纵马踏花向自由

OpenCV算法专栏列表

在三维网格处理中，剖分（Subdivision）是一种用于增加网格顶点和面片数量的技术，目的是使网格更加精细和平滑。Open3D 提供了一些基本的剖分方法，可以将现有的网格细化，以获得更高分辨率的模型

在 OpenCV 和 NumPy 中，深拷贝和浅拷贝的概念非常重要，特别是在处理图像时。下面是深拷贝和浅拷贝的原理、区别、应用，以及实现代码和解释。

Jet 颜色映射和 HSV 颜色空间在图像可视化中的使用各有其优势和应用场景。以下是两者的对比，以及 Jet 颜色映射在特定场景中的优势：

使用 OpenCV 进行相机标定，通常需要拍摄多张包含棋盘格标定板的图像，然后通过这些图像计算相机的内参和畸变系数。OpenCV中使用使用非线性最小二乘法（如 Levenberg-Marquardt 算法）来最小化重投影误差，即实际图像点与由相机模型预测的图像点之间的误差。通过迭代优化，函数求解出相机的内参、畸变系数以及每张图像的外参。

cv2.solvePnP 是 OpenCV 中用于估计对象姿态的函数。它计算从 3D 点到 2D 图像点的变换，包括旋转和位移。

.npz 是 NumPy 的压缩文件格式，用于存储多个 NumPy 数组。.txt 文件是纯文本文件，用于存储人类可读的文本数据。

寻找棋盘格角点（Checkerboard Corners）是计算机视觉中相机标定（Camera Calibration）过程的重要步骤。OpenCV 提供了函数 cv2.findChessboardCorners 来检测棋盘格图像中的角点，该函数会从图像的左上角开始扫描，以一定的步长（步长由棋盘格的大小和图像分辨率决定）逐行或逐列地寻找具有棋盘格特征的区域。在找到棋盘格特征后，函数会进一步处理这些区域，确定精确的角点位置，并按照从左到右、从上到下的顺序排列这些角点。这些角点用于标定相机

OpenCV中的灰度直方图是一个关键的工具，用于分析和理解图像的灰度分布情况。直方图的熵是图像分析中的一个重要概念，它用于量化图像中信息的复杂性和不确定性。熵的概念源自信息论，表示系统的不确定性或混乱程度。对于图像直方图而言，熵的高低反映了图像灰度分布的复杂性和信息量。

最小外包围矩形（Minimum Bounding Rectangle, MBR）在计算机视觉和图像处理中的意义和应用非常广泛。它是指能够完全包围目标的最小矩形，其主要特性是矩形的面积最小，并且边与目标最紧密。

在项目或代码测试中，总是会遇到结合opencv显示窗体来显示图像，便于观察图像处理效果，于是记录一下，免得忘记，用的东西实在是太多了，编程语言也用的太混了。好在我头脑比较清晰，因为一个都记不住，所以还是记一下吧。

近期在做yolov8的实例分割，在一张图中可以分割出多个目标，那对应的掩膜就会有多个，不想通过遍历每个掩膜再合并成一个的方式。所以通过numpy进行多个掩膜的合并。