当前位置：首页 > news >正文

day35图像处理OpenCV

news 来源：原创 2025/7/18 18:08:22

文章目录

一、图像预处理
- 17 直方图均衡化
- 19 模板匹配

一、图像预处理

17 直方图均衡化

直方图：反映图像像素分布的统计图，横坐标就是图像像素的取值，纵坐标是该像素的个数。也就是对一张图像中不同像素值的像素个数的统计。
增加对比度：黑的更黑，白的更白。

17.1绘制直方图

就是以像素值为横坐标，像素值的个数为纵坐标绘制一个统计图。

关键3步
hist=cv2.calcHist(images, channels, mask, histSize, ranges)
- 作用
  - 统计像素出现的次数
- 参数
  - images：输入图像列表，可以是一幅或多幅图像（通常是灰度图像或者彩色图像的各个通道）。
  - channels：一个包含整数的列表，指示在每个图像上计算直方图的通道编号。如果输入图像是灰度图，它的值就是 [0]；如果是彩色图像的话，传入的参数可以是 [0]，[1]，[2] 它们分别对应着通道 B，G，R。
  - mask（可选）：掩模，非黑色区域（目标区域）参与直方图计算的区域；None为全部计算。
  - histSize：一个整数列表，也就是直方图的区间个数(BIN 的数目)。用中括号括起来，例如：[256]。
  - ranges：每维数据的取值范围，它是一个二维列表，每一维对应一个通道的最小值和最大值，例如对灰度图像可能是 [0, 256]。
- 返回值
  - hist：是一个长度为255的数组，数组中的每个值表示图像中对应灰度等级的像素计数
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)
- 参数：hist是上面的返回值数组
- 返回值：
  - 获取直方图的最小值、最大值及其对应最小值的位置索引、最大值的位置索引
cv2.line(img, pt1, pt2, color, thickness)
- img：原始图像，即要在上面画线的numpy数组（一般为uint8类型）。
- pt1 和 pt2：分别为线段的起点和终点坐标，它们都是元组类型
- color：线段的颜色
- thickness：线段的宽度，默认值是1

示例：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as pltdef draw():img = cv.imread('./images/lvbo.png')# 统计像素出现的次数hist = cv.calcHist(img, [0], None, [256], [0, 256])print(hist.shape)# 获取最大和最小值的个数 和 索引（在hist数组中）minval, maxval, minloc, maxloc = cv.minMaxLoc(hist)# 创建全黑图像，用于绘制直方图hist_img = np.zeros([256, 256, 3], np.uint8)for i in range(256):# 除最大值：将所有出现的个数归一化(0~1)# 乘0.9*255：将所有个数限制在 0~0.9*255 之间h = int(hist[i].item() / maxval * (0.9*256))cv.line(hist_img,(i, 256),(i, 256-h), (255, 255, 255), 1)cv.imshow('hist', hist_img)cv.waitKey(0)cv.destroyAllWindows()
draw()

17.2直方图均衡化

一副效果好的图像通常在直方图上的分布比较均匀，直方图均衡化就是用来改善图像的全局亮度和对比度。

直方图均衡化作用：
- 增强对比度
- 提高图像质量

1. 自适应直方图均衡化

自适应直方图均衡化（Adaptive Histogram Equalization, AHE），通过调整图像像素值的分布，使得图像的对比度和亮度得到改善。

语法：
- dst = cv.equalizeHist(imgGray)
参数：灰度图

imgGray为需要直方图均衡化的灰度图，返回值为处理后的图像

优点：方法适用于图像的灰度分布不均匀，且灰度分布集中在更窄的范围，图像的细节不够清晰且对比度较低的情况。

缺点：会出现太亮的部分，会出现特征丢失

示例

img = cv.imread('./images/lvbo.png')
img = cv.resize(img, (256, 256))
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
h = cv.equalizeHist(gray)
cv.imshow('gray', gray)
cv.imshow('h', h)
cv.waitKey(0)
cv.destroyAllWindows()

