OPENCV 圖像處理入門100題，有人把它翻譯成了中文版！[ python / C++ 源码/原始碼]

日文GITHUB: https://github.com/yoyoyo-yo/Gasyori100knock

簡中GITHUB: https://github.com/gzr2017/ImageProcessing100Wen

問題1 – 10

序號 問題
1 通道替換
2 灰度化（Grayscale）
3 二值化（Thresholding）
4 大津演算法
5 HSV 變換
6 減色處理
7 平均池化（Average Pooling）
8 最大池化（Max Pooling
9 高斯濾波（Gaussian Filter）
10 中值濾波（Median filter）

問題11 – 20
序號 內容
11 均值濾波
12 Motion Filter
13 MAX-MIN 濾波
14 微分濾波
15 Sobel 濾波
16 Prewitt 濾波
17 Laplacian 濾波
18 Emboss 濾波
19 LoG 濾波
20 長條圖表示

問題21-30
序號 內容
21 長條圖歸一化（Histogram Normalization）
22 長條圖操作
23 長條圖均衡化（Histogram Equalization）
24 伽瑪校正（Gamma Correction）
25 最鄰近插值（Nearest-neighbor Interpolation）
26 雙線性插值（Bilinear Interpolation）
27 雙三次插值（Bicubic Interpolation）
28 仿射變換（Afine Transformations）——平行移動
29 仿射變換（Afine Transformations）——放大縮小
30 仿射變換（Afine Transformations）——旋轉

問題31-40
序號 內容
31 仿射變換（Afine Transformations）——傾斜
32 傅立葉轉換（Fourier Transform）
33 傅立葉轉換——低通濾波
34 傅立葉轉換——高通濾波
35 傅立葉轉換——帶通濾波
36 JPEG 壓縮——第一步：離散余弦變換（Discrete Cosine Transformation）
37 峰值信噪比（Peak Signal to Noise Ratio）
38 JPEG 壓縮——第二步：離散余弦變換+量化
39 JPEG 壓縮——第三步：YCbCr 色彩空間
40 JPEG 壓縮——第四步：YCbCr+DCT+量化

問題41-50
序號 內容
41 Canny邊緣檢測：第一步——邊緣強度
42 Canny邊緣檢測：第二步——邊緣細化
43 Canny邊緣檢測：第三步——滯後閾值
44 霍夫變換（Hough Transform）／直線檢測——第一步：霍夫變換
45 霍夫變換（Hough Transform）／直線檢測——第二步：NMS
46 霍夫變換（Hough Transform）／直線檢測——第三步：霍夫逆變換
47 形態學處理：膨脹（Dilate）
48 形態學處理：腐蝕（Erode）
49 開運算（Opening Operation）
50 閉運算（Closing Operation）

問題51-60
序號 內容
51 形態學梯度（Morphology Gradient）
52 頂帽（Top Hat）
53 黑帽（Black Hat）
54 使用誤差平方和演算法（Sum of Squared Difference）進行模式匹配（Template Matching）
55 使用絕對值差和（Sum of Absolute Differences）進行模式匹配
56 使用歸一化交叉相關（Normalization Cross Correlation）進行模式匹配
57 使用零均值歸一化交叉相關（Zero-mean Normalization Cross Correlation）進行模式匹配
58 4-鄰接連通域標記
59 8-鄰接連通域標記
60 透明混合（Alpha Blending）

問題61-70
序號 內容
61 4-鄰接的連接數
62 8-鄰接的連接數
63 細化處理
64 Hilditch 細化演算法
65 Zhang-Suen 細化演算法
66 方向梯度長條圖（HOG）第一步：梯度幅值・梯度方向
67 方向梯度長條圖（HOG）第二步：梯度長條圖
68 方向梯度長條圖（HOG）第三步：長條圖歸一化
69 方向梯度長條圖（HOG）第四步：視覺化特徵量
70 色彩追蹤（Color Tracking）

問題71-80
序號 內容
71 掩膜（Masking）
72 掩膜（色彩追蹤（Color Tracking）+形態學處理）
73 縮小和放大
74 使用差分金字塔提取高頻成分
75 高斯金字塔（Gaussian Pyramid）
76 顯著圖（Saliency Map）
77 Gabor 濾波器（Gabor Filter）
78 旋轉 Gabor 濾波器
79 使用 Gabor 濾波器進行邊緣檢測
80 使用 Gabor 濾波器進行特徵提取

