机器视觉基本理论(opencv)
1. 什么是图像采样
采样是按照某种时间间隔或空间间隔,将空间上连续的图像变换成离散点的操作称为图像采样
2. 什么是图像分变率
采样 得到的离散图像的尺寸称为图像分辨率。分辨率是数字图像可辨别的最小细节。分辨率由宽和高两个参数构成,宽表示水平反向的细节数,高表示垂直方向的细节数。
3. 什么是RGB颜色空间
RGB颜色空间中每个像素点有三个维度,分别记录在红、绿、篮三原色的分量上的亮度
4. 什么是HSV颜色空间
HSV颜色空间是另一种常用的计算机中表示颜色的方法。HSV表示色相、亮度和饱和度。H表示颜色的相位角,取值范围是0–360,S表示颜色的饱和度,范围从0到1,它表示成所选颜色的纯度和该颜色最大纯度之间的比率,V表示色彩的明亮程度,范围从0到1
5. 什么是图像灰度化处理
在RGB模型中,如果R=G=B时,彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值,灰度范围为0-255,将RGB图像转换为灰度图像的过程称为图像灰度化处理。
6.图像灰度化处理有哪些方法?
1)分量法。将彩色图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种灰度图像。
2)最大值法。将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。
3)将彩色图像中的三分量亮度求平均得到一个灰度值。
4)根据重要性及其它指标,将三个分量以不同的权值进行加权平均。
7. 图像加法运算有什么应用
1)图像加法可以用于多幅图像平均去除噪声。
2)图像加法实现水印的叠加效果。
8. 图像减法运算有什么应用
主要意义是增强图像间的差别,图像减法在连续图像中可以实现消除背景和运动检测。
9. 图像放大时(图像上采样),可以采用哪些插值法
1)最邻近插值法。最邻近插值法使用点(
x
′
,
y
′
x',y'
x′,y′)最近的整数坐标处的灰度值作为(
x
′
,
y
′
x',y'
x′,y′)的值。这种插值方法计算量小,但精度不高,并且可能破坏图像中的线性关系。
2)双线性插值法。双线性插值法使用点(
x
′
,
y
′
x',y'
x′,y′)最邻近的4个像素值进行插值计算,在两个方向上执行两次线性插值操作。
10.什么是直方图均衡化
直方图均衡化将原始图像的直方图,即灰度概率分布图,进行调整,使之变化为均衡分布的样式,达到灰度级均衡的效果,可以有效增强图像的整体对比度。
直方图均衡化能够自动的计算变化函数,通过该方法自适应地生产有均衡直方图的输出图像。能够对图像过暗、过亮和细节不清晰的图像得到有效的增强。
11. 什么是均值滤波
均值滤波指模板权重都为1的滤波器。它将像素的邻域平均值作为输出结果,均值滤波可以起到图像平滑的效果,可以去除噪声,但随着模板尺寸的增加,图像会变得更为模糊。经常作为模糊化使用。
12.什么是高斯滤波
为了减少模板尺寸增加对图像的模糊化,可使用高斯滤波器,高斯滤波的模板根据高斯分布(中间大四周小的卷积核)来确定模板系数,接近中心的权重比边缘的大。
13. 什么是图像二值化处理,有什么优点
1)图像二值化就是将图像上的像素点的灰度值全部设置为黑色0,或白色255,也就是将整个图像分割成明显的黑白效果的过程。二值化的方法是通过设定一个阈值,大于阈值部分全部置为255,小于阈值部分全部置为0
2)优点
- 二值化图像在数字图像处理中占有非常重要的地位,可以方便进行连通域提取、形态学变化、感兴趣区域分割等操作。
- 图像的二值化使图像中数据量大为减少,并且能凸显出目标的轮廓。二值化后的图像的集合性质只与像素值为0或255的点的位置有关,不再涉及像素的多记值,使处理变得简单,而且计算过程中数据的处理量减小。
14.什么是图像膨胀
图像膨胀是指根据图像的形状,向外进行扩充。
15.什么是图像腐蚀
图像腐蚀是根据图像的形状,向内进行收缩。
16. 什么是图像开运算
开运算就是先腐蚀再膨胀,开运算能够把结构小的噪声和突刺过滤掉,并切断细长的连接,起到分离的作用。
17. 什么是图像闭运算
闭运算就是先膨胀再腐蚀,闭运算可以把结构元素小的缺憾或者空洞补上,将细小断裂的区域进行连通。
18.什么是礼貌运算
礼貌运算是原始图像减去其开运算图像的操作。礼貌运算能够获取图像的噪声信息,或者得到比原始图像的边缘更亮的边缘信息。
19.什么是黑帽运算
黑帽运算是用闭运算图像减去原始图像,黑帽运算能够获取图像的内部小孔,或前景色中的小黑点,得到比原始图像的边缘更暗的边缘部分。
20.什么是辐射变换
仿射换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。该变换能够保持图像的平直性和平行性。平直性是指图像经过仿射变换后,直线仍然是直线,平行性是指图像在完成仿射变换后,平行线仍然是平行线。
机器视觉基本理论(opencv)的更多相关文章
- 分水岭算法(理论+opencv实现)
分水岭算法理论 从意思上就知道通过用水来进行分类,学术上说什么基于拓扑结构的形态学...其实就是根据把图像比作一副地貌,然后通过最低点和最高点去分类! 原始的分水岭: 就是上面说的方式,接下来用一幅图 ...