2. 对比度受限的自适应直方图均衡化

很明显，因为全局调整亮度和对比度的原因，脸部太亮，大部分细节都丢失了。自适应均衡化就是用来解决这一问题的：它在每一个小区域内（默认8×8）进行直方图均衡化。当然，如果有噪点的话，噪点会被放大，需要对小区域内的对比度进行了限制，所以这个算法全称叫：对比度受限的自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization, CLAHE)。

其主要步骤为：

图像分块（Tiling）：
- 图像首先被划分为多个不重叠的小块（tiles）。这样做的目的是因为在全局直方图均衡化中，单一的直方图无法反映图像各个局部区域的差异性。通过局部处理，AHE能够更好地适应图像内部的不同光照和对比度特性。（tiles 的大小默认是 8x8）
计算子区域直方图：
- 对于每个小块，独立计算其内部像素的灰度直方图。直方图反映了该区域内像素值的分布情况。
子区域直方图均衡化：
- 对每个小块的直方图执行直方图均衡化操作。这涉及重新分配像素值，以便在整个小块内更均匀地分布。均衡化过程会增加低频像素的数量，减少高频像素的数量，从而提高整个小块的对比度。
对比度限制（Contrast Limiting）：
- 如果有噪声的话，噪声会被放大。为了防止过大的对比度增强导致噪声放大，出现了限制对比度自适应直方图均衡化（CLAHE）。CLAHE会在直方图均衡化过程中引入一个对比度限制参数。当某一小块的直方图在均衡化后出现极端值时，会对直方图进行平滑处理（使用线性或非线性的钳制函数），确保对比度增强在一个合理的范围内。
重采样和邻域像素融合：
- 由于小块之间是不重叠的，直接拼接经过均衡化处理的小块会产生明显的边界效应。因此，在CLAHE中通常采用重采样技术来消除这种效应，比如通过双线性插值将相邻小块的均衡化结果进行平滑过渡，使最终图像看起来更为自然和平滑。
合成输出图像：
- 将所有小块均衡化后的结果整合在一起，得到最终的自适应直方图均衡化后的图像。

语法：
- clahe = cv2.createCLAHE(clipLimit=None, tileGridSize=None)
  - clipLimit（可选）：对比度限制参数，用于控制直方图均衡化过程中对比度增强的程度。如果设置一个大于1的值（如2.0或4.0），CLAHE会限制对比度增强的最大程度，避免过度放大噪声。如果不设置，OpenCV会使用一个默认值。
  - tileGridSize（可选）：图像分块的大小，通常是一个包含两个整数的元组，如(8, 8)，表示将图像划分成8x8的小块进行独立的直方图均衡化处理。分块大小的选择会影响到CLAHE的效果以及处理速度。
创建CLAHE对象后，可以使用 .apply() 方法对图像进行CLAHE处理：
- img=clahe.apply(image)
  - image:要均衡化的图像。
  - img均衡后的图像

3. 示例

import cv2 as cv
import numpy as np
# 绘制直方图的方法
def draw(img):# 统计像素出现的次数hist = cv.calcHist([img], [0], None, [256], [0, 256])# 获取最大和最小值的个数 和 索引（在hist数组中）minval, maxval, minloc, maxloc = cv.minMaxLoc(hist)# 创建全黑图像，用于绘制直方图hist_img = np.zeros([256, 256, 3], np.uint8)for i in range(256):# 除最大值：将所有出现的个数归一化(0~1)# 乘0.9*255：将所有个数限制在 0~0.9*255 之间h = int(hist[i].item() / maxval * (0.9 * 256))cv.line(hist_img, (i, 256), (i, 256 - h), (255, 255, 255), 1)return hist_img
# 均衡化的两个方法
def draw3():img = cv.imread('./images/zhifang.png')gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 绘制灰度图的直方图hts_fray = draw(gray)# 普通的直方图均衡化eqe = cv.equalizeHist(gray)hts_eqe = draw(eqe)# 绘制直方图# 对比度受限的均衡化clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))img_clahe = clahe.apply(gray)hts_clahe = draw(img_clahe) # 绘制CLAHE后的直方图cv.imshow('hts_fray', hts_fray)cv.imshow('hts_eqe', hts_eqe)cv.imshow('hts_clahe', hts_clahe)cv.waitKey(0)cv.destroyAllWindows()
draw3()

