Resumen de conocimientos de OpenCV
Enterprise
2023-06-25 08:32:35
views: null
Resumen de los puntos de conocimiento de OpenCV
Introducción
- OpenCV es una biblioteca de visión por computadora de código abierto que proporciona ricas funciones de procesamiento de imágenes y videos.
- Es ampliamente utilizado en robótica, conducción autónoma, procesamiento de imágenes médicas, monitoreo de seguridad y otros campos.
conocimiento básico
- Lectura y visualización de imágenes:
cv::imread()
y cv::imshow()
funciones.
- Operaciones de píxeles: leer, modificar y atravesar valores de píxeles.
- Operaciones de canales: separar y fusionar canales, modificar valores de canales.
- Conversión de espacio de color:
cv::cvtColor()
función.
- Filtrado de imágenes: filtros para suavizado, nitidez, conservación de bordes, etc.
- Binarización de imágenes: segmentación por umbral, binarización adaptativa, etc.
- Operaciones de morfología de la imagen: operaciones de erosión, dilatación, apertura y cierre, etc.
Procesamiento de imágenes avanzado
- Transformación de imagen: transformación afín, transformación de perspectiva, etc.
- Ecualización de histograma:
cv::equalizeHist()
función.
- Detección de bordes: Sobel, Canny y otros operadores.
- Detección de características: Harris, FAST, ORB y otros algoritmos.
- coincidencia de características:
cv::matchFeatures()
función.
- Segmentación de imágenes: algoritmos como watershed y k-means.
aprendizaje automático
- Conceptos básicos de aprendizaje automático: conjunto de entrenamiento, conjunto de prueba, evaluación de modelos, etc.
- Algoritmo de clasificación:
- Algoritmo k-NN:
cv::ml::KNearest
Clase.
- Algoritmos de máquina de vectores de soporte (SVM):
cv::ml::SVM
Clases.
- Árboles de Decisión y Algoritmos de Bosque Aleatorio:
cv::ml::DTrees
y cv::ml::RTrees
Clases.
- Algoritmo de regresión logística:
cv::ml::LogisticRegression
clase.
- Extracción de características y reducción de dimensionalidad: PCA, LDA y otros algoritmos.
- Detección de objetivos:
- Características de Haar y clasificadores en cascada:
cv::CascadeClassifier
clase.
- Algoritmos de detección de objetivos basados en deep learning: SSD, YOLO, Faster R-CNN, etc.
procesamiento de video
- Video de lectura y visualización:
cv::VideoCapture
y cv::VideoWriter
clase.
- Análisis y procesamiento de video: método de diferencia de cuadros, método de flujo óptico, modelado de fondo, etc.
- Streaming de video y control de cámara:
cv::VideoStream
y cv::VideoCapture
clases.
otro
- Almacenamiento y lectura de imágenes y videos:
cv::imwrite
Origin blog.csdn.net/m0_49302377/article/details/130396919