python标识符最大可能长度_Opencv-Python学习笔记（二）

2. 使用OpenCV3处理图像

2.1 不同色彩空间的转换

OpenCV中有数百种关于在不同色彩空间之间转换的方法。

三种常用色彩空间：灰度、BGR、HSV(Hue色调，Saturation饱和度，Value亮度)

注：计算机遵从加色模型，而绘画遵从减色模型。

2.2 傅里叶变换

傅里叶变换作用：可以用来区分图像里哪些区域的信号变化特别强，哪些不那么强，

从而可以任意标记噪声区域、感兴趣区域、前景和背景。

幅度谱(magnitude spectrum)：图像的幅度谱是另一种图像，幅度谱图像呈现了

原始图像在变化方面的一种表示：把一幅图像中最亮的像素放中间，然后逐渐变暗，

在边缘上的像素最暗。这样可以发现图像中有多少亮的像素和暗的像素，以及他们

分布的百分比。

2.2.1 高通滤波器(HPF)

知识准备：核是指一组权重的组合，它会应用的在源图像的一个区域，并由此产生目标图像的一个像素。

比如：大小为7的核意味着每49(7*7)个源图像的像素会产生目标图像的一个像素。

import cv2

import numpy as np

from scipy import ndimage

kernel_3x3 = np.array([[-1, -1, -1],

[-1, 8, -1],

[-1, -1, -1]])

kernel_5x5 = np.array([[-1, -1, -1, -1, -1],

[-1, 1, 2, 1, -1],

[-1, 2, 4, 2, -1],

[-1, 1, 2, 1, -1],

[-1, -1, -1, -1, -1]])

img = cv2.imread("../images/statue_small.jpg", 0)

# 卷积运算

k3 = ndimage.convolve(img, kernel_3x3)

k5 = ndimage.convolve(img, kernel_5x5)

# 高斯模糊(一种低通滤波器)

blurred = cv2.GaussianBlur(img, (17,17), 0)

g_hpf = img - blurred

cv2.imshow("3x3", k3)

cv2.imshow("5x5", k5)

cv2.imshow("g_hpf", g_hpf)

cv2.waitKey()

cv2.destroyAllWindows()

2.2.2 低通滤波器

高通滤波器是根据像素与邻近像素的亮度差值来提升该像素的亮度。

低通滤波器则是在像素与周围像素的亮度差值小于一个特定值时，平均该亮度的像素。

它主要用于去噪和模糊化，比如说，高斯模糊是最常用的模糊滤波器(平滑滤波器)之一，

它是一个削弱高频信号强度的低通滤波器。

2.3 创建模块

2.4 边缘检测

OpenCV提供了许多边缘检测滤波函数，包括Laplacian()、Sobel()以及Scharr()。这些

滤波函数都会将非边缘区域转换成黑色，将边缘区域转换成白色或者其它饱和的颜色。

但是，这些函数都很容易将噪声错误地识别为边缘。

缓解这个问题地办法是在找到边缘之前对图像进行模糊处理。

OpenCV提供了许多模糊滤波函数，包括blur()(简单地算术平均)、medianBlur()以及

GaussianBlur()。边缘检测滤波函数和模糊滤波函数的参数有很多，但总会有个ksize参数，

它是一个奇数，表示滤波核的宽和高(以像素为单位)。

这里使用medianBlur()作为模糊函数，它对去除数字化的视频噪声非常有效，特别是去除

彩色图像的噪声；使用Laplacian()作为边缘检测函数，它会产生明显的边缘线条，灰度图像

更是如此。在使用medianBlur()函数之后，将要使用Laplacian()函数之前，需要将图像从BGR

色彩空间转换为灰度色彩空间。

在得到Laplacian()函数的结果之后，需要将其转换成黑色边缘和背景的图像。然后将其

归一化(使它的像素值在0到1)，并乘以源图像以便能使边缘变黑。

def strokeEdges(src, dst, blurKsize = 7, edgeKsize = 5):

if blurKsize >=3:

blurredSrc = cv2.medianBlur(src, blurKsize)

graySrc = cv2.cvtColor(blurredSrc, cv2.COLOR_BGR2GRAY)

else:

graySrc = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

cv2.Laplacian(graySrc, cv2.CV_8U, graySrc, ksize = edgeKsize)

normalizedInverseAlpha = (1.0/255)*(255-graySrc)

channels = cv2.split(src)

for channel in channels:

channel[:] = channel*normalizedInverseAlpha

cv2.merge(channels, dst)

注：对于较大的ksize(包括7)，使用medianBlur()的代价很高。

2.5 用定制内核做卷积

python学习笔记(二)、字符串操作

该一系列python学习笔记都是根据内容所记录整理的 1.字符串基本操作 所有标准序列操作(索引.切片.乘法.成员资格检查.长度.最小值和最大值)都适用于 ...

