机器学习：基于OpenCV和Python的智能图像处理实战------待填坑
- 图像处理基础
- 图像几何变换
-
- [4.1 仿射变换](#4.1 仿射变换)
- [4.2 重映射](#4.2 重映射)
- [4.3 投影变换 4.4 极坐标变换](#4.3 投影变换 4.4 极坐标变换)
- [5 图像直方图处理](#5 图像直方图处理)
- [7 图像阈值处理](#7 图像阈值处理)
- [8 图像形态学处理](#8 图像形态学处理)
参考文章：机器学习------基于OpenCV和Python的智能图像处理(一)
图像处理基础
示例图像 lena.png
平常大家看到的lena.png是这样的
今天才看到这张图的原图，如下：
居然能发出来，各位自己下载原图欣赏吧（原图分辨率是1084*2318）。
图像的基本表示方法
二值图像
灰度图像
彩色图像
图像处理的基本操作
读取 显示 保存
图像通道的拆分和合并 RGB
图像属性的获取
图像运算
加减乘除
逻辑运算：与或非、异或
图像的色彩空间转换
RGB
灰度图GRAY
YCrCb：Y代表亮度，Cr和Cb保存色度信息，其中Cr表示红色分量信息，Cb表示蓝色分量信息
HSV色彩空间：HSV是从心理学角度提出的，它包括色调、饱和度和亮度三要素。其中，色调是指光的颜色，与混合光谱的主要光波长有关；饱和度是指颜色深浅程度或相对纯净度；亮度反映的是人眼感受到的光的明暗程度。
图像几何变换
4.1 仿射变换
平移 缩放 旋转
4.2 重映射
绕x轴旋转 绕y轴旋转 绕x轴与y轴旋转
4.3 投影变换 4.4 极坐标变换
5 图像直方图处理
7 图像阈值处理
- 二值化
- Otsu寻优的方法是最大方差法，该算法是在判别分析最小二乘法原理的基础上推导得出的，计算过程简单，是一种常用的阈值分割的稳定算法。(找到最佳阈值后依旧二值化处理)