1 不同色彩空間的轉換

opencv 中有數百種關於不同色彩空間的轉換方法，但常用的有三種色彩空間：灰度、BRG、HSV(Hue-Saturation-Value)

• 灰度 - 灰度色彩空間是通過去除彩色資訊來將其轉換成灰階，灰度色彩空間對中間處理特別有效，比如人臉檢測
• BGR - 藍-綠-紅 彩色空間，每個畫素點都由一個三元陣列來表示，分別代表藍-綠-紅三種顏色。
• HSV，Hue 表示色調，Saturation 表示飽和度，Value 表示黑暗的程度。

2 傅立葉變換

傅立葉變換的概念是許多常見的影象處理操作的基礎，比如邊緣檢測或線段和形狀檢測。

2.1 高通濾波器

高通濾波器（HPF）是檢測影象的某個區域，然後根據畫素與周圍畫素的亮度差值來提升（boost）該畫素的亮度的濾波器。

高通濾波器在邊緣檢測非常有效，它會採用一種稱為高頻提升濾波器（high boost filter）的高通濾波器。

首先給出一個例子

import cv2
import numpy as np
from scipy import ndimage

kernel_3 = np.array([
    [-1, -1, -1],
    [-1, 8, -1],
    [-1, -1, -1]
    ])

kernel_5 = np.array([
    [
 
-1, -1, -1, -1, -1],
    [-1,  1,  2,  1, -1],
    [-1,  2,  4,  2, -1],
    [-1,  1,  2,  1, -1],
    [-1, -1, -1, -1, -1]
    ])

img = cv2.imread('small.jpg', 0)
print(help(cv2.imread))

k3 = ndimage.convolve(img, kernel_3)
k5 = ndimage.convolve(img, kernel_5)

blurred = cv2.GaussianBlur(img, (11, 11), 0)
g_hpf 
 
= img - blurred

cv2.imshow('3*3', k3)
cv2.imshow('5*5', k5)
cv2.imshow('g_hpf', g_hpf)
cv2.waitKey()
cv2.destroyAllWindows()

執行可以得到如下圖：

程式碼分析：

1）匯入模組後，定義了核。

核，是指一組權重的積核，將它應用在源影象的一個區域，並由此生成目標影象的一個畫素。

2）在cv2.imread()中的引數 0 。主要是將其轉換為單通道灰度影象。詳見 OpenCV 學習筆記 02 處理檔案、攝像頭和圖形使用者介面

cv2.IMREAD_GRAYSCALE = 0    如果設定，則始終將影象轉換為單通道灰度影象。

3）對於給定核與影象的“ 卷積 convole ” 而言，numpy 在多維陣列卷積運算時較為複雜（一維陣列完成可以勝任），scipy 的 convolve() 函式可解決完美地解決該問題。

4）最後一種高通濾波器的實現方法有兩步；第一步對影象應用低通濾波器，第二步再對與原始影象計算差值。

5）不難發現，第三種效果最好。

2.2 低通濾波器

高通濾波器是根據畫素與臨近畫素的亮度差值來提升該畫素的亮度；

低通濾波器（Low Pass Filter， LPF）的實現原理是在畫素與周圍畫素的亮度差值小於一個特定值時，平滑該畫素的亮度。該法主要應用於去噪和模糊化；其中，高斯模糊是最常用的模糊濾波器（平滑濾波器）之一，它是一個削弱高頻訊號強度的低通濾波器。