- 彩色图像
- 颜色追踪（inRange的使用）
hsv=cv.cvtColor(frame,cv.COLOR_BGR2HSV)
lower_hsv=np.array([11,43,46])
upper_hsv=np.array([25,255,255])
mask=cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
- inRange函数是OpenCV库中的一个功能，用于检查图像像素值是否在指定的范围内，并生成一个二值图像。
- 在OpenCV的inRange函数中，输入参数包括源图像（src）、下界阈值（lowerb）、上界阈值（upperb）以及可选的输出图像（dst）。该函数主要用于将图像中的像素值限制在指定的范围内，通常应用于灰度图像或彩色图像。如果像素值在下界和上界之间，则在输出图像中对应像素被设置为白色（255），否则为黑色（0）。这种处理方式适用于图像分割、目标提取等任务，尤其在CAMShift算法中非常关键。在使用inRange函数时，首先需要确定合适的颜色空间。对于基于颜色的操作，HSV色彩空间通常比RGB色彩空间更加直观和有效。因此，图像通常会从BGR色彩空间转换为HSV色彩空间。例如，若要提取图像中的蓝色对象，可以定义蓝色的下界和上界阈值，然后将这些阈值应用到HSV图像上，从而得到一个二值图像，其中满足条件的像素为白色，不满足条件的像素为黑色。在实际应用中，可以使用以下步骤来实现这一过程。首先，加载图像并将其从BGR色彩空间转换为HSV色彩空间。然后，根据需要提取的颜色范围定义下界和上界阈值。例如，要提取蓝色对象，可以设置下界为(100, 50, 50)、上界为(130, 255, 255)。接下来，调用cv2.inRange()函数并将结果保存在一个掩模（mask）中。最后，可以将此掩模应用于原始图像，仅保留特定颜色范围内的像素。
- 图像平滑的方式
- 高斯滤波（Gaussian Filtering）：
- 双边滤波（Bilateral Filtering）：
- 在保持边缘的同时平滑图像，考虑像素值的强度和距离。
- 最大值/最小值滤波：
- 最大值滤波可以增强亮区域，最小值滤波可以增强暗区域。
- 双边高斯滤波（Bilateral Gaussian Filter）：
- 结合了双边滤波和高斯滤波的优点，使用高斯函数进行距离和强度的加权。
- 局部对比度增强（Local Contrast Enhancement）：
- 通过增强图像的局部细节来平滑图像，通常用于突出图像的纹理。
- 频域滤波（Frequency Domain Filtering）：
- 非局部均值滤波（Non-Local Means）：
- α-trimmed滤波：
- 先对邻域内的像素值进行排序，然后去掉一定比例的最小和最大的像素值，取剩余像素的平均值。