直方图反向投影 1、先把RGB色彩空间转换为HSV色彩空间 2、计算样本的2D直方图 3、对样本直方图作归一化 4、对目标图像作反向投影import cv2 as cv import numpy as np from matplotlib import pyplot as pltdef back_project_demo():sample = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lena.png')target = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lenanoise.png')roi_hsv = cv.cvtColor(sample, cv.COLOR_BGR2HSV)ta...
OpenCV python 绘制随机实心圆 import numpy as np import cv2def main():# 1.创建白色背景图片d = 400img = np.ones((d, d, 3), np.uint8) * 255# 2.循环随机绘制实心圆for i in range(0, 100):# 随机中心点center_x = np.random.randint(0, high=d)center_y = np.random.randint(0, high=d)# 随机半径与颜色radius = np.random.randint(5, high=d/5)color = np.random.randint(0, high=256, size=(3, )).tolist()cv2.circle(img,...
使用OpenCV-Python实现图像读入、显示与保存： # -*- coding: utf-8 -*- import cv2 from matplotlib import pyplot as plt # # 第二个参数，0为灰度模式显示，1为彩色图像，默认值为1 # img0 = cv2.imread(rD:\OpenCV_Python\chepai.jpg, 0) # img1 = cv2.imread(rD:\OpenCV_Python\chepai.jpg, 1) # 或者如下： img0 = cv2.imread(rD:\OpenCV_Python\chepai.jpg, cv2.IMREAD_GRAYSCALE) img1 = cv2.imread(rD:\OpenCV_Python...
OpenCV python 播放视频文件(.avi) 同文件夹存放文件[test.avi] import cv2def main():# 1.初始化读取视频对象cap = cv2.VideoCapture("test.avi")# 2.循环读取图片while cap.isOpened():ret, frame = cap.read()if ret:cv2.imshow("frame", frame)else:print("视频播放完成！")break# 退出播放key = cv2.waitKey(25)if key == 27: # 按键escbreak# 3.释放资源cap.release()cv2.destroyAllWindows()if __name__ == '__main__':mai...
模板匹配的算法：import cv2 as cv import numpy as np# 模板匹配，就是在整个图像区域发现与给定子图像匹配的小块区域， # 需要模板图像T和待检测图像-源图像S # 工作方法：在待检测的图像上，从左到右，从上倒下计算模板图像与重叠子图像匹配度， # 匹配度越大，两者相同的可能性越大。 def template_demo():tpl = cv.imread("../images/rabbit.jpg")target = cv.imread("../images/CrystalLiu22.jpg")cv.imshow("template", tpl...
直接用matplotlib画出直方图 def plot_demo(image):plt.hist(image.ravel(), 256, [0, 256]) # image.ravel()将图像展开，256为bins数量，[0, 256]为范围plt.show() 图像直方图 def image_hist(image):color = ('blue', 'green', 'red')for i, color in enumerate(color):# 计算出直方图，calcHist(images, channels, mask, histSize(有多少个bin), ranges[, hist[, accumulate]]) -> hist# hist 是一个 256x1 的数组，每一个值代...
出现ImportError: cannot import name add_newdocs的问题 原因：如果在ipython book中，import numpy时报这个错误，而spyder中却能正常使用，那么很有可能是使用了anaconda作为开发环境后却自己卸载了anaconda自带的numpy，并且用pip重新安装了一个。解决方法很简单，conda install numpy重新安装即可。 AttributeError: module 'numpy' has no attribute 'version' 这个错和上面同理，是在ipython book中，import pandas时报的错。...
安装opencvpip install opencv-python 人脸检测器的配置文件链接: https://pan.baidu.com/s/10Gd9ZR7kaNIQaQM2I6TKEA 提取码: vtrs 代码import cv2capture_index = 0def main():# 分类器haar = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 摄像头cap = cv2.VideoCapture(capture_index)# 读取while True:success, img = cap.read()if not success:continuefaces = haar.detectMultiScale(img)print("检测到人脸...
** python&OpenCV学习笔记 day1——python基本学习 ** 由于anaconda已经安装，所以我的python学习主要是在anaconda中的spyder编译器中进行学习。 spyder编译器 在学习中，遇到的困难首先就是python的安装： 1.对于我这样的小白来说，根本不知道python采用什么平台或者什么编译器。 2.同时，在学习opencv的过程中看到了该平台的教程，能够使用python语言并且有opencv接入，所以采用了该编译器。 下载安装配置完成后,开始python基础编...
import cv2 import numpy as np from matplotlib import pyplot as plt BLUE = [255, 0, 0] img1 = cv2.imread(pic1.png, 1) # change the value of bgr b, g, r = cv2.split(img1) img2 = cv2.merge([r, g, b]) img3 = cv2.merge([r, g, b]) img4 = cv2.merge([r, g, b]) img5 = cv2.merge([r, g, b]) # make one of bgr become 0 img3[:, :, 0] = 0 img4[:, :, 1] = 0 img5[:, :, 2] = 0 # make all kind of border replicate = ...
提取ROI区域，处理然后放回去：泛洪填充 测试代码：显示一张图像，鼠标点击之后，会从该点开始进行填充，显示填充后的结果图像 注：二值图像的填充需要使用选项：cv2.FLOODFILL_MASK_ONLY 选项说明：cv2.FLOODFILL_FIXED_RANGE：改变图像，泛洪填充 cv2.FLOODFILL_MASK_ONLY：不改变图像，只填充遮罩层本身，忽略新的颜色值参数import cv2 import numpy as np# 读取一张图片 src = cv2.imread("../images/CrystalLiu2.jpg") # 命名...
以下运算两个图像的大小需要一样 cv2.add(img1, img2)：两个图像像素相加 cv2.subtract(img1, img2)：两个图像像素相减 cv2.multiply(img1, img2)：两个图像像素相乘 cv2.divide(img1, img2)：两个图像像素相除 cv2.mean(img)：图像的均值 cv2.meanStdDev(img)：方差
OpenCV中为我们提供了四种按位运算，分别是按位与、按位或、按位非和按位异或。图像的按位运算本质上就是对像素点值的按位运算，接触过计算机知识的人应该知道，按位运算是针对二进制数而言的，也就是说只有0和1两个值，因此，我们在对图像进行按位运算时，需要将图像转化成灰度图。 假设现在我们有一张五环图像，我们要用它给其他图像做水印，但是它的底色是纯白色的，我们首先需要处理底色。 阈值二值化灰度图共分256(0~255）阶，...
目标 在本章中，我们将看到GrabCut算法来提取图像中的前景 我们将为此创建一个交互式应用程序。理论 GrabCut算法由英国微软研究院的Carsten Rother，Vladimir Kolmogorov和Andrew Blake设计。在他们的论文“GrabCut”中：使用迭代图割的交互式前景提取。需要用最少的用户交互进行前景提取的算法，结果是GrabCut。 从用户角度来看，它是如何工作的？最初，用户在前景区域周围绘制一个矩形（前景区域应完全位于矩形内部）。然后，算法...
目标 在本章中，我们将学习使用分水岭算法实现基于标记的图像分割 我们将看到：cv.watershed()理论 任何灰度图像都可以看作是一个地形表面，其中高强度表示山峰，低强度表示山谷。你开始用不同颜色的水(标签)填充每个孤立的山谷(局部最小值)。随着水位的上升，根据附近的山峰(坡度)，来自不同山谷的水明显会开始合并，颜色也不同。为了避免这种情况，你要在水融合的地方建造屏障。你继续填满水，建造障碍，直到所有的山峰都在水下。...