视频讲解
第1季：第3章_OpenCV图像处理
-
先 导 课
-
第 1 季 ： 快 速 梳 理 知 识 要 点 与 学 习 方 法
-
第 2 季 ： 详 细 推 导 数 学 公 式 与 代 码 解 析
-
第 3 季 ： 代 码 实 操 以 及 真 实 机 器 人 调 试
-
答 疑 课
——（永 久 免 费 ● 系 列 课 程 ● 长 期 更 新）——
本书内容安排
机器人、图像处理 和 OpenCV 是什么关系？
①机器人，为什么需要图像处理技术？
感知
识别
定位
建图
避障
②图像处理技术究竟是什么？
图像处理是利用计算机对图像进行计算分析的技术，包括数字图像处理和计算机视觉两大领域
③图像处理技术与OpenCV是什么关系？
常见图像处理库
OpenCV
Halcon
Matlab
PIL
skimage
…
AI图像处理平台
TensorFlow
PyTorch
Caffe
…
图像处理办公软件
PhotoShop
美图秀秀
iSee
…
3.1 认识图像数据
3.2 图像滤波
图像是由一个一个像素点组成的，处理图像就是处理这些像素点。
图像像素之间的关联性是重要的信息，不能完全把像素点割裂开来，这一点也正是众多图像算法的出发点。这里就通过图像滤波，来帮助大家具体理解像素之间的这种关联性。
图像滤波的目的是在尽量保留图像特征的条件下，过滤掉图像中的噪声，其滤波效果直接影响到后续图像识别、分析等算法的效果。
-
线性滤波
-
非线性滤波
-
形态学滤波
3.3 图像变换
经过3.2节图像滤波的学习，相信大家对图像处理有了一定的了解。不过，图像滤波只是很初级的处理，其目的是提升图像本身的质量。
本节要讲到的图像变换，从改变图像的结构入手，将图像变换成不同的形态。
由于篇幅限制，这里重点讨论在后续视觉SLAM章节中涉及到的一些图像变换算法。其他一些常用图像变换算法将略过，比如频谱变换、小波变换、图像金字塔等，感兴趣可以查阅相关资料。
-
射影变换
-
霍夫变换
-
边缘检测
-
直方图均衡
3.4 图像特征点提取
特征点提取算法能帮助计算机获取图像的区域特征信息，并应用于图像识别、图像匹配、三维重建、物体跟踪等领域。在实际工程中，具有很高的应用价值。
在图像领域，特征点（feature points）也常常被称为关键点（key points）或兴趣点（interest points）。
特征点的提取有多种算法，可以从图像纹理信息来提取，也可以通过图像区域灰度统计信息来提取，或者通过频谱变化、小波变换等变换后的特殊空间进行提取。
-
SIFT特征点
-
SURF特征点
-
ORB特征点
OpenCV图像处理与PCL点云处理
例程源码下载
-
Gitee下载（国内访问速度快）：
gitee.com/xiihoo-robot/Books_Robot_SLAM_Navigation
课件下载
-
PPT课件下载：
-
PDF课件下载：