pthon图片信息-3cv2-高阶处理

pthon图片信息-3cv2-高阶处理

  • 一:图像平滑处理
    • 1> 滤波器介绍
    • 2> 图像噪声
      • 1. 随机噪声
      • 2. 椒盐噪声
      • 3. 高斯噪声
    • 3> 图像平滑
      • 1. 均值模糊(归一化滤波)cv2.blur()
      • 2. 方框滤波 v2.boxFilter()
      • 3. 高斯滤波cv2.GaussianBlur()
      • 4. 中值滤波 cv2.medianBlur()
      • 5. 双边滤波 cv2.bilateralFilter()
      • 6. 2D卷积cv2.filter2D()
  • 二: 图像梯度
    • 1> sobel算子
    • 2> Scharr算子
      • 1. 概念
    • 3> laplacian算子
      • 1. 概念
      • 2. demo laplacian
    • 4> 各算子差异
  • 三: 角点检测
    • 1> Harris角点检测
      • 1. Harris角点检测
      • 1. Harris demo
    • 2> Shi-Tomas算法
      • 1. Shi-Tomas算法
      • 2. Shi-Tomas demo
    • 3> sift算法
      • 1. sift算法
      • 2. 实现SIFT检测关键点的步骤
      • 3. sift demo
    • 4> fast算法
      • 1. fast算法
      • 2. 基本流程
      • 3. 机器学习的角点检测
      • 4. 非极大值抑制
      • 5. Fast算法的实现
      • 6. demo fast
    • 5> ORM算法
      • 1. ORB算法
      • 2. demo
  • 四:概念解释
    • 1> 深度学习卷积-转载
    • 2> plt 正确显示中文
    • 3> 角点\角点检测\特征点\阈值
      • 1. 角点
      • 2. 检测角点
        • A: 检测角点的意义
        • B: 传统的角点检测方法
        • C: 角点检测评价指标
      • 3. 特征点
      • 4. 特征点与角点区分
      • 5. 阈值
  • 五:光流\机器学习

一:图像平滑处理

均值模糊、中值模糊,高斯模糊,双边模糊、方框滤波、2D卷积(自定义滤波)

1> 滤波器介绍

高通滤波器&低通滤波器
高通滤波器:根据像素与周围的像素的亮度差值来提升改像素的亮度。主要作用是锐化。
低通滤波器:在像素与周围像素的亮度差值小于一个特定值时,平滑改像素的亮度。主要作用是去噪和模糊化。
而均值模糊、中值模糊、高斯模糊都属于低通滤波器

2> 图像噪声

**噪声:**某些像素点的像素值与周围像素点的值存在大小上的明显差异,反映在图像上时,该点会与周围有明显的色彩差异。这种与整体格格不入的像素点被称为噪声
pthon图片信息-3cv2-高阶处理_第1张图片

1. 随机噪声

import cv2
from matplotlib import pyplot as plt
import numpy as np
# 随机添加噪音
def random_noise(image,no

你可能感兴趣的:(python,opencv)