- K-means算法(理论+opencv实现)
写在前面:之前想分类图像的时候有看过k-means算法,当时一知半解的去使用,不懂原理不懂使用规则...显然最后失败了,然后看了<机器学习>这本书对k-means算法有了理论的认识,现在通 ...
- 支持向量机(理论+opencv实现)
从基础开始讲起,没有这些东西看支持向量机真的很难! 1.拉格朗日乘子(Lagrangemultiplier) 假设需要求极值的目标函数(objectivefunction)为f(x,y),限制 ...
- 高斯混合模型(理论+opencv实现)
查资料的时候看了一个不文明的事情,转载别人的东西而不标注出处,结果原创无人知晓,转载很多人评论~~标注了转载而不说出处这样的人有点可耻! 写在前面: Gaussian Mixture Model (G ...
- Python 智能处理方向的工具
机器视觉类:OpenCV. 自然语言处理:NLTK, jieba(Python中文分词组件),HanLP, FudanNLP, NLPIR, http://tm.itc.ntnu.edu.tw/CNL ...
- 区域检测算法-MSERs
区域检测算法-MSERs:最大稳定极值区域 参考书籍——<图像局部不变性特征与描述>王永明.王贵锦著 MSER最大极值稳定区域的提取步骤:1.像素点排序 2.极值区域生成 3.稳定 ...
- OpenCV-Python 图像梯度 | 十八
目标 在本章中,我们将学习: 查找图像梯度,边缘等 我们将看到以下函数:cv.Sobel(),cv.Scharr(),cv.Laplacian()等 理论 OpenCV提供三种类型的梯度滤波器或高通滤 ...
- 机器视觉学习笔记(5)——基于OpenCV的单目摄像机标定
本文CameraCalibrator类源代码来自于OpenCV2 计算机视觉编程手册(Robert Laganiere 著 张静 译) 强烈建议阅读机器视觉学习笔记(4)--单目摄像机标定参数说明之后 ...
- SVM:从理论到OpenCV实践
(转载请注明出处:http://blog.csdn.net/zhazhiqiang/ 未经允许请勿用于商业用途) 一.理论 参考网友的博客: (1)[理论]支持向量机1: Maximum Marg ...
- HOG:从理论到OpenCV实践
(转载请注明出处:http://blog.csdn.net/zhazhiqiang/ 未经允许请勿用于商业用途) 一.理论 1.HOG特征描述子的定义: locally normalised ...
随机推荐
- geom_smooth trasparent alpha 透明度
stat_smooth (geom="line", alpha=0.3, size=3, span=0.5) + geom_line(stat="smooth" ...
- RabbitMQ service does not start due to corrupted mnesia database in RSA Security Analytics
rabbitmq异常:mnesia database损坏
- var 和let const的区别
var 是ES5语法,let,const是ES6语法,var存在变量提升. let const有块级作用域,var没有
- Solon2 分布式事件总线的技术价值?
分布式事件总线在分布式开发(或微服务开发)时,是极为重要的架构手段.它可以分解响应时长,可以削峰,可以做最终一致性的分布式事务,可以做业务水平扩展. 1.分解响应时长 比如我们的一个接口处理分为四段代 ...
- 关于Android开发工具的下载之ADT篇
ADT的下载 首先可以选择下面推荐的两个网站去下载相应的安装包,网址如下: http://tools.android-studio.org/index.php/adt-bundle-plugin 或者 ...
- springboot--配置格式文件
修改端口号的三种方法 1.server.port = 80 2.新建application.yml文件. 3.新建application.yaml文件. 配置文件加载顺序: 当三个文件都存在时prop ...
- ChatGPT如何助力DevOps|用例解读
DevOps 是一种方法论,旨在提高软件开发和 IT 运营团队的协作和效率.DevOps 涉及各种任务和流程的自动化,例如规划.编码.测试.部署.监控和故障排除.然而,其中一些任务和流程仍然有大量任务 ...
- Json和对象之间的转换
JSON是一种字符: json转对象: var str = '{"name":"admin","age":16,"sex" ...
- ACM-CodeForces-#685(Div.2)
好久没见过CF有这么水的contest了,蒟蒻赶紧找找自信 A. Subtract or Divide #include<iostream> using namespace std; in ...
- 人人都学会APP开发 提高就业竞争力 简单实用APP应用 安卓浏览器APP 企业内部通用APP制作 制造业通用APP
安卓从2009年开始流程于手机.平板,已经是不争的非常强大生产力工具,更为社会创造非常高的价值, 现在已经是202X年,已经十几年的发展,安卓平台已经无所不在. 因此建议人人都学学APP制作,简易入门 ...