OpenCV影像基礎
含有「OpenCV影像基礎」共 15 篇內容
全部內容
發佈日期由新至舊
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。
在影像處理中，我們總是想要讓特徵更加明顯一點，可以使用銳利化的方式將特徵的邊緣增強，提升影像的細節，圖像銳利後就會有提升解析度的感覺。
拉普拉斯運算子是一種常用於影像增強的方法之一，特別是用於提高影像的邊緣和細節。
在OpenCV中，你可以使用cv2.Laplacian函數來應用拉普拉斯運算子。
直方圖均衡化處理是一種通過調整圖像的直方圖來改變圖像外觀和質量的圖像處理技術。這通常涉及對圖像的亮度、對比度和顏色分佈進行調整
此方法對於背景和前景均亮或均暗的影像很有用。並在曝光過度或曝光不足的照片中獲得更好的細節。
如果有修Image processing的同學，看到這系列的教學真的賺到，熱門例題、作業幾乎都有覆蓋到。
直方圖是對圖像中像素強度分布的圖形表示。通過分析直方圖，我們可以獲得有關圖像對比度、亮度和色彩分佈的有用信息。
在某些特別的情況下，需要去調整亮度及對比度，讓我們想要的影像特徵更加明顯
本文將介紹利用這兩個函數 cv2.convertScaleAbs 和 cv2.addWeighted 來調整亮度及對比度。
涉及圖像處理和計算機視覺時，色彩空間轉換是一個常見操作，應用如下：
降維： 將一張彩色圖像轉換為灰度圖像可以減少數據的維度，簡化處理過程，同時在某些情況下保留重要的視覺信息。
突顯特徵： 在某些情況下，某些色彩通道可能包含冗餘或不必要的信息，通過轉換到其他色彩空間，可以更好地突顯圖像中的重要特徵
warpAffine 和 warpPerspective 都是 OpenCV 中用於圖像變換的函數，主要差異在於這兩種函數所使用的變換矩陣的類型和適用場景。
本文主要討論warpAffine，另外warpPerspective可以此篇文章
螃蟹 新年快樂~
當我們在拍照時，有時候會期望圖像中物體是呈現我們想要的樣子，就可以利用透視變換的方式，將物體捏造成我們想要的樣子。
當我們拍攝文件或書籍時，如果有角度和距離的變化，文件可能會變形。透視變換可用於校正這種變形，使文件呈現平整的視覺效果。
cv2.warpPerspective
OpenCV 提供了多種用於邊緣偵測的方法，其中一些常見的包括 Sobel、Scharr、Laplacian，還有 Canny 邊緣檢測器。這些方法可以幫助我們檢測圖像中的暗明強度變化，從而找到物體的邊緣。
不過固定係數的2d kernel convolution算是比較古典的方法，後來AI興起後，很多人跑去用train model的方式去實現。當時也有小玩一下人臉辨識和車牌辨識。
在生活中常看到的美圖秀秀或美圖修修或者其他圖像編輯軟體，通常使用各種濾波器和模糊化技術來實現照片的修飾和美化效果。這些濾波和模糊化技術可以應用於不同的區域，以改進照片的外觀，包括平滑皮膚、去除細節、調整對比度等。
本文會介紹 OpenCV 四種影像模糊化的方法
