OpenCV-Python使用cv2实现傅里叶变换
本文介绍如何在OpenCV-Python中使用cv2.dft和cv2.idft函数实现傅里叶变换与逆傅里叶变换。详细讲解图像转换为np.float32格式、使用np.fft.fftshift调整频谱中心、通过cv2.magnitude计算幅度谱，以及利用对数变换将幅度映射到[0,255]灰度空间进行可视化显示。
本文介绍如何在OpenCV-Python中使用cv2.dft和cv2.idft函数实现傅里叶变换与逆傅里叶变换。详细讲解图像转换为np.float32格式、使用np.fft.fftshift调整频谱中心、通过cv2.magnitude计算幅度谱，以及利用对数变换将幅度映射到[0,255]灰度空间进行可视化显示。
本文介绍如何利用Python结合OpenCV库，从原始图像中随机截取指定宽高的子图像。通过设定随机坐标范围与目标尺寸，可批量生成用于机器学习训练的负样本或测试数据。代码包含完整的读取、随机定位、裁剪及保存逻辑，适用于需要大量随机局部图像的场景。
本文介绍如何利用Python和OpenCV库从视频中按秒提取图片。通过获取视频帧率，设定提取间隔，实现每秒保存一帧图像的功能。适用于行人检测等需要视频转图片数据集的场景。
本文详解如何利用OpenCV的cv.createTrackbar()函数创建轨迹栏，实现通过滑块实时改变图像背景颜色。结合鼠标回调函数，演示如何构建简易画板：在黑色背景上绘制图形，并通过轨迹栏开关一键清空画布刷新背景。代码涵盖BGR颜色值读取、窗口管理及事件处理，适合OpenCV初学者掌握GUI交互与图像处理基础。
本文介绍如何使用OpenCV和Python对七段数码显示器进行数字识别。通过边缘检测、图像分割和轮廓匹配技术，无需深度学习即可高效提取0-9数字。文章提供了完整的代码示例及处理流程，适用于恒温器等设备的LCD屏幕识别场景。
本文介绍如何利用Python调用OpenCV的Stitcher类实现多张图像的自动拼接与融合。文章详细分析了该方法的优缺点及适用范围，指出其适用于具有足够重合特征区域的场景，能处理部分倾斜和畸变。通过提供两张图片及多张图片拼接的完整代码示例，展示了从读取图像、创建Stitcher对象到执行拼接并保存结果的全过程，帮助开发者快速掌握全景图制作技术。
本文详解如何利用Python和OpenCV库中的K-Means聚类算法进行图像分割。内容涵盖将图像转换为RGB格式、展平像素数据、设置cv2.kmeans()函数的关键参数（如criteria、flags），以及通过调整聚类中心实现特定颜色区域的屏蔽与可视化，适用于毕业照等场景的色彩简化处理。
本文详细介绍如何使用Python和OpenCV库实现视频去抖动功能，包括基本帧差法与基于光流的运动估计算法。通过分步代码示例演示如何读取视频、逐帧处理并输出稳定后的视频，同时探讨性能优化策略和实际应用场景，帮助开发者快速掌握视频稳定化处理的核心方法。