输出

在这里插入图片描述

19 模板匹配

未完待续…

day35图像处理OpenCV

文章目录一、图像预处理17 直方图均衡化17.1绘制直方图17.2直方图均衡化1. 自适应直方图均衡化2. 对比度受限的自适应直方图均衡化3. 示例 19 模板匹配一、图像预处理 17 直方图均衡化直方图：反映图像像素分布的统计图，横坐标就是图像像素的取值&…...

编程日记 2025/7/18 18:08:22

精益数据分析（15/126）：解锁数据分析关键方法，驱动业务增长

精益数据分析（15/126）：解锁数据分析关键方法，驱动业务增长在创业与数据分析的征程中，我们都在努力探寻成功的密码。今天，我依旧带着和大家共同进步的初衷，深入解读《精益数据分析》的相关内容…...

编程日记 2025/7/18 23:27:23

JETBRAINS USER AGREEMENT【2025.4.16】更新用户许可协议

JETBRAIN旗下的各产品更新用户许可协议： 大致跟漂亮国出口管制政策有关，以下是详细内容： JETBRAINS USER AGREEMENT Version 2.0, effective as of April 16, 2025 THIS IS A LEGAL AGREEMENT. BY CLICKING ON THE "I AGREE" (OR…...

编程日记 2025/7/18 23:17:10

【数字图像处理】立体视觉基础（1）

成像成像过程：三维空间坐标到二维图像坐标的变换相机矩阵：建立三维到二维的投影关系相机的使用步骤（模型-视图变换）： （1）视图变换 （2）模型变换 （3&…...

编程日记 2025/7/18 23:06:51

通过AI工具或模型创建PPT的不同方式详解，结合 Assistants API、DALL·E 3 等工具的功能对比及表格总结

以下是通过AI工具或模型创建PPT的不同方式详解，结合 Assistants API、DALLE 3 等工具的功能对比及表格总结： 1. 主要实现方式详解 1.1 基于文本生成PPT 工具示例：Microsoft PowerPoint Copilot、Google Workspace（AI-powered D…...

编程日记 2025/7/18 23:13:09

weibo_har鸿蒙微博分享，单例二次封装，鸿蒙微博，微博登录

weibo_har鸿蒙微博分享，单例二次封装，鸿蒙微博 HarmonyOS 5.0.3 Beta2 SDK，原样包含OpenHarmony SDK Ohos_sdk_public 5.0.3.131 (API Version 15 Beta2) 🏆简介 zyl/weibo_har是微博封装使用，支持原生core使用 &a…...

编程日记 2025/7/18 23:37:17

C++ Lambda表达式复习

C Lambda表达式 (C Lambda Expressions: Beginner to Advanced) Lambda表达式是C11引入的一种轻量级匿名函数语法，支持闭包捕获，可以简化代码逻辑，特别是在函数式编程、回调函数和STL算法场景中尤为常用。本文将从基础语法到高级应用&#x…...

编程日记 2025/7/18 23:05:59

鸿蒙NEXT开发权限工具类（申请授权相关）（ArkTs）

import abilityAccessCtrl, { Permissions } from ohos.abilityAccessCtrl; import { bundleManager, common, PermissionRequestResult } from kit.AbilityKit; import { BusinessError } from ohos.base; import { ToastUtil } from ./ToastUtil;/*** 权限工具类（…...

编程日记 2025/7/18 17:51:52

1000 QPS 下 MySQL 性能瓶颈解决方案

当 MySQL 在 1000 QPS 时出现性能瓶颈，需从‌索引优化‌、‌查询逻辑调整‌、‌服务器配置调优‌、‌架构扩展‌等多维度综合解决，具体策略如下： 一、索引优化补充缺失索引‌ 通过慢查询日志定位高频低效 SQL，使用 EXPLAIN 分…...

