目標 學習對圖像應用不同的幾何變換，如平移、旋轉、仿射變換等。 你會看到這些功能：cv.getPerspectiveTransform 縮放 只是調整圖像的大小。interpolation參數有下面幾種 使用範例 平移 平移影像，下面程式會將圖，x 軸平移 100，y 軸平移 50 旋轉影像 仿射變換 透視變換 這個方法可以把3D的有角度的長方形，拉成2D的長方形，很常會用來使用在3為空間的像照片、名片等拉平的效果上

理論 形態變換是一些基於圖像形狀的簡單操作。它通常在二進製圖像上執行。它需要兩個輸入，一個是我們的原始圖像，第二個稱為結構元素或內核，它決定了操作的性質。兩個基本的形態學算子是侵蝕和膨脹。然後它的變體形式如開、閉、梯度等也開始發揮作用。我們將在下圖的幫助下一一看到它們： 侵蝕cv2.erode 侵蝕的基本思想就像土壤侵蝕一樣，它侵蝕掉前景物體的邊界（總是盡量讓前景保持白色）。那它有什麼作用呢？內核在圖像中滑動（如在 2D 卷積中）。只有當內核下的所有像素都為 1 時，原始圖像中的像素（1 或 0）才會被認為是 1，否則它會被腐蝕（變為零）。 所以發生的事情是，根據內核的大小，邊界附近的所有像素都將被丟棄。因此，前景對象的厚度或大小會減少，或者圖像中的白色區域會減少。它對於去除小的白噪聲（正如我們在色彩空間章節中看到的）、分離兩個連接的對像等很有用。 在這裡，作為一個例子，我會使用一個 5×5 的內核。讓我們看看它是如何工作的： 膨脹Dilation 它與侵蝕正好相反。這裡，如果內核下的至少一個像素為“1”，則像素元素為“1”。因此它增加了圖像中的白色區域或前景對象的大小增加。通常，在去除噪聲等情況下，腐蝕之後是膨脹。因為，腐蝕去除了白噪聲，但它也縮小了我們的對象。所以我們擴大它。由於噪音消失了，它們不會回來，但我們的對象區域增加了。它還可用於連接對象的損壞部分。 去噪cv2.MORPH_OPEN 在去除噪聲方面很有用。這裡我們使用函數cv2.morphologyEx() 關閉線條 對關閉前景對象內的小孔或對像上的小黑點很有用。這個我也有使用來把canny所找到的邊緣關起來 形態梯度 這是圖像膨脹和腐蝕之間的區別。結果將看起來像對象的輪廓。 Top Hat…

這個部落格有一個系列文: 12th 鐵人賽 – 【錢不夠買ps的我，只好用OpenCV來修圖了!】 分享了非常多好用的圖片後製方法 這邊分享幾個我覺得不錯的 黑強化 強化有顏色區域的深度 白平衡 圖像光照校正處理 雙邊濾波 雙邊濾波（Bilateral filter）是一種非線性的濾波方法，是結合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時考慮空域信息和灰度相似性，達到保邊去噪的目的。具有簡單、非迭代、局部的特點。

使用HSV色碼轉換器 一個好用的線上工具 色碼轉換器: https://www.peko-step.com/zhtw/tool/hsvrgb.html 若要將轉換過的顏色套用到python的色碼，記得將S,V的範圍改為0-255 然後從網站上看到的H的值(如這邊為26)要除以2，也就是13 以上圖來說，上面顯示的色碼為HSV:(26,90,223)，然後填進python裡面要使用HSV:(13,90,223) python裡面的HSV識別空間 一般對顏色空間的圖像進行有效處理都是在HSV空間進行的，然後對於基本色中對應的HSV分量的範圍為: H: 0 — 180 S: 0 — 255 V: 0 — 255 基本HSV的顏色劃分 HSV的意義 HSB又稱HSV，表示一種顏色模式：在HSB模式中，H(hues)表示色相，S(saturation)表示飽和度，B（brightness）表示亮度HSB模式對應的媒介是人眼。 HSL…