darkfunct / opencv_train

记录图像处理相关算法openv实现

opencv_train

记录图像处理常用算法及其opencv实现。

---

颜色空间转换

参考opencv函数cvtColor，实现RGB、BGR、GRAY等颜色空间转换，示例代码可以参考ColorChange。

• RGB2GRAY $$gray = 0.299r + 0.587g + 0.114*b$$ RGB颜色空间转换为灰度图。
• BGR2HSV HSV颜色空间为亮度、饱和度和对比度，可以用来捕捉某些特定颜色的物体（H）。

cvtColor

---

图形绘制

在图像中绘制直线、圆、椭圆、矩形、文字等，实现可参考ImageDraw。

---

图像滤波

介绍中值滤波、双线性滤波、高斯滤波等常用图像滤波算法，实现可参考ImageFilter。

---

阈值化操作

增加阈值化介绍，包括简单阈值和自适应阈值。

---

图像算术

介绍常用图像算术操作，包括add、sub等，实现可参考ImageOperate。

---

图像梯度

介绍常用图像梯度计算操作，包括sobel、laplacian等，实现可参考ImageGradient。

---

几何变换

介绍图像常用几何变换，包括图像平移、图像旋转、图像缩放等，实现可参考ImageTransform。

---

视频操作

介绍OpenCV中常用视频操作，包括read帧，write帧等，实现可参考VideoOperate。

---

霍夫变换

介绍霍夫变换在直线、圆检测上的原理和应用，实现可参考hough_transform。

---

Canny边缘检测

Canny边缘检测是一种非常流行的边缘检测算法，是John在1986年提出的，实现可参考CannyDetection，使用numpy对每一步进行了实现。

Wasnik_01_01.ipynb

Canny边缘检测算法的实现

Canny算法 边缘检测

---

图像金字塔

一般情况下，我们要处理一副具有固定分辨率的图像，但是在有些情况下，我们需要对同一图像的不同分辨率的子图像进行处理。比如，我们要在一副图像中查找某个目标，比如脸，我们不知道目标在图像中的尺寸大小。这种情况下，我们需要创建一组图像，这些图像是具有不同分辨率的原始图像，这些图像构成了图像金字塔（同一图像的不同分辨率的子图集合），实现可参考Pyramid。

---

图像特征与描述

角点corner是一个好的图像特征。找到图像特征的技术被称为特征检测。特征匹配使用特征描述。

---

Harris角点检测

角点特性：像任何方向移动变化都很大。其中Harris角点是Harris和Mike在1988年提出的，他将这个特性转换为数学形式，即窗口想各个方向移动(u,v)然后计算所有差异的总和，公式如下： $$E(u,v)=\sum_{x,y}{w(x,y)[I(x+u, y+v)-I(x,y)]^2}$$

---

SIFT特征提取

介绍SIFT特征提取。

---

插值算法

增加插值算法，包括双线性插值，线性插值，主要应用在图像缩放上。

線性內插(Interpolation)

双线性插值(Bilinear Interpolation)

---

BOF词袋模型

增加bag of feature词袋模型。

---

常用函数

RGB2BGR

import cv2
def bgr_to_rgb(bgr):
    rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB)
    return rgb
def rgb_to_bgr(rgb):
    bgr = cv2.cvtColor(rgb, cv2.COLOR_RGB2BGR)
    return bgr

---

常用算法详解

---

HOG

增加HOG详解。

---

Haar

增加Haar描述子详解。

---

LBP

增加LBP描述子详解，实现理解相关资料参考lbp。

---

光流算法

增加光流相关算法。

---

角点检测的FAST算法

增加角点检测的FAST算法。

---

常用函数

---

计算梯度$g_x$和$g_y$的幅值和方向

$$g=\sqrt{g_x^2+g_y^2}$$ $$\theta=\arctan{\frac{g_y}{g_x}}$$

# Python gradient calculation
# Read image
import cv2
import numpy as np
im = cv2.imread('lena.jpg')
im = np.float32(im) / 255.0
# Calculate gradient
gx = cv2.Sobel(im, cv2.CV_32F, 1, 0, ksize=1)
gy = cv2.Sobel(im, cv2.CV_32F, 0, 1, ksize=1)
# Python Calculate gradient magnitude and direction ( in degrees )
mag, angle = cv2.cartToPolar(gx, gy, angleInDegrees=True)

Histogram of Oriented Gradients

---

源码分析

增加源码分析，参考OpenCV源码分析

---

参考资料

CAP 5415 - Computer Vision 按照公开课学习。

OpenCV-Python-Tutorial 该仓库是OpenCV-Python代码，其中有大量开源代码和示例数据。

opencv python2 samples opencv仓库中python相关示例。

ComputerVision github 作者也是基于大量的代码结合公式进行分类。