编程日记 2025/7/18 16:25:23

【MySQL】MySQL 表的增删改查（CRUD）—— 下篇（内含聚合查询、group by和having子句、联合查询、插入查询结果）

目录 1. 插入查询结果 2 聚合查询 （行与行之间运算） count 计算查询结果的行数 sum 求和 avg 求平均值 max 最大值 min 最小值【小结】 3. group by 子句分组 where 条件 having 条件 4. 联合查询（多表查询） 内连接…...

编程日记 2025/7/18 4:51:21

简化K8S部署流程：通过Apisix实现蓝绿发布策略详解（上）

本次主题主要目的是为大家讲解蓝绿发布，但是发现文档和内容太长了，对此将文档拆分成了两部分，视频拆分成了好几部分，这样大家刷起来没疲劳感。第一部分《apisix argorollout 实现蓝绿发布I-使用apisix发布应用》，主要…...

编程日记 2025/7/18 20:00:54

FLV 与 MP4 格式深度剖析：结构、原理

1 FLV格式分析 1.1 定义 FLV(Flash Video)是Adobe公司推出的⼀种流媒体格式，由于其封装后的⾳视频⽂件体积⼩、封装简单等特点，⾮常适合于互联⽹上使⽤。⽬前主流的视频⽹站基本都⽀持FLV。采⽤FLV格式封装的⽂件后缀为.flv FLV封装格式是由⼀个**⽂件…...

编程日记 2025/7/18 23:34:44

k8s的yaml文件里的volume跟volumeMount的区别

volume 是 Pod 级别的资源，用于定义存储卷。它是一个独立于容器的存储资源，可以被一个或多个容器共享使用。volume 的定义位于 Pod 的 spec.volumes 部分。特点独立性：volume 是 Pod 的一部分，而不是容器的一部分。它独立于容…...

编程日记 2025/7/18 23:40:30

Git常用操作命令

配置 Git git config --global user.name "Your Name": 设置用户名。git config --global user.email "your_emailexample.com": 设置用户邮箱。初始化和克隆仓库 git init: 初始化一个新的 Git 仓库。git clone [URL]: 克隆一个远程仓库到本地。 git cl…...

编程日记 2025/7/18 5:02:30

09.传输层协议 ——— TCP协议

文章目录 TCP协议谈谈可靠性TCP协议格式序号与确认序号窗口大小六个标志位确认应答机制（ACK）超时重传机制连接管理机制三次握手四次挥手流量控制滑动窗口拥塞控制延迟应答捎带应答面向字节流粘包问题TCP异常情况TCP小结基于TCP的应用层协议 TCP协…...

编程日记 2025/7/18 10:34:48

NineData 与飞书深度集成，企业级数据管理审批流程全面自动化

NineData 正式推出与飞书审批系统的深度集成功能，企业用户在 NineData 平台发起的审批工单，将自动推送至审批人的飞书中，审批人可以直接在飞书进行审批并通过/拒绝。该功能实现跨系统协作，带来巨大的审批效率提升，为各…...

编程日记 2025/7/18 23:27:23

WebRTC服务器Coturn服务器中的通信协议

1、概述作为WebRTC服务器，coturn通信协议主要是STUN和TURN协议 STUN&TURN协议头部都是20个字节,用 Message Type来区分不同的协议 |------2------|------2------|------------4------------|------------------------12-------------------------|-----------…...

编程日记 2025/7/18 23:39:20

4.19除自身以外数组的乘积

我自己的思路，想用双指针， 一个从左边left开始乘，一个从右边right开始乘，如果left,或者right遇到了目标索引i(也就是我们要跨过去的当前元素)，那么直接让对应的指针加一，当前元素不参与累积的计算&#xff…...

编程日记 2025/7/18 23:17:09

Anaconda3使用conda进行包管理

一、基础包管理操作 ‌安装包‌ 使用 conda install <包名> 安装指定包，支持多包批量安装和版本指定： conda install numpy # 安装单个包 conda install numpy scipy pandas # 批量安装多个包 conda install numpy1.21 # 指定版本 conda instal…...