問題81-90
序號 內容
81 Hessian 角點檢測
82 Harris 角點檢測第一步：Sobel + Gausian
83 Harris 角點檢測第二步：角點檢測
84 簡單圖像識別第一步：減色化+長條圖
85 簡單圖像識別第二步：判別類別
86 簡單圖像識別第三步：評估
87 簡單圖像識別第四步：k-NN
88 k-平均聚類演算法（k -means Clustering）第一步：生成質心
89 k-平均聚類演算法（k -means Clustering）第二步：聚類
90 k-平均聚類演算法（k -means Clustering）第三步：調整初期類別

問題91-100
序號 內容
91 利用 k-平均聚類演算法進行減色處理第一步：按顏色距離分類
92 利用 k-平均聚類演算法進行減色處理第二步：減色處理
93 準備機器學習的訓練資料第一步：計算 IoU
94 準備機器學習的訓練資料第一步：隨機裁剪（Random Cropping）
95 神經網路（Neural Network）第一步：深度學習（Deep Learning）
96 神經網路（Neural Network）第二步：訓練
97 簡單物體檢測第一步—-滑動視窗（Sliding Window）+HOG
98 簡單物體檢測第二步—-滑動視窗（Sliding Window）+ NN
99 簡單物體檢測第三步—-非極大值抑制（Non-Maximum Suppression）
100 簡單物體檢測第三步—-評估 Precision, Recall, F-score, mAP

問題1 – 10
序號 問題
1 通道替換
2 灰度化（Grayscale）
3 二值化（Thresholding）
4 大津演算法
5 HSV 變換
6 減色處理
7 平均池化（Average Pooling）
8 最大池化（Max Pooling
9 高斯濾波（Gaussian Filter）
10 中值濾波（Median filter）

問題11 – 20
序號 內容
11 均值濾波
12 Motion Filter
13 MAX-MIN 濾波
14 微分濾波
15 Sobel 濾波
16 Prewitt 濾波
17 Laplacian 濾波
18 Emboss 濾波
19 LoG 濾波
20 長條圖表示

問題21-30
序號 內容
21 長條圖歸一化（Histogram Normalization）
22 長條圖操作
23 長條圖均衡化（Histogram Equalization）
24 伽瑪校正（Gamma Correction）
25 最鄰近插值（Nearest-neighbor Interpolation）
26 雙線性插值（Bilinear Interpolation）
27 雙三次插值（Bicubic Interpolation）
28 仿射變換（Afine Transformations）——平行移動
29 仿射變換（Afine Transformations）——放大縮小
30 仿射變換（Afine Transformations）——旋轉

問題31-40
序號 內容
31 仿射變換（Afine Transformations）——傾斜
32 傅立葉轉換（Fourier Transform）
33 傅立葉轉換——低通濾波
34 傅立葉轉換——高通濾波
35 傅立葉轉換——帶通濾波
36 JPEG 壓縮——第一步：離散余弦變換（Discrete Cosine Transformation）
37 峰值信噪比（Peak Signal to Noise Ratio）
38 JPEG 壓縮——第二步：離散余弦變換+量化
39 JPEG 壓縮——第三步：YCbCr 色彩空間
40 JPEG 壓縮——第四步：YCbCr+DCT+量化

問題41-50
序號 內容
41 Canny邊緣檢測：第一步——邊緣強度
42 Canny邊緣檢測：第二步——邊緣細化
43 Canny邊緣檢測：第三步——滯後閾值
44 霍夫變換（Hough Transform）／直線檢測——第一步：霍夫變換
45 霍夫變換（Hough Transform）／直線檢測——第二步：NMS
46 霍夫變換（Hough Transform）／直線檢測——第三步：霍夫逆變換
47 形態學處理：膨脹（Dilate）
48 形態學處理：腐蝕（Erode）
49 開運算（Opening Operation）
50 閉運算（Closing Operation）

