Opencv

图像金字塔 图像金字塔是由一幅图像的多个不同分辨率的子图所构成的图像集合 该组图像是由单个图像通过不断地降采样所产生的，最小的图像可能仅仅有一个像素点。 图像金字塔是一系列以金字塔形状排列的、自底向上

绘图及交互 Opencv提供了方便的绘图功能，使用其中的绘图函数可以绘制直线、矩形、圆、椭圆等多种几何图形，还能在图像中的指定位置添加文字说明。 OpenCV提供了鼠标事件，使用户可以通过鼠标与图像交

图像梯度 图像梯度计算的是图像变化的速度。 对于图像的边缘部分，其灰度值变化较大，梯度值也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。 图像梯度计算需要求导数，但是图像

Canny边缘检测 Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法。 OpenCV提供了函数cv2.Canny()实现Canny边缘检测。 Canny边缘检测基础 Canny边缘检测分为如

直方图处理 直方图从图像内部灰度级的角度对图像进行表述 从直方图的角度对图像进行处理，可以达到增强图像显示效果的目的。 直方图的含义 直方图是图像内灰度值的统计特性与图像灰度值之间的函数，直方图统计图

视频处理 视频是由一系列图像构成的，这一系列图像被称为帧，帧是以固定的时间间隔从视频中获取的。 获取（播放）帧的速度称为帧速率，其单位通常使用“帧/秒”表示，代表在1秒内所出现的帧数，对应的英文是FP

形态学操作 形态学，即数学形态学（Mathematical Morphology），是图像处理过程中一个非常重要的研究方向。 形态学主要从图像内提取分量信息，该分量信息通常对于表达和描绘图像的形状

图像平滑处理 在尽量保留图像原有信息的情况下，过滤掉图像内部的噪声，这一过程称为对图像的平滑处理，所得的图像称为平滑图像。

阈值处理 剔除图像内像素值高于一定值或者低于一定值的像素点。 cv2.threshold()和函数cv2.adaptiveThreshold()，用于实现阈值处理。

图像分割与提取 图像中将前景对象作为目标图像分割或者提取出来。 对背景本身并无兴趣 分水岭算法及GrabCut算法对图像进行分割及提取。 用分水岭算法实现图像分割与提取 分水岭算法将图像形象地比喻为地

K近邻 反映对象（事件）在某个方面的表现或者性质的事项，被称为属性或特征 具体的值，如反映身高的“188 cm”，就是特征值或属性值。 这组数据的集合称为数据集，其中每个数据称为一个样本。 从数据中学

OTSU（大津算法） 确定图像二值化分割阈值 不受图像亮度和对比度的影响 用于图像分割过程中，自动计算出一个最佳全局阈值的算法 通过最大类间平方差的方法来区分图像前景及背景 缺点 对图像噪声敏感 只能

图片拼接 --全景图合成 开发环境 python3 opencv-contrib-python---3.4.2.16 opencv-python---3.4.2.16 PyQt5 --- 5.15.6

K均值聚类 预测的是一个离散值时，做的工作就是“分类”。 预测的是一个连续值时，做的工作就是“回归”。 机器学习模型还可以将训练集中的数据划分为若干个组，每个组被称为一个“簇（cluster）”。

支持向量机 支持向量机（Support Vector Machine, SVM）是一种二分类模型，目标是寻找一个标准（称为超平面）对样本数据进行分割，分割的原则是确保分类最优化（类别之间的间隔最大）。

opencv入门 安装 在https://pypi.org/project/opencv-python/上面下载最新的基于Python的OpenCV库 完成下载后，在Anaconda Prompt内使

图像处理基础 numpy 访问图像 Numpy.array库是Python处理图像的基础。 在OpenCV中，通道的顺序是B→G→R 在OpenCV中，最小的数据类型是无符号的8位数 可以使用imag

图像运算 图像加法运算 可以通过加号运算符“+”对图像进行加法运算，也可以通过cv2.add()函数对图像进行加法运算。 求得的和很可能超过255。上述两种不同的加法运算方式，对超过255的数值的处理

色彩空间类型转换 色彩模型是描述使用一组值（通常使用三个、四个值或者颜色成分）表示颜色方法的抽象数学模型。 比较常见的色彩空间包括: GRAY色彩空间（灰度图像） XYZ色彩空间 YCrCb色彩空间

几何变换 几何变换是指将一幅图像映射到另外一幅图像内的操作。 缩放 使用函数cv2.resize()实现对图像的缩放 dst代表输出的目标图像，该图像的类型与src相同，其大小为dsize（当该值非零