opencv-图像处理

• 彩色图像
  • HSV
    • 色调、饱和度、亮度
  • gray是灰度图像
• 颜色追踪（inRange的使用）
  hsv=cv.cvtColor(frame,cv.COLOR_BGR2HSV)
  lower_hsv=np.array([11,43,46])
  upper_hsv=np.array([25,255,255])
  mask=cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
  • inRange函数是OpenCV库中的一个功能，用于检查图像像素值是否在指定的范围内，并生成一个二值图像。
  • 在OpenCV的inRange函数中，输入参数包括源图像（src）、下界阈值（lowerb）、上界阈值（upperb）以及可选的输出图像（dst）。该函数主要用于将图像中的像素值限制在指定的范围内，通常应用于灰度图像或彩色图像。如果像素值在下界和上界之间，则在输出图像中对应像素被设置为白色（255），否则为黑色（0）。这种处理方式适用于图像分割、目标提取等任务，尤其在CAMShift算法中非常关键。在使用inRange函数时，首先需要确定合适的颜色空间。对于基于颜色的操作，HSV色彩空间通常比RGB色彩空间更加直观和有效。因此，图像通常会从BGR色彩空间转换为HSV色彩空间。例如，若要提取图像中的蓝色对象，可以定义蓝色的下界和上界阈值，然后将这些阈值应用到HSV图像上，从而得到一个二值图像，其中满足条件的像素为白色，不满足条件的像素为黑色。在实际应用中，可以使用以下步骤来实现这一过程。首先，加载图像并将其从BGR色彩空间转换为HSV色彩空间。然后，根据需要提取的颜色范围定义下界和上界阈值。例如，要提取蓝色对象，可以设置下界为(100, 50, 50)、上界为(130, 255, 255)。接下来，调用cv2.inRange()函数并将结果保存在一个掩模（mask）中。最后，可以将此掩模应用于原始图像，仅保留特定颜色范围内的像素。
• 图像平滑的方式
  • 均值滤波（Mean Filtering）：
    • 通过用像素周围的平均值替换每个像素值来平滑图像。
    • 简单但可能会模糊图像的边缘。
  • 高斯滤波（Gaussian Filtering）：
    • 使用高斯函数作为权重的加权平均来平滑图像。
    • 比均值滤波更有效，能够保留更多的图像细节。
  • 中值滤波（Median Filtering）：
    • 将每个像素值替换为其邻域像素值的中位数。
    • 对于去除椒盐噪声特别有效，同时能保持边缘特征。
  • 双边滤波（Bilateral Filtering）：
    • 在保持边缘的同时平滑图像，考虑像素值的强度和距离。
    • 适用于需要保留边缘信息的场景。
  • 最大值/最小值滤波：
    • 使用邻域内的最大值或最小值替换每个像素值。
    • 最大值滤波可以增强亮区域，最小值滤波可以增强暗区域。
  • 双边高斯滤波（Bilateral Gaussian Filter）：
    • 结合了双边滤波和高斯滤波的优点，使用高斯函数进行距离和强度的加权。
  • 局部对比度增强（Local Contrast Enhancement）：
    • 通过增强图像的局部细节来平滑图像，通常用于突出图像的纹理。
  • 频域滤波（Frequency Domain Filtering）：
    • 在频域进行滤波，如使用低通滤波器去除高频噪声。
  • 非局部均值滤波（Non-Local Means）：
    • 考虑图像中所有像素之间的相似性，对噪声进行去除。
  • α-trimmed滤波：
    • 先对邻域内的像素值进行排序，然后去掉一定比例的最小和最大的像素值，取剩余像素的平均值。