問題51-60
序號 內容
51 形態學梯度（Morphology Gradient）
52 頂帽（Top Hat）
53 黑帽（Black Hat）
54 使用誤差平方和演算法（Sum of Squared Difference）進行模式匹配（Template Matching）
55 使用絕對值差和（Sum of Absolute Differences）進行模式匹配
56 使用歸一化交叉相關（Normalization Cross Correlation）進行模式匹配
57 使用零均值歸一化交叉相關（Zero-mean Normalization Cross Correlation）進行模式匹配
58 4-鄰接連通域標記
59 8-鄰接連通域標記
60 透明混合（Alpha Blending）

問題61-70
序號 內容
61 4-鄰接的連接數
62 8-鄰接的連接數
63 細化處理
64 Hilditch 細化演算法
65 Zhang-Suen 細化演算法
66 方向梯度長條圖（HOG）第一步：梯度幅值・梯度方向
67 方向梯度長條圖（HOG）第二步：梯度長條圖
68 方向梯度長條圖（HOG）第三步：長條圖歸一化
69 方向梯度長條圖（HOG）第四步：視覺化特徵量
70 色彩追蹤（Color Tracking）

問題71-80
序號 內容
71 掩膜（Masking）
72 掩膜（色彩追蹤（Color Tracking）+形態學處理）
73 縮小和放大
74 使用差分金字塔提取高頻成分
75 高斯金字塔（Gaussian Pyramid）
76 顯著圖（Saliency Map）
77 Gabor 濾波器（Gabor Filter）
78 旋轉 Gabor 濾波器
79 使用 Gabor 濾波器進行邊緣檢測
80 使用 Gabor 濾波器進行特徵提取

問題81-90
序號 內容
81 Hessian 角點檢測
82 Harris 角點檢測第一步：Sobel + Gausian
83 Harris 角點檢測第二步：角點檢測
84 簡單圖像識別第一步：減色化+長條圖
85 簡單圖像識別第二步：判別類別
86 簡單圖像識別第三步：評估
87 簡單圖像識別第四步：k-NN
88 k-平均聚類演算法（k -means Clustering）第一步：生成質心
89 k-平均聚類演算法（k -means Clustering）第二步：聚類
90 k-平均聚類演算法（k -means Clustering）第三步：調整初期類別

問題91-100
序號 內容
91 利用 k-平均聚類演算法進行減色處理第一步：按顏色距離分類
92 利用 k-平均聚類演算法進行減色處理第二步：減色處理
93 準備機器學習的訓練資料第一步：計算 IoU
94 準備機器學習的訓練資料第一步：隨機裁剪（Random Cropping）
95 神經網路（Neural Network）第一步：深度學習（Deep Learning）
96 神經網路（Neural Network）第二步：訓練
97 簡單物體檢測第一步—-滑動視窗（Sliding Window）+HOG
98 簡單物體檢測第二步—-滑動視窗（Sliding Window）+ NN
99 簡單物體檢測第三步—-非極大值抑制（Non-Maximum Suppression）

