Python图像处理

Notch 滤波器，也称为带阻滤波器，由于该滤波器会阻挡/抑制图像中一些特定的频域表示而得名，它对于从图像中去除周期性噪声非常有用。

为了减少图像的尺寸大小，我们需要对图像执行下样本。得到的尺寸较小的新图像中的每个像素对应于原始大图像中的多个像素。

在本节中，我们将学习如何使用离散傅里叶变换( Discrete Fourier Transform, DFT )执行上采样并增加图像分辨率。

在本节中，我们将介绍离散傅里叶变换( Discrete Fourier Transform, DFT )相关基础概念，并使用 Numpy 的 fft 模块在图像中应用 DFT。

在本节中，我们将学习如何通过使用图像哈希查找与给定图像相似的图像，我们使用感知哈希函数( Perceptual Hash function, pHash)来实现此目的。

在本节中，我们将讨论图像搜索相关问题，即使用基于哈希函数的方法来解决问题图像搜索问题。通过比较哈希值，我们可以判断两张图像的内容是否相同。

在本节中，我们将学习如何使用 OpenCV 在 HSV 色彩空间中使用特定颜色检测感兴趣对象。我们需要通过指定颜色值范围识别和提取感兴趣的对象。

对图像应用位移场( displacement fields )可以产生图像畸变，通过位移场可以计算每个像素原始位置的新目标位置。本节，通过使用 scikit-image 库实现弹性形变。

我们已经学习了如何执行图像的线性变换，在本节中，我们将学习如何将 warp() 函数用于实现称为漩涡变换的非线性变换。

2D 线性几何变换是点转换，它们会被应用于图像中的每个像素，以得到变换后的输出图像。本节中，我们将介绍如何使用 scikit-image 库中的 warp() 函数来执行图像变换。

仿射变换将每个像素 f(x,y) 从输入图像变换到输出图像中的位置 (x',y')= T(x,y)。在本节中，我们将使用 Scipy 库的 ndimage 模块函数实现图像上的仿射变换。

图像中的模糊效果可以强烈影响被拍摄场景的感知，模糊在传达所需的尺寸和距离感方面起着重要作用。合成微型 (miniature faking) 是一个使真实大小物体照片看起来像微型模型照片的过程。

检测图像中对象颜色的一种简单方法是首先将图像从 RGB 色彩空间转换为 HSV 颜色空间，然后使用一系列色调检测对象，这可以通过使用 OpenCV 库轻松完成。

对比度、亮度增强技术是两种非常常见技术，这些技术是在许多图像处理任务(例如，图像分类)中使用预处理步骤。在本节中，我们将学习如何使用 OpenCV 库来修改图像的对比度和亮度。

将图像从一个颜色空间转换为另一个颜色空间是一种非常有用的操作，在多种不同应用程序中都有着重要作用，例如图像分割等。

图像差异的相关研究一直受到业界的广泛关注，其具有极大的研究价值，旨在从相似的图像对中定位差异目标。在本节中，我们将学习如何使用 PIL 库函数 difference() 来计算两个图像的差异图像。

在本节中，我们将学习实现六种不同的算法，以将 RGB 彩色图像转换为灰度图像。我们首先介绍不同算法的原理，然后在 rgb2gray() 函数中实现这些算法。

在本节中，我们将学习 PIL 图像模式以及如何将带有调色板的 PNG 彩色图像转换为灰度图像，主要介绍了两种不同的转换色彩模式的方法。

轮廓可以简单地理解为连接图像中对象所有边界连续点的曲线，轮廓通常具有相同的颜色或强度。轮廓是形状分析、物体检测等应用中的重要工具。本文将介绍如何使用 OpenCV 库绘制图像轮廓。

SciPy 库是流行的科学计算库，提供了许多用户友好和高效的数值计算，如数值积分、插值、优化、线性代数等。在本节中，我们将重点如何使用 scipy.ndimage 模块的 zoom() 函数缩放图像。