cv2.cvtColor函数封装了各种颜色空间之间的转换，唯独没有RGB与HSI之间的转换，网上查来查去也只有C++或MATLAB版本的，自己要用到python里，所以就写写python版本的。 HSI颜色模型是一个满足计算机数字化颜色管理需要的高度抽象模拟的数学模型。HIS模型是从人的视觉系统出发，直接使用颜色三要素–色调（Hue）、饱和度（Saturation）和亮度（Intensity，有时也翻译作密度或灰度）来描述颜色。 RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB中的亮度因素分离，通常将色调和饱和度统称为色度，用来

Python调用PixelLib实现图像分割（证件照抠图换背景） https://xercis.blog.csdn.net/article/details/108001828

opencv-python运动物体位置追踪实验一.预备知识介绍①此实验的代码与颜色轨迹描绘实验的代码非常类似，本质还是通过颜色识别追踪运动物体的实时位置②cnt

资源描述：人工拍摄的文档图片往往存在着背景、边缘不整齐、光线昏暗、文字模糊等各种问题，资源包含一个文档扫描程序，实现电脑端的文档自动背景裁剪、边缘对齐和对比度调整。此外，为了解决小部分文档和背景对比不强烈导致的文档自动裁剪错误问题，增设了手动调整裁剪轮廓的功能，人工拍摄的文档图片往往存在着背景、边缘不整齐、光线昏暗、文字模糊等各种问题，增设了明亮度对比的功能。另外，资源还包含一个GUI的python文件，供参考。 适用人群： Python入门实战、Opencv入门实战 实用场景： 自动识别校正拍摄的背景、边缘不整齐、光线昏暗、文字模糊文档图片 其他说明：可作为软著借鉴材料

基于opencv写了一个图片批量去重的python脚本，可以对比图片相似度并且保留相似但是更为清晰的图片

基于OpenCV实现的Python代码,内有详细过程注释，可完整识别卡中数字并展示结果,特别适合新手学习

opencv中文版教程（自己整理了目录） OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C++语言编写

运动模糊：由于相机和物体之间的相对运动造成的模糊，又称为动态模糊 Opencv+Python实现运动模糊，主要用到的函数是cv2.filter2D()： # coding: utf-8 import numpy as np import cv2 def motion_blur(image, degree=12, angle=45): image = np.array(image) # 这里生成任意角度的运动模糊kernel的矩阵， degree越大，模糊程度越高 M = cv2.getRotationMatrix2D((degree / 2, degree / 2), angle

基于python+opencv实现数独

主要介绍了OpenCV-Python 摄像头实时检测人脸，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