Top 5
全部類型
免費與付費
最新發佈
最新發佈
在影像處理的專案中，我們經常會遇到「複製圖片」與「將圖片傳入函式」的需求。這兩個動作看似簡單，實際上卻藏有許多細節，特別是在 Python 的 numpy array（OpenCV 讀進來的圖片即為 numpy array）操作上，**shallow copy（淺拷貝）與deep copy（深拷貝）
在影像處理的專案中，我們經常會遇到「複製圖片」與「將圖片傳入函式」的需求。這兩個動作看似簡單，實際上卻藏有許多細節，特別是在 Python 的 numpy array（OpenCV 讀進來的圖片即為 numpy array）操作上，**shallow copy（淺拷貝）與deep copy（深拷貝）
在 Python 影像處理（OpenCV、skimage）專案中，二值圖像的像素值與資料型態常常讓人踩雷！
本文以「骨架端點偵測」為例，帶你認識這個常見問題、如何避免，以及正確的寫法。
1️⃣ 問題背景
我們常會用**骨架化（skeletonization）**來分析物件形狀，並想找出骨架的
在 Python 影像處理（OpenCV、skimage）專案中，二值圖像的像素值與資料型態常常讓人踩雷！
本文以「骨架端點偵測」為例，帶你認識這個常見問題、如何避免，以及正確的寫法。
1️⃣ 問題背景
我們常會用**骨架化（skeletonization）**來分析物件形狀，並想找出骨架的
在電腦視覺應用中，輪廓（Contour）常用來描述物體的邊界。
當圖像中有雜訊或物體邊緣過於複雜時，我們可以利用輪廓逼近技術，將輪廓簡化成較少點數的多邊形，這不僅有助於後續的形狀分析，也能提高處理速度。
本文將介紹如何使用 OpenCV 中的 cv2.arcLength 與 cv2.approx
在電腦視覺應用中，輪廓（Contour）常用來描述物體的邊界。
當圖像中有雜訊或物體邊緣過於複雜時，我們可以利用輪廓逼近技術，將輪廓簡化成較少點數的多邊形，這不僅有助於後續的形狀分析，也能提高處理速度。
本文將介紹如何使用 OpenCV 中的 cv2.arcLength 與 cv2.approx
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
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。
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
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
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
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
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
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。
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
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
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
用小畫家隨意畫三個圈分別用紅藍綠，我們利用cv2.inRange與搭配cv2.bitwise_and，將紅球過濾出來吧。
程式範例
因為OpenCV中cv2.imread讀取圖檔預設讀取是為[B,G,R]的格式，所以設置紅色範圍要注意設定在R的範圍內。
用小畫家隨意畫三個圈分別用紅藍綠，我們利用cv2.inRange與搭配cv2.bitwise_and，將紅球過濾出來吧。
程式範例
因為OpenCV中cv2.imread讀取圖檔預設讀取是為[B,G,R]的格式，所以設置紅色範圍要注意設定在R的範圍內。
使用cv2.imread讀取圖片時，如果路徑有包含到中文，就會報錯。
本文將提供另外一個方式cv2.imdecode，路徑有包含到中文時仍可以正常讀取圖片。
測試範例
import cv2
img = cv2.imread('D:/CRABpy/write/圖檔/chars_01.png'
使用cv2.imread讀取圖片時，如果路徑有包含到中文，就會報錯。
本文將提供另外一個方式cv2.imdecode，路徑有包含到中文時仍可以正常讀取圖片。
測試範例
import cv2
img = cv2.imread('D:/CRABpy/write/圖檔/chars_01.png'
本篇文章主要講述cv2.connectedComponent應用於物件上的分割，將不同文字分割並用不同顏色標記。
