Python_OpenCV

Python OpenCV learning

Learning OpenCV in Python by the official tutorials.

---

Sublime Text3 设置Python3为默认编译系统

Tools -> Build System -> New Build System

{       
    "cmd": ["/usr/bin/python3","-u", "$file"], 
    "selector": "source.python", 
    "encoding": "utf8",
    "file_regex": "file \"(...*?)\", line ([0-9]+)"
}

Saved As Python3.sublime-build.

Tutorials Notes

---

2017-02-24

Erode & Dilate

Erode: erosion = cv2.erode(img,kernel,iterations = 1)
就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然是白色）.
前景物体会变小，整幅图像的白色区域会减少。
这对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。

Dilate: dilation = cv2.dilate(img,kernel,iterations = 1)
与腐蚀相反，这个操作会增加图像中的白色区域（前景）。
一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。
所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。
膨胀也可以用来连接两个分开的物体。

Morph Open & Close

Morph Open: opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用来去除噪声。

Morph Close: closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
先膨胀再腐蚀。它经常被用来填充前景物体中的小洞，或者前景物体上的小黑点。

Gradient, Tophat & Blackhat

Gradient: gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
是一幅图像膨胀与腐蚀的差。结果看上去就像前景物体的轮廓。

Tophat: tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
原始图像与进行开运算之后得到的图像的差。

Blackhat blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
进行闭运算之后得到的图像与原始图像的差。

The whole relationship is:
Opening: dst = open(src, kernel) = dilate(erode(src, kernel), kernel)
Closing: dst = close(src, kernel) = erode(dilate(src, kernel), kernel)
Gradient: dst = gradient(src, kernel) = dilate(src, kernel) - erode(src, kernel)
Tophat: dst = tophat(src, kernel) = src - open(src, kernel)
Blackhat dst = blackhat(src, kernel) = close(src, kernel) - src