一文带你打通“image — 机器视觉”相关函数的任督二脉(针对python)

现如今人工智能火爆,附带着的机器视觉也是很有研究前景,机器视觉又与图像处理紧密联系在一起。现就图像处理与计算机视觉相关函数进行详细解读,帮你打通图像处理与计算机视觉的关系~~~~~
一文带你打通“image — 机器视觉”相关函数的任督二脉(针对python)_第1张图片

image.binary_to_grayscale(binary_image_value)

返回二进制值(0-1)对应的灰度值(0-255)。

image.binary_to_rgb(binary_image_value)

返回二进制值(0-1)对应的RGB888格式的元组(r, g, b)。

image.binary_to_lab(binary_image_value)

返回二进制值(0-1)对应的LAB格式的元组(l, a, b)。
L的范围为0到100, A和B的范围为-128到128。

image.binary_to_yuv(binary_image_value)

返回二进制值(0-1)对应的YUV格式的元组(y, u, v)。

Y的范围为0到255, U和V范围为-128到128。

image.grayscale_to_binary(grayscale_value)

返回灰度值(0-255)对应的二进制值(0-1)。

image.grayscale_to_rgb(grayscale_value)

返回灰度值(0-255)对应的RGB888格式的元组(r, g, b)。

注解

使用RGB565->RGB888进程进行转换,因此此方法不会像纯RGB888系统那样返回准确的值。 但是,图像库在内部这样工作是正确的。

image.grayscale_to_lab(grayscale_value)

返回灰度值(0-255)对应的LAB格式的元组(l, a, b)。

L的范围为0到100, A和B的范围为-128到128。

注解

使用RGB565->LAB进程进行转换,因此此方法不会像纯LAB系统那样返回确切的值。但是,图像库在内部这样工作是正确的。

image.grayscale_to_yuv(grayscale_value)

返回灰度值(0-255)对应的YUV格式的元组(y, u, v)。

Y的范围为0到255, U和V范围为-128到128。

注解

使用RGB565->YUV进程进行转换,因此此方法不会像纯YUV系统那样返回确切的值。 但是,图像库在内部这样工作是正确的。

image.rgb_to_binary(rgb_tuple)

返回RGB888格式的元组(r, g, b)对应的中心范围阈值二进制值(0-1)。

注解

使用RGB888->RGB565进程进行转换,因此此方法不会像纯RGB888系统那样返回准确的值。但是,图像库在内部这样工作是正确的。

image.rgb_to_grayscale(rgb_tuple)

返回RGB888格式的元组(r, g, b)对应的灰度值(0-255)。

注解

使用RGB888->RGB565进程进行转换,因此此方法不会像纯RGB888系统那样返回准确的值。但是,图像库在内部这样工作是正确的。

image.rgb_to_lab(rgb_tuple)

返回RGB888格式的元组(r, g, b)对应的LAB格式的元组(l, a, b)。

L的范围为0到100, A和B的范围为-128到128。

注解

使用RGB888->RGB565进程进行转换,因此此方法不会像纯RGB888系统那样返回准确的值。
但是,图像库在内部这样工作是正确的。

image.rgb_to_yuv(rgb_tuple)

返回RGB888格式的元组(r, g, b)对应的YUV格式的元组(y, u, v)。

Y的范围为0到255, U和V范围为-128到128。

注解

使用RGB888->RGB565进程进行转换,因此此方法不会像纯RGB888系统那样返回准确的值。 但是,图像库在内部这样工作是正确的。

image.lab_to_binary(lab_tuple)

返回LAB格式的元组(l, a, b)对应的中心范围阈值二进制值(0-1)。

注解

使用LAB->RGB565进程进行转换,因此此方法不会像纯LAB系统那样返回确切的值。 但是,图像库在内部这样工作是正确的。

image.lab_to_grayscale(lab_tuple)

返回LAB格式的元组(l, a, b)对应的灰度值(0-255)。

注解

使用LAB->RGB565进程进行转换,因此此方法不会像纯LAB系统那样返回确切的值。 但是,图像库在内部这样工作是正确的。

image.lab_to_rgb(lab_tuple)

返回LAB格式的元组 lab_tuple (l, a, b)对应的RGB888格式的元组(r, g, b)。

注解

使用LAB->RGB565进程进行转换,因此此方法不会像纯LAB系统那样返回确切的值。但是,图像库在内部这样工作是正确的。

image.lab_to_yuv(lab_tuple)

返回LAB格式的元组(l, a, b)对应的YUV格式的元组(y, u, v)。

Y的范围为0到255, U和V范围为-128到128。

注解

使用LAB->RGB565进程进行转换,因此此方法不会像纯LAB系统那样返回确切的值。但是,图像库在内部这样工作是正确的。

image.yuv_to_binary(yuv_tuple)

返回YUV格式的元组(y, u, v)对应的中心范围阈值二进制值(0-1)。

注解

使用YUV->RGB565进程进行转换,因此此方法不会像纯YUV系统那样返回确切的值。 但是,图像库在内部这样工作是正确的。

image.yuv_to_grayscale(yuv_tuple)

返回YUV格式的元组(y, u, v)对应的灰度值(0-255)。

注解

使用YUV->RGB565进程进行转换,因此此方法不会像纯YUV系统那样返回确切的值。但是,图像库在内部这样工作是正确的。

image.yuv_to_rgb(lab_tuple)

返回YUV格式的元组(y, u, v)对应的RGB888格式的元组(r, g, b)。

注解

使用YUV->RGB565进程进行转换,因此此方法不会像纯YUV系统那样返回确切的值。但是,图像库在内部这样工作是正确的。

image.yuv_to_lab(yuv_tuple)

返回YUV格式的元组(y, u, v)对应的LAB格式的元组(l, a, b)。

L的范围为0到100, A和B的范围为-128到128。

注解

使用YUV->RGB565进程进行转换,因此此方法不会像纯YUV系统那样返回确切的值。 但是,图像库在内部这样工作是正确的。

image.load_descriptor(path)

从磁盘上加载一个描述符对象(descriptor object).

path 是描述符文件保存的路径。

image.save_descriptor(path, descriptor)

保存描述符对象 descriptor 到磁盘。

path 是描述符文件保存的路径。

image.match_descriptor(descritor0, descriptor1[, threshold=70[, filter_outliers=False]])

对于LBP描述符来说,这个函数返回的是一个体现两个描述符之间区别的整数。这一距离测度尤为必要。这个距离是对相似度的一个度量。这个测度值越接近0,LBPF特征点匹配得就越好。

对于ORB描述符来说,这个函数返回的是kptmatch对象。见上。

threshold 是用来为ORB键点过滤不明确匹配服务的。
一个较低的 threshold 值将紧扣关键点匹配算法。 threshold 值位于0-100 (int)。默认值为70。

filter_outliers 是用来为ORB键点过滤异常值服务的。 特征点允许用户提高 threshold 值。默认设置为False。

一文带你打通“image — 机器视觉”相关函数的任督二脉(针对python)_第2张图片

你可能感兴趣的:(python,python,计算机视觉)