100 簡單物體檢測第三步—-評估 Precision, Recall, F-score, mAP

~~~~~~~~~~~~~~

问题1
– 10

序号        问题

1      通道替换

2      灰度化（Grayscale）

3      二值化（Thresholding）

4      大津算法

5      HSV 变换

6      减色处理

7      平均池化（Average Pooling）

8      最大池化（Max Pooling

9      高斯滤波（Gaussian Filter）

10    中值滤波（Median filter）

 

问题11
– 20

序号        内容

11    均值滤波

12    Motion Filter

13    MAX-MIN 滤波

14    微分滤波

15    Sobel 滤波

16    Prewitt 滤波

17    Laplacian 滤波

18    Emboss 滤波

19    LoG 滤波

20    直方图表示

 

问题21-30

序号        内容

21    直方图归一化（Histogram Normalization）

22    直方图操作

23    直方图均衡化（Histogram Equalization）

24    伽玛校正（Gamma Correction）

25    最邻近插值（Nearest-neighbor Interpolation）

26    双线性插值（Bilinear Interpolation）

27    双三次插值（Bicubic Interpolation）

28    仿射变换（Afine Transformations）——平行移动

29    仿射变换（Afine Transformations）——放大缩小

30    仿射变换（Afine Transformations）——旋转

 

问题31-40

序号        内容

31    仿射变换（Afine Transformations）——倾斜

32    傅立叶变换（Fourier Transform）

33    傅立叶变换——低通滤波

34    傅立叶变换——高通滤波

35    傅立叶变换——带通滤波

36    JPEG 压缩——第一步：离散余弦变换（Discrete
Cosine Transformation）

37    峰值信噪比（Peak Signal to Noise Ratio）

38    JPEG 压缩——第二步：离散余弦变换+量化

39    JPEG 压缩——第三步：YCbCr 色彩空间

40    JPEG 压缩——第四步：YCbCr+DCT+量化

 

问题41-50

序号        内容

41    Canny边缘检测：第一步——边缘强度

42    Canny边缘检测：第二步——边缘细化

43    Canny边缘检测：第三步——滞后阈值

44    霍夫变换（Hough Transform）／直线检测——第一步：霍夫变换

45    霍夫变换（Hough Transform）／直线检测——第二步：NMS

46    霍夫变换（Hough Transform）／直线检测——第三步：霍夫逆变换

47    形态学处理：膨胀（Dilate）

48    形态学处理：腐蚀（Erode）

49    开运算（Opening Operation）

50    闭运算（Closing Operation）

 

问题51-60

序号        内容

51    形态学梯度（Morphology Gradient）

52    顶帽（Top Hat）

53    黑帽（Black Hat）

54    使用误差平方和算法（Sum of Squared Difference）进行模式匹配（Template Matching）

55    使用绝对值差和（Sum of Absolute Differences）进行模式匹配

56    使用归一化交叉相关（Normalization Cross Correlation）进行模式匹配

57    使用零均值归一化交叉相关（Zero-mean
Normalization Cross Correlation）进行模式匹配

58    4-邻接连通域标记

59    8-邻接连通域标记

60    透明混合（Alpha Blending）

 

问题61-70

序号        内容

61    4-邻接的连接数

62    8-邻接的连接数

63    细化处理

64    Hilditch 细化算法

65    Zhang-Suen 细化算法

66    方向梯度直方图（HOG）第一步：梯度幅值・梯度方向

67    方向梯度直方图（HOG）第二步：梯度直方图

68    方向梯度直方图（HOG）第三步：直方图归一化

69    方向梯度直方图（HOG）第四步：可视化特征量

70    色彩追踪（Color Tracking）

 

问题71-80

序号        内容

71    掩膜（Masking）

72    掩膜（色彩追踪（Color Tracking）+形态学处理）

73    缩小和放大

74    使用差分金字塔提取高频成分

75    高斯金字塔（Gaussian Pyramid）

76    显著图（Saliency Map）

77    Gabor 滤波器（Gabor Filter）

78    旋转 Gabor 滤波器

79    使用 Gabor 滤波器进行边缘检测

80    使用 Gabor 滤波器进行特征提取

 

问题81-90

序号        内容

81    Hessian 角点检测

82    Harris 角点检测第一步：Sobel + Gausian

83    Harris 角点检测第二步：角点检测

84    简单图像识别第一步：减色化+直方图

85    简单图像识别第二步：判别类别

86    简单图像识别第三步：评估

87    简单图像识别第四步：k-NN

88    k-平均聚类算法（k -means Clustering）第一步：生成质心

89    k-平均聚类算法（k -means Clustering）第二步：聚类

90    k-平均聚类算法（k -means Clustering）第三步：调整初期类别

 

问题91-100

序号        内容

91    利用 k-平均聚类算法进行减色处理第一步：按颜色距离分类

92    利用 k-平均聚类算法进行减色处理第二步：减色处理

93    准备机器学习的训练资料第一步：计算 IoU

94    准备机器学习的训练资料第一步：随机裁剪（Random
Cropping）

95    神经网络（Neural Network）第一步：深度学习（Deep Learning）

96    神经网络（Neural Network）第二步：训练

97    简单物体检测第一步—-滑动窗口（Sliding Window）+HOG

98    简单物体检测第二步—-滑动窗口（Sliding Window）+ NN

99    简单物体检测第三步—-非极大值抑制（Non-Maximum Suppression）

100  简单物体检测第三步—-评估 Precision, Recall, F-score, mAP