图像直方图 通过灰度直方图看到图像的照明效果 代码实例#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/3/9 21:28 # @Author : Seven # @File : HistDemo.py # @Software: PyCharm # function : 图像直方图 import cv2 im

基本思想 边缘检测的基本思想是通过检测每个像素和其邻域的状态，以决定该像素是否位于一个物体的边界上。如果一个像素位于一个物体的边界上，则其邻域像素的灰度值的变化就比较大。假如可以应用某种算法检测出这种变化并进行量化表示，那么就可以确定物体的边界。 边缘检测的实质是微分。 实际中常用差分， X方向、Y方向。 基本算子【Robert算子：一阶微分算子】对于图像来说，是一个二维的离散型数集，通过推

图像滤波基本原理 图像信息在采集过程中往往受到各种噪声源的干扰，这些噪声在图像上的常常表现为一些孤立像素点，这可理解为像素的灰度是空间相关的，即噪声点像素灰度与它们临近像素的灰度有着显著不同。通常，一般的前置图像处理后的信息仍然带有后续所不希望夹带的孤立像素点，这种干扰或孤立像素点如不经过滤波处理，会对以后的图像区域分割、分析和判断带来影响。 基本图像预处理滤波方法图像滤波与卷积【公式定义】 与

光通量 指人眼所能感觉到的辐射功率，它等于单位时间内某一波段的辐射能量和该波段的相对视见率的乘积。 符号：Φ 单位：lm(流明) 1lm = 0.00146瓦 常见光源的光通量 辐照度 指投射到一平方米表面上的辐射通量密度。也就是说是到达一平方米表面上，单位时间，单位面积上的辐射能。 符号：E 单位：lux(勒克斯) 1 lux = 1 lm/$m^2$ 常见照明环境的辐照度 光源类别 按方向

视觉系统构成要素 照明设备：光源 成像设备：相机 处理设备：主机 算法软件：视觉处理系统 【要素的关系】 【要素的理解】 光源：对场景进行照明，使能捕捉的范围更大，事物更清晰，一般就是各种光。 相机：抓取图片，保留信息，一般是指照相机，摄像机，一个或多个。 主机：处理图片信息，一般为台式计算机或嵌入式处理器。 算法软件：辅助主机处理图片信息，提取所需要的特征， 一般为C++或者其他编程

计算机视觉 计算机视觉就是让计算机看懂图像和视频。 视觉是自然智能不可思议的结晶 猕猴的大脑皮层中视觉部分占据大约50% 人脑中有关视觉的部分所占比重最大 人类大脑对视觉进行层次化的处理 人类采用神经网络对视觉信息进行深层次处理，和深度学习密切结合。 计算机视觉的产生和发展都经历的阶段 起源：20世纪50年代统计模式识别，二维图像分析。 诞生：1974年 Minsky

简介： OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Java、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 系统环境系统：windows 10 - 1809 OpenCV版本：

Request库 使用 Requests 发送网络请求非常简单。 requests.get()requests.get(url, params=None, **kwargs) 获取HTML网页的主要方法，对应于HTTP的GET. 构造一个向服务器请求资源的Request对象 返回一个包含服务器资源的Response对象. help(requests.get) Sends a GET r

正则在实际的应用中，我们会经常得到用户的输入，在得到用户的输入之后，需要我们对输入进行判断时候合法，比如判断输入的手机号码，从形式上来看是争取的呢？ mu = input('请输入电话号码：') def phone_number(st): st = str(st) if len(st) == 11 and st.startswith('1') and st.isdigit() :

推导表达式 得到一个元素为1到10的列表，可以怎么做？ 列表循环添加方法一： x = list(range(1,11)) x Out[3]: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 方法二： li = [] for i in range(1,11): li.append(i) li Out[3]: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10