计算机视觉应用实战（OpenCV）（微课版） 课件 第5章 简单的图像处理

简单的图像处理第5章0学习目标1.项目介绍2.图像处理项目原理3.图像处理项目实现附：计算机视觉应用场景学习目标了解图像处理的基本知识了解图像的旋转和平移实现方法；了解图像的形态学处理方法；掌握OpenCV中的旋转、平移、镜像、翻转实现的具体算法。掌握OpenCV中的形态学处理实现的具体算法。学习目标1.项目介绍图像处理是指对图像进行分析、加工和处理，使其满足视觉、心理或其他要求的技术。图像处理是信号处理在图像领域上的一个应用。本项目主要实现数字图像的平移、旋转、翻转、形态学处理等基本的图像处理功能。本项目中，首先你将了解如何通过OpenCV完成对于图像的旋转和平移。旋转和平移图像是我们学习利用OpenCV完成对图像进行其它变化的良好的基础。在图像处理中，对于图像形态学的应用相当的广泛，主要应用在对于图像的预处理操作当中，尤其是在对二值图像的预处理和分析方面，本项目还将带你了解形态学方面的知识。1.项目介绍2.图像处理项目原理图像旋转和平移是图像编辑中最基本的操作之一。两者都属于广义的仿射变换。因此，在学习更复杂的转换之前，你应该首先学习旋转和平移图像，使用OpenCV中可用的函数。我们通过getRotationMatrix2D()获取2D旋转矩阵，然后完成了对于图像的旋转。具体是通过warpAffine()将旋转拒转施加在图像上完成对图像绕着中心旋转所需的角度。接着通过明确定义了转换矩阵，包含有想要图像沿着x，y轴移动的信息。同样利用warpAffine()函数对图像进行变换。2.1图像的翻转处理形态学，即数学形态学(MathematicalMorphology)，是图像处理过程中非常重要的一个研究方向。形态学主要从图像内提取其分量信息，该分量信息通常对于表达和描绘图像的形状具有重要的意义，通常是图像理解时所使用的最为本质的形状特征。图像形态学是二值图像分析的重要分支学科。图像形态学能够从图像中提取出对于表达和描绘区域形状有意义、或者是我们所感兴趣的区域形状的图像分量，使后续的处理工作对于整幅图像而言更具有针对性，能够抓住目标对象最为本质（最具区分能力—mostdiscrimination）的形状特征，例如某一目标范围、边界、连通区域等。图像形态学主要分为：膨胀（dilate）、腐蚀（erode）、开运算（open）、闭运算（colse）、黑帽（blackHat）、顶帽（topHat）、形态学梯度（gradient）、击中击不中（hitandmiss）这些操作。2.2形态学处理3.图像处理项目实现旋转分为三步操作:1.首先，你需要得到旋转的中心。这通常是你要旋转的图像的中心。2.接下来，创建2d旋转矩阵。OpenCV提供了我们在上面讨论过的getRotationMatrix2D()函数。3.最后，使用在上一步中创建的旋转矩阵对图像应用仿射变换。OpenCV中的warpAffine()函数完成这项工作。3.1使用OpenCV进行图像旋转首先读取图像，获得图像的宽度和高度。接下来，像旋转一样，创建一个变换矩阵，这是一个2D数组。这个矩阵包含沿x轴和y轴移动图像所需的信息。同样，在旋转中，在最后一步中使用warpAffine()函数来应用仿射转换。3.2使用OpenCV平移图像要实现镜像图像，我们需要从左到右逐行反转矩阵。3.3使用OpenCV镜像图像要实现翻转图像，我们需要将矩阵从上到下逐列反转。3.4使用OpenCV翻转图像形态学操作主要包括：腐蚀、膨胀、开运算、闭运算、形态学梯度运算、顶帽运算（礼帽运算）、黑帽运算等操作。其中，腐蚀和膨胀是形态学中最基本的运算，其他方法都是基于这两种运算组合而成的。3.3形态学处理实现应用案例：生产制造生产制造制