如何利用opencv對圖像進(jìn)行灰度歸一化呢？對比度？如果只是隨機(jī)檢查，那就是直方圖。它可以被bgr2gray或bgr2hsv/HLS展平以獲得單通道圖像?；蛘邔⒅苯硬噬玆GB圖像分為三個通道分別計算。

如何利用opencv對圖像進(jìn)行灰度歸一化呢？

對比度？如果只是隨機(jī)檢查，那就是直方圖。它可以被bgr2gray或bgr2hsv/HLS展平以獲得單通道圖像?；蛘邔⒅苯硬噬玆GB圖像分為三個通道分別計算。為了平衡對比度的方法，有直方圖均衡化和另外一種算法，叫白化之類的，很少使用，但在特定情況下效果更好。[現(xiàn)在躺在床上，我不記得它到底叫什么了]如果將來需要二值化，可以直接選擇大津大律自適應(yīng)二值化或三角形自適應(yīng)二值化。它們有不同的特點。此外，在某些情況下，這種全局自適應(yīng)二值化是不平衡的?；蛘咴谌コ尘昂蠓謩e計算上述兩種算法的全局自適應(yīng)二值化閾值。特定的場景需要特定的算法。至于什么時候用什么，你得自己試試。別問我。用我導(dǎo)師的話來說，“圖像處理是一個經(jīng)驗算法，你只能通過更多的嘗試才能知道。”。順便說一句：對比度均衡化的效果通常不好，會帶來噪音，影響后續(xù)的操作，會丟失一些原始圖像的信息，所以我一般不做對比度均衡化/直方圖歸一化。

OpenCV已經(jīng)將圖像處理(識別)的算法寫成函數(shù)了，那我們還有必要去學(xué)習(xí)這些算法嗎？

這取決于你的目的。比如說現(xiàn)在的車這么先進(jìn)好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需要知道。如果你是一個機(jī)械師，你必須理解。如果你是一個汽車制造商的工程師，你必須對它非常了解。簡言之，這取決于具體的需要。