索引地址：系列索引 官方指导文件对filter2D()函数的描述为:Convolves an image with kernel即利用内核实现对图像的卷积运算。 函数原型为： 1234567void filter2D( InputArray src, OutputArray dst, int ddepth, I

索引地址：系列索引 卡尔曼滤波内容详见：图解卡尔曼滤波工作原理（翻译） 编程步骤 定义KalmanFilter类并初始化 KalmanFilter KF(DP, MP, 0);构造KF对象，初始化相关参数 KF.transitionMatrix 转移矩阵 A KF.measurementMatrix 测量矩阵

索引地址：系列索引 图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算能够突出图像细节，使图像变得更为清晰。由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的缓慢变化区域。 普拉斯算子是最简单的各向同性微分算子，具有旋转不变性。一个二维图像函数 的拉普拉斯变换是各向同性的二阶导数

索引地址：系列索引 图像锐化原理 图像锐化，是使图像边缘更加清晰的一种图像处理方法，说白了就是让图像的边缘看起来更加清晰明了。其原理主要就是利用图像的高频分量来实现的，将原图像的高频分量提取出来，再和原图像按一定规则叠加起来，最终得到的图像就是锐化后的图像。提取高频分量可以有如下两种方式： 1.直接使用高通滤波器来提取图像高频分量，如Sobel算子、Laplace算子、梯度Prewitt算子等。

索引地址：系列索引 非线性滤波 中值滤波（Median bluring） 中值滤波法是一种基于排序统计理论的一种能有效抑制噪声的非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，也就是将中心像素的值用所有像素值的中间值（不是平均值）替换。中值滤波通过选择中间值避免图像孤立噪声点的影响，对脉冲噪声、斑点噪声、椒盐噪声有良好的滤除作用，特别是在滤除噪声的同时，能

索引地址：系列索引 图像滤波降噪介绍：图像噪声与去噪（图片滤波） 线性滤波 线性邻域滤波是一种常用的邻域算子；邻域算子（局部算子）是利用给定像素周围的像素值的决定此像素的最终输出值的一种算子。下面这个图解可以很好的说明这个过程： 邻域算子（局部算子）是利用给定像素周围的像素值的决定此像素的最终输出值的一种算子。而线性邻域滤波是一种常用的邻域算子，像素的输出值取决于输入像素的加权和，具体过程如下图

索引地址：系列索引 图像噪声介绍：图像噪声与去噪介绍 在OpenCV滤波算法中，有两个非常重要的基本工具函数，copyMakeBorder和borderInterpolate copyMakeBorder函数原型： 1234void copyMakeBorder( const Mat& src, Mat& dst, int top, int b

索引地址：系列索引 在OpenCV4入门教程038：简单文字切割中介绍过文字切割。在Word中，部分文字会设置为斜体，以表达特别效果。如果是进行深度学习或者神经网络训练的话，需要提供训练数据，如果直接对斜体进行分类，那么就需要大量的斜体数据。如果我们把斜体扭正，这样我们就只需要提供正常的字体数据，就可以了。 本文将实现斜体文字矫正，处理流程为： 膨胀，将空隙连接起来 框出轮廓 旋转每个轮廓 首

索引地址：系列索引 透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。如下图所示。 通用变换公式为： [x′y′w′][uvw]∗[a11a12a13a21a22a23a31a32a33]\begin{aligned} \begin{bmatrix} x'

索引地址：系列索引 距离变换于1966年被学者首次提出,目前已被广泛应用于图像分析、计算机视觉、模式识别等领域，人们利用它来实现目标细化、骨架提取、形状插值及匹配、粘连物体的分离等。距离变换是针对二值图像的一种变换。在二维空间中，一幅二值图像可以认为仅仅包含目标和背景两种像素，目标的像素值为1，背景的像素值为0；距离变换的结果不是另一幅二值图像，而是一幅灰度级图像，即距离图像，图像中每个像素的灰度