形的近似。

结合cv2.findCoutours函数和cv2.approxDP函数就可以检测多边形。