OpenCV-Python实战(4)——OpenCV常见图像处理技术
📅 2026/7/21 20:43:19
👁️ 阅读次数
📝 编程学习
OpenCV-Python实战(4)——OpenCV常见图像处理技术
- 0. 前言
- 1. 拆分与合并通道
- 2. 图像的几何变换
- 2.1 缩放图像
- 2.2 平移图像
- 2.3 旋转图像
- 2.4 图像的仿射变换
- 2.5 图像的透视变换
- 2.6 裁剪图像
- 3. 图像滤波
- 3.1 应用滤波器(卷积核或简称为核)
- 3.2 图像平滑
- 3.2.1 均值滤波
- 3.2.2 高斯滤波
- 3.2.3 中值滤波
- 3.2.4 双边滤波
- 3.3 图像锐化
- 3.4 图像处理中的常用滤波器
- 总结
- 系列链接
0. 前言
图像处理技术是计算机视觉项目的核心,通常是计算机视觉项目中的关键工具,可以使用它们来完成各种计算机视觉任务。因此,如果要构建计算机视觉项目,就需要对图像处理有足够的了解。在本文中,将介绍计算机视觉项目中常见的图像处理技术,主要包括图像的几何变换和图像滤波等。
1. 拆分与合并通道
再进行图像处理时,有时我们仅需要使用特定通道。因此,必须首先将多通道图像拆分为多个单通道图像,为了拆分通道,可以使用cv2.split()函数,cv2.split()函数将源多通道图像拆分为多个单通道图像。此外,处理完成后,可能希望将多个的单通道图像合并创建为一个多通道图像,为了合并通道,可以使用cv2.merge()函数,cv2.merge()函数将多个单通道图像合并为一个多通道图像。
使用cv2.split()函数,从加载的BGR图像中获取三个通道:
# 通道拆分image=cv2.imread('sigong
编程学习
技术分享
实战经验