Merge pull request #51 from zhangqizky/master

4.1&4.2校对

docs/4.0.0/4.1-tutorial_py_colorspaces.md

@@ -21,7 +21,7 @@
 ```
 
 > **注意**
-> 对于 HSV,  色调范围为 [0,179], 饱和度范围为 [0,255] ，像素值为 [0,255]. 不同的软件使用不同的比例. 所以如果你想用 OpenCV 的值与别的软件的值作对比，你需要归一化这些范围。
+> 对于 HSV,  色调(Hue)范围为 [0,179], 饱和度(Saturation)范围为 [0,255] ，明亮度(Value)为 [0,255]. 不同的软件使用不同的比例. 所以如果你想用 OpenCV 的值与别的软件的值作对比，你需要归一化这些范围。
 
 ## 目标追踪
 
@@ -29,7 +29,7 @@
 
 * 提取每一视频帧。
 * 将 BGR 转化为 HSV 颜色空间。
-* 我们将 HSV 图片的阈值设为蓝色范围。
+* 我们用蓝色像素的范围对该 HSV 图片做阈值。
 * 现在提取出了蓝色对象，我们可以随意处理图片了
 。
 
@@ -62,11 +62,11 @@ cv.destroyAllWindows()
 
 接下来的图片显示了追踪蓝色对象:
 
-![图片](./img/frame.jpg)
+![图片](./img/4-1-1.jpg)
 
 > **注意**
 > 在图片中有一些噪声，在之后的章节中我们会学习如何消除。
-> 这是目标追踪最简单的例子。当你学会了轮廓函数，你就可以做的更多，例如找到对象的质心并且使用它来追踪对象，只需在相机和前面移动你的手就可以绘制图表，还有许多其他有趣的东西。
+> 这是目标追踪最简单的例子。当你学会了轮廓函数，你就可以做的更多，例如找到对象的质心并且使用它来追踪对象，只需在相机前面移动你的手，手指或者掌心的轨迹就可以绘制图形，还有许多其他有趣的东西。
 
 ## 如何找到 HSV 值去追踪?
 

docs/4.0.0/4.2-tutorial_py_geometric_transformations.md

@@ -3,16 +3,15 @@
 在本教程中：
 
 * 你将会学到将不同的几何变换应用于图像，如平移、旋转、仿射变换等。
-* 另外，我们会创建一个从视频中提取彩色对象的应用。
 * 你会学到如下函数：**[cv.getPerspectiveTransform](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga20f62aa3235d869c9956436c870893ae )**
 
 ## 变换
 
-OpenCV 提供了两个变换函数， **[ cv.warpAffine](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga0203d9ee5fcd28d40dbc4a1ea4451983)** 和 **[cv.getPerspectiveTransform](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga20f62aa3235d869c9956436c870893ae)** ，他们可以完成所有类型的变换。**[ cv.warpAffine](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga0203d9ee5fcd28d40dbc4a1ea4451983)** 输入为 2*3 的变换矩阵， **[cv.getPerspectiveTransform](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga20f62aa3235d869c9956436c870893ae)** 输入为 2*3 的变换矩阵。
+OpenCV 提供了两个变换函数， **[ cv.warpAffine](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga0203d9ee5fcd28d40dbc4a1ea4451983)** 和 **[cv.getPerspectiveTransform](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga20f62aa3235d869c9956436c870893ae)** ，用这两个函数就可以完成所有类型的变换。**[ cv.warpAffine](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga0203d9ee5fcd28d40dbc4a1ea4451983)** 输入为 2x3 的变换矩阵， **[cv.getPerspectiveTransform](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga20f62aa3235d869c9956436c870893ae)** 输入为 2x3 的变换矩阵。
 
-## 比例
+## 缩放
 
-比例是调整图片的大小。 OpenCV 使用 **[cv.resize()](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga47a974309e9102f5f08231edc7e7529d)** 函数进行调整。可以手动指定图像的大小，也可以指定比例因子。可以使用不同的插值方法。最好的插值方法是用于收缩的 **[cv.INTER_AREA](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121acf959dca2480cc694ca016b81b442ceb)** 和 **[cv.INTER_CUBIC](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121a55e404e7fa9684af79fe9827f36a5dc1)** （慢）和快速方法 **[cv.INTER_LINEAR](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121ac97d8e4880d8b5d509e96825c7522deb )** 。默认情况下，所使用的插值方法都是 **[cv.INTER_AREA](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121acf959dca2480cc694ca016b81b442ceb)** 。你可以使用如下方法调整输入图片大小：
+缩放是调整图片的大小。 OpenCV 使用 **[cv.resize()](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga47a974309e9102f5f08231edc7e7529d)** 函数进行调整。可以手动指定图像的大小，也可以指定比例因子。可以使用不同的插值方法。对于下采样(图像上缩小)，最合适的插值方法是 **[cv.INTER_AREA](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121acf959dca2480cc694ca016b81b442ceb)** 对于上采样(放大),最好的方法是 **[cv.INTER_CUBIC](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121a55e404e7fa9684af79fe9827f36a5dc1)** （速度较慢）和 **[cv.INTER_LINEAR](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121ac97d8e4880d8b5d509e96825c7522deb )** (速度较快)。默认情况下，所使用的插值方法都是 **[cv.INTER_AREA](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gga5bb5a1fea74ea38e1a5445ca803ff121acf959dca2480cc694ca016b81b442ceb)** 。你可以使用如下方法调整输入图片大小：
 
