dst = cv2.sobel(src, ddept, dx, dy, ksize)
ddepth:影象的深度，一般設為-
1ksize:sobel運算元的大小
白到黑是正數，黑到白是負數，所有的負數都會被截斷為0，因此要使用convertscaleabs取絕對值
1】低通濾波
2】縮小尺寸pyrdown
3】放大尺寸pyrup
4】影象相減
cv2.findcontours(img,mode,method)
mode:輪廓檢索模式
method:輪廓逼近方法
cv2.calhist(
[images]
,[channels]
,[mask]
,[histsize]
,[ranges]
)images:原影象影象格式為uint8或float32
mask:掩碼影象
自適應直方圖均衡化（分塊）
濾波：
低通濾波器：保留低頻，影象模糊
高通濾波器：保留高頻，影象細節增強
- cv2.dft(
)和從v2.idft(
)，輸入影象需要先轉換為np.float32格式
- 得到的結果中頻率為0的部分會在左上角，通常轉換到中心位置，shift實現
- cv2.dft(
)返回的結果是雙通道的（實部+虛部）,通常需要轉換影象格式展示0
-255
基於python的opencv教程
第一次寫部落格，學習是要有輸入與輸出的，所謂教學相長。所以我想試著自己寫乙份教程，算是對自己的學習總結吧，部落格的排版比較直男，請湊合看吧。首先建議的ide是pycharm，opencv的庫直接pip安裝就好，最好大家有一定的python基礎。第一部分是關於圖象讀取和儲存。import cv2imp...
基於Python的OpenCV人臉檢測
注意 本文只是人臉檢測，人臉識別的實現請參見本人另一篇部落格 基於opencv tensorflow keras實現人臉識別 提前做的準備 1 和說明 import cv2 as cv import numpy as np defface detect demo 人臉檢測函式 gray cv.cvt...
基於Python和Opencv的目標檢測與特徵
而我們訓練分類器的過程就是給這個分類函式 數學模型 找到一系列最優的引數，使得通過這個函式來判斷時能達到最好的分類效果 更高階一點的分類器就加入了學習和自適應的概念使得分類更精準 那麼通過什麼可以得到這個分類器呢？就是分類演算法 提到演算法我們不得不提到機器學習的概念，機器學習演算法簡單來說可以通過...