关注微信公众号【OpenCV学堂】

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V, ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料V ： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料, V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。送相关学习资料，V： OpenCVXueTang_Asst

专栏代码全部基于C++ 与Python双语演示。进贾老师OpenCV学堂交流群，+ V： OpenCVXueTang_Asst

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。进贾老师OpenCV学堂交流群，+ V： OpenCVXueTang_Asst

前面我们介绍的图像卷积处理无论是均值还是高斯都是属于模糊卷积，它们都有一个共同的特点就是模糊之后图像的边缘信息不复存在，受到了破坏，我们今天介绍的滤波方法有能力通过卷积处理实现图像模糊的同时对图像边缘不会造成破坏，滤波之后的输出完整的保存了图像整体边缘(轮廓)信息，我们称这类滤波算法为边缘保留滤波算法(EPF)。Meanshift均值迁移模糊是另一种边缘保留滤波算法，它通过迭代的方式寻找数据点的密集区域，并在该区域内进行均值迁移，从而实现图像的模糊处理。python 代码演示。

不同的图像去噪声方法各有优缺点，适用于不同的应用场景。在实际应用中，需要根据图像的特点和噪声类型选择合适的去噪方法。同时，也可以考虑结合多种去噪方法，以达到更好的去噪效果。

椒盐噪声是一种在图像中随机出现的稀疏分布的黑白像素点。其中，“椒”代表黑色（亮度较低）的噪声点，而“盐”代表白色（亮度较高）的噪声点。

中值滤波本质上是统计排序滤波器的一种，中值滤波对图像特定噪声类型(椒盐噪声)会取得比较好的去噪效果也是常见的图像去噪声与增强的方法之一中值滤波也是窗口在图像上移动，其覆盖的对应ROI区域下，所有像素值排序，取中值作为中心像素点的输出值。学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！中值模糊（Median Blur），也称为中值滤波，是一种图像处理技术，它主要用于去除图像中的噪点和细节，从而产生模糊效果。

图像均值与高斯模糊都是图像处理中的常用技术，它们都可以用于平滑图像和去除噪声。然而，它们的工作原理和应用场景有所不同。图像均值处理通过计算像素周围邻域像素的平均值来改变图像的亮度或对比度，而高斯模糊则利用高斯函数对图像进行卷积运算，实现更加平滑和模糊的效果。在实际应用中，可以根据具体需求选择合适的技术来达到预期的图像处理目标。

欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。专栏代码全部基于C++ 与Python双语演示。进交流群，学习更多，+ V： OpenCVXueTang_Asst图像卷积可以看成是一个窗口区域在另外一个大的图像上移动，对每个窗口覆盖的区域都进行点乘得到的值作为中心像素点的输出值。窗口的移动是从左到右，从上到下。窗口可以理解成一个指定大小的二维矩阵，里面有预先指定的值。相关API(C++)blur(src, // 输入InputArrayOutputArray dst,/

具体来说，函数会遍历输入图像的每个像素，并根据直方图模型计算该像素属于目标对象的概率，然后将这个概率值赋给反向投影图像中对应位置的像素。综上所述，图像直方图反向投影是一种有效的图像处理技术，可以用于图像匹配、目标检测等任务。通过计算直方图、比率R、使用LUT查找表、卷积模糊和归一化输出等步骤，可以生成反映目标图像在待处理图像中出现概率或频率的反向投影图像。学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！

图像直方图比较，就是计算两幅图像的直方图数据，比较两组数据的相似性，从而得到两幅图像之间的相似程度，直方图比较在早期的CBIR中是应用很常见的技术手段，通常会结合边缘处理、词袋等技术一起使用。学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！交集的和越大，表示两个直方图越相似。在直方图比较中，它用于测量两个直方图之间的相似度。直方图表示图像中像素值的分布，通过比较两个图像的直方图，可以推断它们之间的相似性。

图像直方图均衡化可以用于图像增强、对输入图像进行直方图均衡化处理，提升后续对象检测的准确率在OpenCV人脸检测的代码演示中已经很常见。此外对医学影像图像与卫星遥感图像也经常通过直方图均衡化来提升图像质量。

图像直方图是图像像素值的统计学特征、计算代价较小，具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类、反向投影跟踪。函数的第二个参数是通道的数量（对于灰度图像是1，对于彩色图像的单个通道也是1），第三个参数是通道索引（对于灰度图像是0，对于彩色图像，0表示蓝色通道，1表示绿色通道，2表示红色通道）。对于灰度图像，我们可能只关心一个通道（即灰度通道），而对于彩色图像，我们可能需要计算多个通道（例如BGR三个通道）的直方图。

OpenCV ROI使用

如何使用OpenCV绘制图形

插值算法的目标是生成高质量的图像，即尽可能保持原始图像的细节和清晰度。图像插值（Image Interpolation）是图像处理中的一个重要技术，用于在图像缩放、旋转、几何变换等操作中计算新像素的值。以下是关于图像插值的一些基本概念、方法以及应用场景的详细解释。学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！通过选择合适的插值方法，可以在保持图像质量的同时，满足特定的计算和资源要求。python 代码演示。

图像编辑之翻转！

OpenCV视频读写

学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！在图像处理中，归一化是一种调整图像像素值范围的过程，以便它们符合特定的分布或范围。函数将其转换回 8 位无符号整数类型，以便可以显示或保存为标准的图像格式。函数来实现这一点，该函数允许你根据不同的归一化类型（中主要用于计算数组的范数，而不是直接用于调整像素值。注意：对于像素值的归一化，通常只使用。OpenCV中提供了四种归一化的方法。），并应用适当的截断和类型转换。

在图像处理中，统计像素值的基本属性（如最小、最大、均值和标准方差）是非常重要的。这些统计量可以帮助我们理解图像的亮度和对比度等特性。在OpenCV中，我们可以使用内置的函数来计算这些统计量。学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！首先，我们需要导入必要的库，并读取图像。然后，我们可以使用OpenCV的函数来计算所需的统计量。替换为你自己的图像文件的路径。python 代码演示。

色彩空间是用于描述和表示颜色的数学模型，不同的色彩空间适用于不同的应用场景。RGB、HSV、YUV和YCrCb是四种常见的色彩空间，它们各自具有独特的特点和应用场景。同时，cvtColor是OpenCV中用于色彩空间转换的函数，而inRange则用于提取指定色彩范围区域。通过选择合适的色彩空间和进行色彩空间转换，可以更有效地处理和分析图像数据。学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！python 代码演示。

通道分离与合并是图像处理中的基础操作，它们允许对图像的各个颜色通道进行单独处理或修改。这些操作在图像增强、色彩校正、图像合成等领域具有广泛的应用价值。在使用这些操作时，需要注意它们的性能和资源消耗，并根据具体需求选择适当的处理方法。