播放一个视频并用滚动条控制进度-OpenCV应用学习笔记二

今天我们来做个有趣的程序实现:利用OpenCV读取本地文件夹的视频文件,并且在窗口中创建拖动控制条来显示并且控制视频文件的读取进度. 此程序调试花费了笔者近一天时间,其实大体程序都已经很快写出,结果执 ...

Python 学习笔记二

笔记二 :print 以及基本文件操作 笔记一已取消置顶链接地址 http://www.cnblogs.com/dzzy/p/5140899.html 暑假只是快速过了一遍python ,现在起开始仔 ...

(10.1)Python学习笔记二

1.在项目工程中要模块化测试一个开发的功能,在测试通过后交付给项目组其他人员继续开发.要保证代码开发的性能和效率以及可扩展性. 2.项目工程中的文件夹分类要功能模块明确清晰,在python中引入某一个 ...

OpenCV for Python 学习笔记 二

今天主要看了OpenCV中的事件以及回调函数,这么说可能不准确,主要是下面这两个函数(OpenCV中还有很多这些函数,可以在 http://docs.opencv.org/trunk/modules/ ...

Python学习笔记二

---恢复内容开始--- 一. python几种数据类型的比较. 从以下几个方面比较: 1. 是否可变. 不可变类型:变量的值可以发生变化,id也变了,相当于创建了一个新的对象,所以一修改值,id就变 ...

Python学习笔记(二)

标识符和关键字 1,邮箱的Python标识符是任意长度的非空字符序列(引导字符+后续字符.) python标识符必须符合两条规则--标识符区分大小写 (1)只要是unicode编码字母都可以充当引导字 ...

python学习笔记(二):python数据类型

上一篇博客写了python的入门和简单流程控制,这次写python的数据类型和各种数据类型的内置方法.一.数据类型是什么鬼?计算机顾名思义就是可以做数学计算的机器,因此,计算机程序理所当然地可以处理各 ...

python学习笔记二：流程控制

一.if else: #!/usr/bin/python x = int(raw_input('please input:')) if x >= 90: if x >= 95: print ...

python 学习笔记二 (列表推导式)

2018年年初写了第一篇博客,说要做一个认真的技术人 https://www.cnblogs.com/yingchen/p/8455507.html 今天已经是11月19日了,这是第二篇博客,看来坚持 ...

随机推荐

MVVM架构~knockoutjs与MVC配合，实现列表的增删改功能

返回目录 MVC与MVVM的模型 在MVC实例项目中,为我们提供了简单的增删改查功能,而这种功能的实现与具体的Model很有关系,或者说它与后台数据库的关系过于紧密了,而对于开发人员来说当页面布局修改 ...

关于 iOS 10 中 ATS / HTTPS /2017 问题

本文于 2016 年 11 月 28 日按照 Apple 最新的文档和 Xcode 8 中的表现进行了部分更新. WWDC 15 提出的 ATS (App Transport Security) 是 ...

Mac搭建Java开发环境

参考博文: http://shupeng.org/2012/10/14/config-java-env-on-mac/ http://hdu104.com/23 注意事项: (Mac OS X - M ...

gevent的同步与异步

from gevent import spawn,joinall,monkey;monkey.patch_all() import time def task(pid): time.sleep(0.5 ...

[HNOI 2018]排列

Description 题库链接 给定 \(n\) 个整数 \(a_1, a_2, \dots, a_n, 0 \le ai \le n\) ,以及 \(n\) 个整数 \(w_1, w_2, \do ...

学习MACD指标

概念 MACD叫指数平滑异同移动平均线指标. 零轴 MACD柱线 DIFF线 DEA线 使用 一般出现如下情形,股价处于或即将进入上涨趋势中: MACD指标在零轴上方出现金叉,其后DIFF快线一直位于 ...

Deloyment Descriptor web.xml

Deployment Descriptor部署描述符: - 部署描述符是要部署到Web容器或EJB容器的Web应用程序或EJB应用程序的配置文件. - 部署描述符应包含EJB应用程序中所有企业bean ...

数组去重(JS)

数据类型: (栈类型) 原始值:boolen,num,string,null,undefined (堆类型) 引用值:object,array 首先重新定义一个type()函数,

在使用import引用模块时,如何正确使用{} 例如:有两个文件,home.js.user.js 一:不使用{}: 当需要在home.js中引入user.js的时候 //home.js 文件中impo ...