範例程式結果圖
cv2.connectedComponentsWithStats
是 OpenCV 中用來執行連通元件標記的函式之一。
本篇文章主要講述cv2.connectedComponent應用於物件上的分割，將不同文字分割並用不同顏色標記。
範例程式結果圖
cv2.connectedComponentsWithStats
是 OpenCV 中用來執行連通元件標記的函式之一。
針對辨識物的不同，流程就會不一樣，在依照現實狀況進行刪減，以下說明為個人常用的流程。
基本流程：
讀圖
灰階
濾波 (看圖片雜訊多不多)
二值化
連通區域
特徵篩選
特徵資訊
辨識 - (OCR，量測，瑕疵檢測等。)
名詞介紹
Gray 灰階
將原始的彩色圖像轉換為灰階圖
針對辨識物的不同，流程就會不一樣，在依照現實狀況進行刪減，以下說明為個人常用的流程。
基本流程：
讀圖
灰階
濾波 (看圖片雜訊多不多)
二值化
連通區域
特徵篩選
特徵資訊
辨識 - (OCR，量測，瑕疵檢測等。)
名詞介紹
Gray 灰階
將原始的彩色圖像轉換為灰階圖
伽瑪校正(Gamma correction)被視為影像增強的一種方法之一。
通過調整 gamma 值，可以改變圖像的亮度和對比度，從而使圖像更清晰或更具有視覺效果。
以下將利用cv2.LUT及numpy的組合實現伽瑪校正，及詳細介紹cv2.LUT 函式應用。
伽瑪校正(Gamma correction)被視為影像增強的一種方法之一。
通過調整 gamma 值，可以改變圖像的亮度和對比度，從而使圖像更清晰或更具有視覺效果。
以下將利用cv2.LUT及numpy的組合實現伽瑪校正，及詳細介紹cv2.LUT 函式應用。
介紹OpenCV中的cv2.matchTemplate和cv2.minMaxLoc函數的使用方法和參數，提供程式範例以及相關特徵匹配的詳細介紹，讓讀者對此有更深入的瞭解。
介紹OpenCV中的cv2.matchTemplate和cv2.minMaxLoc函數的使用方法和參數，提供程式範例以及相關特徵匹配的詳細介紹，讓讀者對此有更深入的瞭解。
瞭解二值化影像的應用和程式語法，包括物體檢測和分割、邊緣檢測、圖像分析和測量、文檔辨識，以及使用cv2.threshold的參數和程式範例。
瞭解二值化影像的應用和程式語法，包括物體檢測和分割、邊緣檢測、圖像分析和測量、文檔辨識，以及使用cv2.threshold的參數和程式範例。
Top 5
全部類型
免費與付費
最新發佈
最新發佈
在影像處理的專案中，我們經常會遇到「複製圖片」與「將圖片傳入函式」的需求。這兩個動作看似簡單，實際上卻藏有許多細節，特別是在 Python 的 numpy array（OpenCV 讀進來的圖片即為 numpy array）操作上，**shallow copy（淺拷貝）與deep copy（深拷貝）
在影像處理的專案中，我們經常會遇到「複製圖片」與「將圖片傳入函式」的需求。這兩個動作看似簡單，實際上卻藏有許多細節，特別是在 Python 的 numpy array（OpenCV 讀進來的圖片即為 numpy array）操作上，**shallow copy（淺拷貝）與deep copy（深拷貝）
在 Python 影像處理（OpenCV、skimage）專案中，二值圖像的像素值與資料型態常常讓人踩雷！
本文以「骨架端點偵測」為例，帶你認識這個常見問題、如何避免，以及正確的寫法。
1️⃣ 問題背景
我們常會用**骨架化（skeletonization）**來分析物件形狀，並想找出骨架的
在 Python 影像處理（OpenCV、skimage）專案中，二值圖像的像素值與資料型態常常讓人踩雷！
本文以「骨架端點偵測」為例，帶你認識這個常見問題、如何避免，以及正確的寫法。
1️⃣ 問題背景
我們常會用**骨架化（skeletonization）**來分析物件形狀，並想找出骨架的
在電腦視覺應用中，輪廓（Contour）常用來描述物體的邊界。
當圖像中有雜訊或物體邊緣過於複雜時，我們可以利用輪廓逼近技術，將輪廓簡化成較少點數的多邊形，這不僅有助於後續的形狀分析，也能提高處理速度。
本文將介紹如何使用 OpenCV 中的 cv2.arcLength 與 cv2.approx
在電腦視覺應用中，輪廓（Contour）常用來描述物體的邊界。
當圖像中有雜訊或物體邊緣過於複雜時，我們可以利用輪廓逼近技術，將輪廓簡化成較少點數的多邊形，這不僅有助於後續的形狀分析，也能提高處理速度。
本文將介紹如何使用 OpenCV 中的 cv2.arcLength 與 cv2.approx
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
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。
