1. 图像处理

定义： 图像处理是对图像进行数学运算和转换的过程，以增强图像质量或提取有用信息。

常见操作：

1. 滤波（Filtering）

   • 作用：用于平滑图像、去噪声或提取边缘信息。
   • 分类：
     • 低通滤波（LPF）： 模糊图像，去除高频噪声（如高斯滤波）。
     • 高通滤波（HPF）： 强调图像边缘和细节（如拉普拉斯滤波）。
   • 示例：

     import cv2
     import numpy as np
     
     image = cv2.imread("example.jpg", cv2.IMREAD_GRAYSCALE)
     kernel = np.ones((5, 5), np.float32) / 25  # 均值滤波核
     filtered_image = cv2.filter2D(image, -1, kernel)
     
     cv2.imshow("Filtered Image", filtered_image)
     cv2.waitKey(0)
     cv2.destroyAllWindows()
     

2. 边缘检测（Edge Detection）

   • 作用：找到图像中亮度变化剧烈的区域，用于识别物体边界。
   • 常用算法：
     • Canny 边缘检测
     • Sobel 算子
   • 示例：

     edges = cv2.Canny(image, 100, 200)
     cv2.imshow("Edges", edges)
     cv2.waitKey(0)
     

3. 变换（Transformation）

   • 作用：对图像进行几何变化（如旋转、缩放）或频域变换（如傅里叶变换）。
   • 示例（傅里叶变换）：

     dft = cv2.dft(np.float32(image), flags=cv2.DFT_COMPLEX_OUTPUT)
     dft_shift = np.fft.fftshift(dft)
     magnitude_spectrum = 20 * np.log(cv2.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))
     cv2.imshow("Magnitude Spectrum", magnitude_spectrum)
     cv2.waitKey(0)
     

2. 特征提取

定义： 从图像中提取关键点和描述符，以便描述图像的内容或结构。

常见算法：

1. SIFT (Scale-Invariant Feature Transform)

   • 特点：检测图像中的关键点并生成不变的特征向量，适合图像匹配和物体识别。
   • 示例：

     sift = cv2.SIFT_create()
     keypoints, descriptors = sift.detectAndCompute(image, None)
     img_with_keypoints = cv2.drawKeypoints(image, keypoints, None)
     cv2.imshow("SIFT Keypoints", img_with_keypoints)
     cv2.waitKey(0)
     

2. SURF (Speeded-Up Robust Features)

   • 特点：比 SIFT 更快，但对图像的旋转和缩放仍具有鲁棒性。
   • 示例：

     surf = cv2.xfeatures2d.SURF_create(400)
     keypoints, descriptors = surf.detectAndCompute(image, None)
     img_with_keypoints = cv2.drawKeypoints(image, keypoints, None)
     cv2.imshow("SURF Keypoints", img_with_keypoints)
     cv2.waitKey(0)
     

3. ORB (Oriented FAST and Rotated BRIEF)

   • 特点：一种快速、高效的特征点检测和描述算法。
   • 示例：

     orb = cv2.ORB_create()
     keypoints, descriptors = orb.detectAndCompute(image, None)
     img_with_keypoints = cv2.drawKeypoints(image, keypoints, None)
     cv2.imshow("ORB Keypoints", img_with_keypoints)
     cv2.waitKey(0)
     

3. 目标检测

定义： 在图像中找到目标物体的位置并标注。

常见方法：

1. Haar 分类器

   • 特点：基于 Haar 特征和级联分类器，用于快速检测目标（如人脸检测）。
   • 示例：

     face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
     faces = face_cascade.detectMultiScale(image, scaleFactor=1.1, minNeighbors=5)
     for (x, y, w, h) in faces:
         cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
     cv2.imshow("Detected Faces", image)
     cv2.waitKey(0)
     

2. 基于 DNN 的目标检测

   • 特点：使用深度学习模型（如 YOLO、SSD）进行精确目标检测。
   • 示例（YOLOv3）：

     net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
     layer_names = net.getLayerNames()
     output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
     blob = cv2.dnn.blobFromImage(image, 1/255, (416, 416), swapRB=True, crop=False)
     net.setInput(blob)
     detections = net.forward(output_layers)
     

4. 视频处理

定义： 对视频进行读取、写入和逐帧处理的过程。

常见操作：

1. 视频读取

   • 示例：

     cap = cv2.VideoCapture("video.mp4")
     while cap.isOpened():
         ret, frame = cap.read()
         if not ret:
             break
         cv2.imshow("Frame", frame)
         if cv2.waitKey(1) & 0xFF == ord('q'):
             break
     cap.release()
     cv2.destroyAllWindows()
     

2. 视频写入

   • 示例：

     out = cv2.VideoWriter("output.avi", cv2.VideoWriter_fourcc(*'XVID'), 20.0, (640, 480))
     while cap.isOpened():
         ret, frame = cap.read()
         if not ret:
             break
         out.write(frame)
         cv2.imshow("Frame", frame)
         if cv2.waitKey(1) & 0xFF == ord('q'):
             break
     cap.release()
     out.release()
     cv2.destroyAllWindows()
     

3. 逐帧处理

   • 例如，对视频中的每一帧进行边缘检测：

     while cap.isOpened():
         ret, frame = cap.read()
         if not ret:
             break
         edges = cv2.Canny(frame, 100, 200)
         cv2.imshow("Edges", edges)
         if cv2.waitKey(1) & 0xFF == ord('q'):
             break
     cap.release()
     cv2.destroyAllWindows()