我們可以使用 cv2.distanceTransform() 方法執行距離變換。以下是此方法的語法。語法 cv2.distanceTransform(src, distanceType, maskSize) 此方法接受以下引數 - src - 8 位，單通道（二值）源影像。distanceType - 距離的型別。maskSize - 距離變換掩碼的大小。步驟 要對影像執行距離變換，我們可以按照以下步驟操作 - 匯入所需的庫。在以下所有示例中，所需的 Python 庫是 OpenCV。確保您已安裝它。使用 cv2.imread() 讀取輸入影像。使用 ... 閱讀更多

機率霍夫變換是對霍夫變換的最佳化。即使對於具有兩個引數的直線，霍夫變換也需要大量的計算。機率霍夫變換不會考慮所有點，它只考慮點的隨機子集，這對於直線檢測就足夠了。我們可以按照以下步驟在影像上實現機率霍夫變換 - 匯入所需的庫。在以下所有示例中，所需的 Python 庫是 OpenCV。確保您已安裝它。使用 cv2.imread() 讀取輸入影像。使用 ... 閱讀更多

我們應用傅立葉變換來分析各種濾波器的頻率特性。我們可以使用 np.fft.fft2() 對高斯濾波器和拉普拉斯濾波器應用傅立葉變換。我們使用 np.fft.fftshift() 將零頻率分量移到頻譜的中心。步驟 要找到高斯或拉普拉斯濾波器的傅立葉變換，可以按照以下步驟操作 - 匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 OpenCV、Numpy 和 Matplotlib。確保您已安裝它們。定義高斯或拉普拉斯濾波器。對上述定義的 ... 閱讀更多

離散傅立葉變換 (DFT) 和逆離散傅立葉變換 (IDFT) 應用於影像以查詢頻域。要查詢影像的傅立葉變換，我們使用函式 cv2.dft() 和 cv2.idft()。我們可以應用傅立葉變換來分析各種濾波器的頻率特性。步驟 要找到輸入影像的傅立葉變換，可以按照以下步驟操作 - 匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 OpenCV、Numpy 和 Matplotlib。確保您已安裝它們。將輸入影像載入為灰度影像 ... 閱讀更多

在 OpenCV 中，我們使用 cv2.calcHist() 函式計算影像的直方圖。我們可以使用此函式計算影像區域的直方圖。要計算影像中某個區域的直方圖，首先我們定義一個掩碼。掩碼中的白色表示要檢查原始輸入影像中的區域，掩碼影像中的黑色表示要忽略的區域。現在我們計算直方圖，將此掩碼作為引數傳遞給該函式。步驟 要計算和繪製圖像區域的直方圖，可以 ... 閱讀更多

我們可以應用 cv2.calcHist() 函式計算影像的二維直方圖。彩色影像有三個通道 - 紅色、綠色和藍色。我們可以一次計算兩個顏色通道的二維直方圖。因此，我們有三種顏色通道組合，每次取兩個 - 紅色和綠色（或綠色和紅色）、綠色和藍色（或藍色和綠色）以及藍色和紅色（或紅色和藍色）。步驟 要計算和繪製輸入影像的二維直方圖，可以按照以下步驟操作 - 匯入所需的庫 OpenCV 和 matplotlib。 ... 閱讀更多

我們使用 cv2.threshold() 將灰度影像轉換為二值影像。要將彩色影像轉換為二值影像，我們首先使用 cv2.cvtColor() 將彩色影像轉換為灰度影像，然後對灰度影像應用 cv2.threshold()。步驟 可以按照以下步驟將彩色影像轉換為二值影像 - 匯入所需的庫。在以下所有示例中，所需的 Python 庫是 OpenCV。確保您已安裝它。使用 cv2.imread() 讀取輸入影像。使用此方法讀取的 RGB 影像是 BGR 格式。可以選擇分配讀取的 ... 閱讀更多

我們可以使用 cv2.pointPolygonTest() 計算點到影像上輪廓的最短距離，將輪廓點座標和點座標作為引數傳遞。在應用 cv2.pointPolygonTest() 之前，我們需要計算影像中的輪廓。我們可以按照以下步驟查詢影像中物件輪廓的給定點到輪廓的最短距離 - 匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 OpenCV。確保您已安裝它。使用 cv2.imread() 讀取輸入影像。使用 ... 閱讀更多

我們可以使用 cv2.bitwise_not() 對影像執行按位非運算。以下是對影像執行按位非運算的語法 - cv2.bitwise_not(img) 步驟 要對影像計算按位非，您可以按照以下步驟操作 - 匯入所需的庫。在以下所有示例中，所需的 Python 庫是 OpenCV。確保您已安裝它。使用 cv2.imread() 方法將輸入影像讀取為灰度影像。使用影像型別（即 png 或 jpg）指定影像的完整路徑。使用 ... 閱讀更多

我們使用函式 cv2.normalize() 在 OpenCV 中歸一化影像。此函式接受引數 - src、dst、alpha、beta、norm_type、dtype 和 mask。src 和 dst 是輸入影像和與輸入大小相同的輸出，alpha 是範圍歸一化的較低範數值，beta 是範圍歸一化的較高範數值，norm_type 是歸一化型別，dtype 是輸出的資料型別，mask 是可選的操作掩碼。步驟 要歸一化影像，我們可以按照以下步驟操作 - 匯入所需的庫。在以下所有示例中，所需的 Python 庫是 OpenCV。 ... 閱讀更多