计算机视觉

增强现实的概念可以定义为将虚拟信息与真实世界巧妙融合的技术，在本节中，我们将学习如何创建有趣的基于 Snapchat 的增强现实，在检测到的人脸上的鼻子和嘴巴之间添加胡子挂件。

基于无标记的增强现实，可以从图像中推导出相机姿态估计，以找到环境中已知点与其相机投影之间的对应关系。在本节中，我们将看到如何从图像中提取特征以获得相机姿态。

人脸处理是人工智能中的一个热门话题，人脸处理可以使用计算机视觉算法从人脸中自动提取大量信息。在本文中，将利用dlib库讲解如何进行人脸检测，为进一步进行相关处理奠定基础。

本文将介绍如何使用基于图像矩的方法或使用 OpenCV 函数 cv2.contourArea() 来计算检测到的轮廓的大小，以及如何识别轮廓形状。

轮廓通常描述了对象边界的关键信息，包含了有关对象形状的主要信息，该信息可用于形状分析与对象检测和识别。在本文中，我们将学习如何绘制获取到的轮廓。

Hu 不变矩可以保持平移、缩放和旋转不变，同时，所有的矩(第 7 个矩除外)对于反射都是不变的。第 7 个矩因反射而改变，从而使其能够区分镜像图片。

在数学中，矩表示函数形状的特定定量测量。而在计算机数据领域，图像矩可以视为图像像素强度的加权平均值，其编码了图像的一些特性。因此，图像矩可用于描述检测到的轮廓的一些性质。

轮廓通常描述了对象边界的关键信息，包含了有关对象形状的主要信息，该信息可用于形状分析与对象检测和识别。在本文中，将首先通过简单示例了解轮廓的基本概念，然后通过实际示例来了解如何检测轮廓。

Otsu 算法通过最大化两类像素之间的方差来自动计算将两个峰值分开的最佳阈值。其等效于最佳阈值最小化类内方差。Otsu 阈值算法是一种统计方法，因为它依赖于从直方图获得的统计信息。

阈值在对图像进行阈值处理时起着至关重要的作用。但如果图像受到不同光照条件的影响，找到全局最优阈值几乎是不可能的。这就是我们需要自适应阈值算法来对图像进行阈值处理的原因。

图像阈值是一种简单、有效的图像分割方法，其中像素根据其强度值进行分区。在本文中，将介绍 OpenCV 所提供的主要阈值技术，可以将这些技术用作计算机视觉应用程序中图像分割的关键部分。

由于直方图反映了图像中像素值的强度分布，因此该函数也可以用于比较图像。本节，我们将介绍 OpenCV 提供的 cv2.compareHist() 函数，该函数可用于计算两个直方图的匹配程度。

CLAHE 是自适应直方图均衡化(AHE)的一种变体，区别在于其对比度的增大是受限的。图像相对均匀区域中的噪声被 AHE 过度放大，而 CLAHE 通过限制对比度增大来解决这个问题。

在本文中，将介绍如何使用 OpenCV 函数 cv2.equalizeHist() 执行直方图均衡，并将其应用于灰度和彩色图像，cv2.equalizeHist() 函数将亮度归一化并提高图像对比度。

OpenCV 中使用 cv2.calcHist() 函数来计算一个或多个数组的直方图。因此，该函数可以应用于单通道图像和多通道图像，本文详细介绍如何使用该函数绘制彩色图像的直方图。

OpenCV 中使用 cv2.calcHist() 函数来计算一个或多个数组的直方图。因此，该函数可以应用于单通道图像和多通道图像，本文详细介绍如何使用该函数绘制灰度图像的直方图。

直方图是一种强大的技术，可以用于更好地理解图像内容。例如，许多相机在拍照时会实时显示正在捕获的场景的直方图，以调整相机拍摄的一些参数(例如曝光时间、亮度等)。在本文中，我们将学习直方图的相关概念。

色彩映射是将图像在一个色彩空间映射至另一色彩空间的操作，通常可以将灰度图像着色为等效的伪色彩图像。本文将介绍使用OpenCV内置和自定义色彩映射对灰度图进行着色.

色彩是人的眼睛对于不同频率的光线的不同感受，为了更好的表示色彩，人们建立了多种色彩模型以一维、二维、三维等坐标系来描述不同色彩，这种坐标系所能定义的色彩范围即色彩空间。

如果要构建计算机视觉项目，就需要对图像处理有足够的了解。图像运算也是图像处理技术的一种，形态变换通常是在二值图像上执行、基于图像形状的图像运算，本文将介绍基本算子膨胀和腐蚀以及它们的变体。