[Python][OpenCV]學習心得筆記
59公開內容
26私密內容
利用Python OpenCV實現一些影像處理的應用，整理所學，利用程式範例的方式解說其程式碼跟函式的使用方法及應用
全部內容
免費與付費
最新發佈優先
中值濾波器（Adaptive Median Filter）是一種針對噪聲去除的圖像處理技術，主要應用於處理含有椒鹽雜訊的圖像，但在椒鹽雜訊過大時就會面臨，若為了處理掉雜訊，使用的處理窗口(kernel)就要大一點，會造成圖像的邊緣模糊掉。
後面為解決這個問題，就發展了自適應中值濾波器，其概念源自於
在影像處理中，形態學操作是非常重要的一種技術，能夠幫助我們去除噪點、強化特徵、修復物體的形狀等。形態學操作的核心是「結構元素」（kernel），不同形狀的結構元素會產生不同的處理效果。本文將介紹如何使用不同形狀的結構元素來進行圖像處理，並結合實際程式範例和測試圖片來說明其效果。
cv2.fastNlMeansDenoising() 是 OpenCV 中一個非常有效的去噪函數，基於非局部均值濾波算法（Non-Local Means Filtering）。它能夠有效地去除圖像中的隨機噪聲（如高斯噪聲），並保留圖像的細節，特別適合處理含有隨機噪聲的圖像，如拍攝時產生的感光元件噪聲
當影像中有雜訊時，使用直方圖均衡化來增強對比就會受雜訊的影響，從而影響到整體的結果。應對這個問題，可以考慮使用自適應直方圖均衡化來減少雜訊的影響，並增強對比度。
本文將比較直方圖均衡化與自適應直方圖均衡化的差異性。
[OpenCV基礎][Python]影像增強_直方圖均衡處理
直方圖均衡化的
在 OpenCV 中，將圖片從 BGR 色彩空間轉換為灰階圖像時常用cv2.COLOR_BGR2GRAY ，此函數使用了特定的權重來計算灰階值。這些權重是基於人眼對不同顏色的敏感度進行調整的。
Gray=0.299×R+0.587×G+0.114×B
本文介紹了用其他方式來提取色彩通道
cv2.countNonZero 是 OpenCV 中的一個函數，用來計算二值圖像（或單通道圖像）中非零像素的數量。這個函數對於圖像處理中的許多操作非常有用，例如計算某個區域內的白色像素數量，從而幫助我們了解圖像的內容或進行進一步的分析。
使用範例
假設您有一個二值圖像，其中白色像素
局部二值化（Local Thresholding）是一種影像處理技術，用來根據局部區域的像素值動態地將影像轉換為二值影像。這在處理光照不均勻的影像時特別有用。
與常見的兩種二值化(Otsu's與固定閥值)方法做比較。
實現局部二值化的範例：
import cv2
import numpy
在某些特殊情況下，需要將圖片進行黑白反轉，例如Tesseract(OCR辨識引擎)就有建議黑底白字的狀況下辨識率較高。
本文將使用 NumPy 進行影像黑白反轉，並顯示反轉前後的影像。
常見的圖像銳利化方法：
銳化濾波器
增強對比度
Unsharp Masking
上一篇提到利用cv2.inRangex，建立遮罩來過濾出紅球。這次我們稍微更動一下程式碼，將紅球變顏色。
[OpenCV][Python]利用cv2.inRange搭配cv2.bitwise_and過濾紅球
結果圖
將紅球改變顏色成藍球