 ```python
 import numpy as np
@@ -24,13 +23,13 @@ height, width = img.shape[:2]
 res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)
 ```
 
-## 变换
+## 平移变换
 
-变换是物体位置的移动。如果知道 **（x，y）** 方向的偏移量，假设为 **(t_{x},t_{y})**，则可以创建如下转换矩阵 **M**：
+平移变换是物体位置的移动。如果知道 **（x，y）** 方向的偏移量，假设为 **(t_x,t_y)**，则可以创建如下转换矩阵 **M**：
 
-![图片](./img/Geometric_Transformations_fomula_1.jpg)
+![图片](./img/Geometric_Transformations_fomula_1.png)
 
-您可以将语句放入 np.float32 类型的 numpy 数组中，并将其传递到 **[ cv.warpAffine](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga0203d9ee5fcd28d40dbc4a1ea4451983)** 中。请参见以下转换（100,50）的示例：
+您可以将变换矩阵存为 np.float32 类型的 numpy 数组，并将其作为 **[ cv.warpAffine](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga0203d9ee5fcd28d40dbc4a1ea4451983)** 的第二个参数。请参见以下转换（100,50）的示例：
 
 ```python
 import numpy as np
@@ -54,17 +53,17 @@ cv.destroyAllWindows()
 
 ## 旋转
 
-以 **\Theta** 角度旋转图片的转换矩阵形式为：
+以 ![图片](./img/theta.png)角度旋转图片的转换矩阵形式为：
 
-![图片](./img/Geometric_Transformations_fomula_2.jpg)
+![图片](./img/Geometric_Transformations_fomula_2.png)
 
 但 Opencv 提供了可变旋转中心的比例变换，所以你可以在任意位置旋转图片，修改后的转换矩阵为：
 
-![图片](./img/Geometric_Transformations_fomula_3.jpg)
+![图片](./img/Geometric_Transformations_fomula_3.png)
 
 其中：
 
-![图片](./img/Geometric_Transformations_fomula_4.jpg)
+![图片](./img/Geometric_Transformations_fomula_4.png)
 
 为了找到这个转换矩阵，opencv 提供了一个函数， **[cv.getRotationMatrix2D](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gafbbc470ce83812914a70abfb604f4326)** 。请查看下面的示例，它将图像相对于中心旋转 90 度，而不进行任何缩放。
 
@@ -103,9 +102,9 @@ plt.show()
 
 ![图片](./img/Geometric_Transformations_3.jpg)
 
-## 感知变换
+## 透视变换
 
-对于感知转换，你需要一个 3x3 变换矩阵。即使在转换之后，直线也将保持直线。要找到这个变换矩阵，需要输入图像上的 4 个点和输出图像上的相应点。在这四点中，有三点不应该共线。然后通过 **[cv.getPerspectiveTransform](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga20f62aa3235d869c9956436c870893ae)** 找到变换矩阵。然后对这个 3x3 变换矩阵使用  **[cv.warpPerspective](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gaf73673a7e8e18ec6963e3774e6a94b87)**。
+对透视转换，你需要一个 3x3 变换矩阵。即使在转换之后，直线也将保持直线。要找到这个变换矩阵，需要输入图像上的 4 个点和输出图像上的相应点。在这四点中，任意三点不应该共线。然后通过 **[cv.getPerspectiveTransform](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#ga20f62aa3235d869c9956436c870893ae)** 找到变换矩阵。然后对这个 3x3 变换矩阵使用  **[cv.warpPerspective](https://docs.opencv.org/4.0.0/da/d54/group__imgproc__transform.html#gaf73673a7e8e18ec6963e3774e6a94b87)**。
 
 请看代码：