编程日记 2025/7/18 1:30:27

媒体关注：联易融聚焦AI+业务，重塑供应链金融生态

近日，供应链金融科技龙头企业联易融科技集团（以下简称“联易融”）发布的公告显示，截至2024年末，公司现金储备达51亿元，同比上一年增加2亿元。公司称，公司经营性现金流保持健康，现金储…...

编程日记 2025/7/18 23:16:10

安装 Conda 环境

安装 Conda 环境：快速指南什么是 Conda？ Conda 是一个开源的跨平台包管理器和环境管理系统，支持 Python、R、Julia 等语言。它广泛用于数据科学和机器学习领域，能够轻松创建、管理和切换开发环境。安装步骤 1. 安装 Anaconda…...

编程日记 2025/7/18 23:23:34

Qt Creator 创建 Qt Quick Application一些问题

一、Qt Creator 创建 Qt Quick Application 时无法选择 MSVC 编译器（即使已安装 Qt 5.15.2 和 MSVC2019） 1、打开 Qt Creator 的编译器设置工具 (Tools) → 选项 (Options) → Kits → 编译器 (Compilers) 检查是否存在 Microsoft Visual C++ Compiler (x86_amd64) 或类似条…...

编程日记 2025/7/18 22:59:11

Spark-Streaming核心编程

以下是今天所学的知识点与代码测试： Spark-Streaming DStream实操案例一：WordCount案例需求：使用 netcat 工具向 9999 端口不断的发送数据，通过 SparkStreaming 读取端口数据并统计不同单词出现的次数实验步骤：…...

编程日记 2025/6/29 11:25:19

深度剖析神经网络：从基础原理到面试要点（二）

引言在人工智能蓬勃发展的今天，神经网络作为其核心技术之一，广泛应用于图像识别、自然语言处理、语音识别等众多领域。深入理解神经网络的数学模型和结构，对于掌握人工智能技术至关重要。本文将对神经网络的关键知识点进行详细解析&#xf…...

编程日记 2025/7/16 17:37:39

c#操作excel

说明 vs2022开发，调用excel 代码 using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.IO; using System.Linq; using System.Text; using System.Threading.Tasks; using Sy…...

编程日记 2025/7/18 20:00:48

MQTTX + MCP：MQTT 客户端秒变物联网 Agent

引言：MQTTX 与 MCP 的融合作为最受欢迎的 MQTT 客户端工具，MQTTX 在 1.12.0 beta 版本中集成了模型上下文协议（MCP）到 Copilot AI 功能中，显著提升了服务能力。这一融合让 MQTTX 转变为 MCP Host（也就是发…...

编程日记 2025/6/29 9:35:03

GSAP 动画引擎实战：打造丝滑动效交互组件库

目录一、前言二、项目初始化三、核心动效组件实战1. 元素淡入组件：FadeIn.vue2. 列表级联动画：SlideList.vue3. 滚动触发 Reveal 动画：ScrollReveal.vue4. 拖拽盒子组件：DraggableBox.vue5. 打字机效果组件：Typewrite…...

编程日记 2025/7/17 13:52:46

[OpenGL] Lambertian材质漫反射BRDF方程的解释与推导

一、简介本文简单的介绍了 Physical Based Rendering, PBR 中的 Lambertian 材质漫反射BRDF公式 f r l a m b e r t i a n c d i f f π fr_{lambertian}\frac{c_{diff}}{\pi} frlambertianπcdiff的推导。二、漫反射项根据渲染方程： L o ( v ) ∫ …...

编程日记 2025/6/29 11:20:09

网易云音乐如何修改缓存地址到D盘

你可以通过创建符号链接（Symbolic Link） 将网易云音乐的缓存目录转移到D盘，无需修改软件设置。以下是具体步骤： 操作步骤关闭网易云音乐确保程序完全退出（任务栏右下角无残留进程）。备份并移动原缓存文…...

编程日记 2025/6/29 11:28:51

react使用01

React.cloneElement(element,props,…children) 这个是React的官方API，，主要用于克隆并修改React元素，， 本质： 复制一个已有的React元素，并允许你修改他的props element : 必须是一个有效的element元素p…...

