Opencv实例

本系列Opencv实例收集了为图像处理初学者设计的 100 个问题的python和C++代码实现,以及对应的理论知识。和蝾螈一起学习基本的图像处理知识,理解图像处理算法吧!解答这里提出的问题请不要调用OpenCV的API,自己动手实践。相信对你掌握opencv有比较好的帮助。

问题1 – 10:

序号 问题 Python C++
1 通道替换
2 灰度化(Grayscale)
3 二值化(Thresholding)
4 大津算法
5 HSV 变换
6 减色处理
7 平均池化(Average Pooling)
8 最大池化(Max Pooling)
9 高斯滤波(Gaussian Filter)
10 中值滤波(Median filter)

问题11 – 20:

序号 内容
11 均值滤波
12 Motion Filter
13 MAX-MIN 滤波
14 微分滤波
15 Sobel 滤波
16 Prewitt 滤波
17 Laplacian 滤波
18 Emboss 滤波
19 LoG 滤波
20 直方图表示

问题21-30:

序号 内容
21 直方图归一化(Histogram Normalization)
22 直方图操作
23 直方图均衡化(Histogram Equalization)
24 伽玛校正(Gamma Correction)
25 最邻近插值(Nearest-neighbor Interpolation)
26 双线性插值(Bilinear Interpolation)
27 双三次插值(Bicubic Interpolation)
28 仿射变换(Afine Transformations)——平行移动
29 仿射变换(Afine Transformations)——放大缩小
30 仿射变换(Afine Transformations)——旋转

问题31-40:

序号 内容
31 仿射变换(Afine Transformations)——倾斜
32 傅立叶变换(Fourier Transform)
33 傅立叶变换——低通滤波
34 傅立叶变换——高通滤波
35 傅立叶变换——带通滤波
36 JPEG 压缩——第一步:离散余弦变换(Discrete Cosine Transformation)
37 峰值信噪比(Peak Signal to Noise Ratio)
38 JPEG 压缩——第二步:离散余弦变换+量化
39 JPEG 压缩——第三步:YCbCr 色彩空间
40 JPEG 压缩——第四步:YCbCr+DCT+量化

问题41-50:

序号 内容
41 Canny边缘检测:第一步——边缘强度
42 Canny边缘检测:第二步——边缘细化
43 Canny边缘检测:第三步——滞后阈值
44 霍夫变换(Hough Transform)/直线检测——第一步:霍夫变换
45 霍夫变换(Hough Transform)/直线检测——第二步:NMS
46 霍夫变换(Hough Transform)/直线检测——第三步:霍夫逆变换
47 形态学处理:膨胀(Dilate)
48 形态学处理:腐蚀(Erode)
49 开运算(Opening Operation)
50 闭运算(Closing Operation)

问题51-60

序号 内容
51 形态学梯度(Morphology Gradient)
52 顶帽(Top Hat)
53 黑帽(Black Hat)
54 使用误差平方和算法(Sum of Squared Difference)进行模式匹配(Template Matching)
55 使用绝对值差和(Sum of Absolute Differences)进行模式匹配
56 使用归一化交叉相关(Normalization Cross Correlation)进行模式匹配
57 使用零均值归一化交叉相关(Zero-mean Normalization Cross Correlation)进行模式匹配
58 4-邻接连通域标记
59 8-邻接连通域标记
60 透明混合(Alpha Blending)

问题61-70:

序号 内容
61 4-邻接的连接数
62 8-邻接的连接数
63 细化处理
64 Hilditch 细化算法
65 Zhang-Suen 细化算法
66 方向梯度直方图(HOG)第一步:梯度幅值・梯度方向
67 方向梯度直方图(HOG)第二步:梯度直方图
68 方向梯度直方图(HOG)第三步:直方图归一化
69 方向梯度直方图(HOG)第四步:可视化特征量
70 色彩追踪(Color Tracking)

问题71-80:

序号 内容
71 掩膜(Masking)
72 掩膜(色彩追踪(Color Tracking)+形态学处理)
73 缩小和放大
74 使用差分金字塔提取高频成分
75 高斯金字塔(Gaussian Pyramid
76 显著图(Saliency Map)
77 Gabor 滤波器(Gabor Filter)
78 旋转 Gabor 滤波器
79 使用 Gabor 滤波器进行边缘检测
80 使用 Gabor 滤波器进行特征提取

问题81-90:

序号 内容
81 Hessian 角点检测
82 Harris 角点检测第一步:Sobel + Gausian
83 Harris 角点检测第二步:角点检测
84 简单图像识别第一步:减色化+直方图
85 简单图像识别第二步:判别类别
86 简单图像识别第三步:评估
87 简单图像识别第四步:k-NN
88 k-平均聚类算法(k -means Clustering)第一步:生成质心
89 k-平均聚类算法(k -means Clustering)第二步:聚类
90 k-平均聚类算法(k -means Clustering)第三步:调整初期类别

问题91-100:

序号 内容
91 利用 k-平均聚类算法进行减色处理第一步:按颜色距离分类
92 利用 k-平均聚类算法进行减色处理第二步:减色处理
93 准备机器学习的训练数据第一步:计算 IoU
94 准备机器学习的训练数据第一步:随机裁剪(Random Cropping)
95 神经网络(Neural Network)第一步:深度学习(Deep Learning)
96 神经网络(Neural Network)第二步:训练
97 简单物体检测第一步—-滑动窗口(Sliding Window)+HOG
98 简单物体检测第二步—-滑动窗口(Sliding Window)+ NN
99 简单物体检测第三步—-非极大值抑制(Non-Maximum Suppression)
100 简单物体检测第三步—-评估 Precision, Recall, F-score, mAP

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程