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
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
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
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
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
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。
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
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
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
用小畫家隨意畫三個圈分別用紅藍綠，我們利用cv2.inRange與搭配cv2.bitwise_and，將紅球過濾出來吧。
程式範例
因為OpenCV中cv2.imread讀取圖檔預設讀取是為[B,G,R]的格式，所以設置紅色範圍要注意設定在R的範圍內。
用小畫家隨意畫三個圈分別用紅藍綠，我們利用cv2.inRange與搭配cv2.bitwise_and，將紅球過濾出來吧。
程式範例
因為OpenCV中cv2.imread讀取圖檔預設讀取是為[B,G,R]的格式，所以設置紅色範圍要注意設定在R的範圍內。
使用cv2.imread讀取圖片時，如果路徑有包含到中文，就會報錯。
本文將提供另外一個方式cv2.imdecode，路徑有包含到中文時仍可以正常讀取圖片。
測試範例
import cv2
img = cv2.imread('D:/CRABpy/write/圖檔/chars_01.png'
使用cv2.imread讀取圖片時，如果路徑有包含到中文，就會報錯。
本文將提供另外一個方式cv2.imdecode，路徑有包含到中文時仍可以正常讀取圖片。
測試範例
import cv2
img = cv2.imread('D:/CRABpy/write/圖檔/chars_01.png'
本篇文章主要講述cv2.connectedComponent應用於物件上的分割，將不同文字分割並用不同顏色標記。
範例程式結果圖
cv2.connectedComponentsWithStats
是 OpenCV 中用來執行連通元件標記的函式之一。
本篇文章主要講述cv2.connectedComponent應用於物件上的分割，將不同文字分割並用不同顏色標記。
範例程式結果圖
cv2.connectedComponentsWithStats
是 OpenCV 中用來執行連通元件標記的函式之一。
針對辨識物的不同，流程就會不一樣，在依照現實狀況進行刪減，以下說明為個人常用的流程。
基本流程：
讀圖
灰階
濾波 (看圖片雜訊多不多)
二值化
連通區域
特徵篩選
特徵資訊
辨識 - (OCR，量測，瑕疵檢測等。)
名詞介紹
Gray 灰階
將原始的彩色圖像轉換為灰階圖
針對辨識物的不同，流程就會不一樣，在依照現實狀況進行刪減，以下說明為個人常用的流程。
基本流程：
讀圖
灰階
濾波 (看圖片雜訊多不多)
二值化
連通區域
特徵篩選
特徵資訊
辨識 - (OCR，量測，瑕疵檢測等。)
名詞介紹
Gray 灰階
將原始的彩色圖像轉換為灰階圖
伽瑪校正(Gamma correction)被視為影像增強的一種方法之一。
通過調整 gamma 值，可以改變圖像的亮度和對比度，從而使圖像更清晰或更具有視覺效果。
以下將利用cv2.LUT及numpy的組合實現伽瑪校正，及詳細介紹cv2.LUT 函式應用。
伽瑪校正(Gamma correction)被視為影像增強的一種方法之一。
通過調整 gamma 值，可以改變圖像的亮度和對比度，從而使圖像更清晰或更具有視覺效果。
以下將利用cv2.LUT及numpy的組合實現伽瑪校正，及詳細介紹cv2.LUT 函式應用。
介紹OpenCV中的cv2.matchTemplate和cv2.minMaxLoc函數的使用方法和參數，提供程式範例以及相關特徵匹配的詳細介紹，讓讀者對此有更深入的瞭解。
介紹OpenCV中的cv2.matchTemplate和cv2.minMaxLoc函數的使用方法和參數，提供程式範例以及相關特徵匹配的詳細介紹，讓讀者對此有更深入的瞭解。
瞭解二值化影像的應用和程式語法，包括物體檢測和分割、邊緣檢測、圖像分析和測量、文檔辨識，以及使用cv2.threshold的參數和程式範例。
瞭解二值化影像的應用和程式語法，包括物體檢測和分割、邊緣檢測、圖像分析和測量、文檔辨識，以及使用cv2.threshold的參數和程式範例。