编程日记 2025/6/29 9:35:16

yooAsset打包后材质丢失

以安卓为目标平台打出的AssetBundle包（尤其是YooAsset打出的），在Window下Unity编辑器以HostPlayMode运行，有时显示会丢失部分材质。这是因为安卓目标的AssetBundle包适合OpenglES，而window下Unity编辑器模式是Dx11&a…...

编程日记 2025/6/29 19:36:43

Codeforces Round 1019 (Div. 2)

A. Common Multiple 找不同的数字 #include<iostream> #include<vector> #include<algorithm> using namespace std; int main() {int t; cin >> t;while (t--) {int n;cin >> n;vector<int> a(n);for (int i 0; i < n; i)cin >&…...

编程日记 2025/6/29 11:36:49

【Spring Boot】MyBatis多表查询的操作：注解和XML实现SQL语句

1.准备工作 1.1创建数据库 （1）创建数据库： CREATE DATABASE mybatis_test DEFAULT CHARACTER SET utf8mb4;（2）使用数据库 -- 使⽤数据数据 USE mybatis_test;1.2 创建用户表和实体类创建用户表 -- 创建表[⽤⼾表…...

编程日记 2025/7/12 1:31:36

Docker离线安装与配置指南

Docker离线安装与配置指南离线安装步骤 1. 下载离线安装包官方下载地址： https://download.docker.com/linux/static/stable/x86_64/注意：国内用户若无法访问，可能需要使用科学上网工具。本文档以Docker 20.10.23版本为例。 2. 安装与部…...

编程日记 2025/6/29 9:35:17

N8N 官方 MCP 节点实战指南：AI 驱动下的多工具协同应用场景全解析

在低代码自动化领域，N8N 凭借其强大的节点扩展能力和灵活的工作流编排，成为企业构建复杂自动化流程的首选工具。随着 AI Agent 技术的兴起，通过 MCP（Multi-Tool Coordination Protocol）实现 AI 与外部工具的协同调用&a…...

编程日记 2025/6/29 12:24:41

v-html 显示富文本内容

返回数据格式： 只有图片名称显示不出完整路径解决方法：在接收数据后手动给img格式的拼接vite.config中的服务器地址页面： <el-button click"">获取信息<el-button> <el-dialog v-model&…...

编程日记 2025/7/2 22:45:06

UWB与GPS技术融合的室内外无缝定位方案

‌ 一、技术原理与互补性‌ ‌双模定位机制‌ ‌室外场景‌：GPS/北斗提供‌10-30厘米级定位精度‌（RTK技术辅助），覆盖露天区域。‌室内场景‌：UWB通过‌TOF/TDOA算法‌实现‌10-50厘米级定位精度‌，穿透金…...

编程日记 2025/7/8 0:41:35

AiEditor v1.3.8 发布

2025 年 4 月 22 日，AI 富文本编辑器 AiEditor 发布了 v1.3.8 版本。 AiEditor 是一个面向 AI 的下一代富文本编辑器，基于 Web Component 开发，支持 Layui、Vue、React、Angular 等几乎任何前端框架，适配 PC Web 端和手机端&#…...

编程日记 2025/6/29 12:20:21

从零学会epoll的使用和原理

从零学会epoll的使用和原理第一步：理解 select / poll 的缺陷一、select 和 poll 是什么？ 它们是 Linux 提供的 I/O 多路复用机制，可以让我们同时监听多个文件描述符（fd），比如 socket，来等…...

编程日记 2025/6/29 12:17:53

XHTMLConverter把docx转换html报java.lang.NullPointerException异常

一.报错 1.报错信息 org.apache.poi.xwpf.converter.core.XWPFConverterException: java.lang.NullPointerExceptionat org.apache.poi.xwpf.converter.xhtml.XHTMLConverter.convert(XHTMLConverter.java:77)at org.apache.poi.xwpf.converter.xhtml.XHTMLConverter.doConve…...

编程日记 2025/7/5 2:39:02