欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python opencv图像处理基本操作示例详解

程序员文章站 2022-07-06 11:14:38
目录1.图像基本操作①读取图像②显示图像③视频读取④图像截取⑤颜色通道提取及还原⑥边界填充⑦数值计算⑧图像融合2.阈值与平滑处理①设定阈值并对图像处理②图像平滑-均值滤波③图像平滑-方框滤波④图像平滑...

1.图像基本操作

①读取图像

python opencv图像处理基本操作示例详解

②显示图像

python opencv图像处理基本操作示例详解

该函数中,name是显示窗口的名字,可输入任意字符串,img就是读取的图片矩阵。

waitkey()意思是图片停留的时间,若设为0,则会一直保留直到关闭图片。

③视频读取

python opencv图像处理基本操作示例详解

使用videocapture方法读取视频,若可以成功读取,则vc.read()返回的第一个参数就是true,否则为false。返回的第二个参数frame就是读取的视频图片。此时只能读取一张。

python opencv图像处理基本操作示例详解

该函数可以将读取的图片按照设定的速度依次展示,cv.waitkey中的数值越小,展示的速度越快。

gray处只是把图片设置成了灰度图像,直接用frame展示也可以,就是原图。最后的0xff==27就是esc键,按下这个键就会退出。

④图像截取

python opencv图像处理基本操作示例详解

因为图像读取的是矩阵,因此使用矩阵的截取方法即可。

⑤颜色通道提取及还原

python opencv图像处理基本操作示例详解

python opencv图像处理基本操作示例详解

cv读取图像的时候,彩色是bgr而非rbg,使用split以及merge方法进行提取和还原。

python opencv图像处理基本操作示例详解

通过将其他通道设置为0,即可展示只保留某一颜色通道的图像。

⑥边界填充

python opencv图像处理基本操作示例详解

python opencv图像处理基本操作示例详解

指定大小后,有不同的填充方法,通过bordertype来进行设置。

⑦数值计算

若通过矩阵计算方式直接相加,则当结果超过255的时候,会进行取余操作。

若通过cv.add方法,则超过255的会全部截断为255

python opencv图像处理基本操作示例详解

图像尺寸的修改:cv.resize(图像矩阵,尺寸长宽元组)

⑧图像融合

python opencv图像处理基本操作示例详解

通过cv.addweighted对图像进行融合,参数分别为:第一张图,权值,第二张图,权值,微调的度。给的权值相当于对图像取了个透明度。两张图会直接重叠在一起。

2.阈值与平滑处理

①设定阈值并对图像处理

python opencv图像处理基本操作示例详解

通过cv.threshold对图像进行阈值处理,上面的代码中,127就是阈值,255是最大值。后面是处理的方法,比如binary是处理为0和1,即显示的图片只有黑和白。加上inv就是反转过来,也就是白和黑。

python opencv图像处理基本操作示例详解

②图像平滑-均值滤波

python opencv图像处理基本操作示例详解

blur方法,传入的第一个参数是图像,第二个是核大小。 也就是以多大的范围去处理图像,比如3*3或者5*5等。

③图像平滑-方框滤波

python opencv图像处理基本操作示例详解

④图像平滑-高斯滤波

python opencv图像处理基本操作示例详解

⑤图像平滑-中值滤波

python opencv图像处理基本操作示例详解

对lena图像通过以上的滤波方式进行滤波,发现中值滤波的效果最好,因为中值滤波会直接舍弃掉噪音,而其他的滤波方式都是需要考虑噪音在内,并进行计算的。

3.图像的形态学处理

①腐蚀操作

python opencv图像处理基本操作示例详解

kernel依旧是核,跟上面的一样,代表处理的范围大小。erode方法中的参数分别为:待处理的图像,核,迭代次数。每一次迭代都会侵蚀掉一部分图像。因此如果有细的毛刺会直接被侵蚀掉,粗的线条会变细。迭代次数越多,侵蚀的部分越大。

②膨胀操作

python opencv图像处理基本操作示例详解

该操作相当于腐蚀操作的逆操作。会把原来的内容扩展。如果原来的图就带毛刺,膨胀后毛刺会变大。

③开运算和闭运算

python opencv图像处理基本操作示例详解

python opencv图像处理基本操作示例详解

开闭运算其实就是膨胀和腐蚀运算的结合,有一个先后顺序,如上图。都是通过morphologyex方法来实现的,改变其中的参数即可。

4.图像梯度处理

①梯度运算

python opencv图像处理基本操作示例详解

梯度就是膨胀-腐蚀所得到的边界。依旧是morphologyex方法来实现。

②礼帽与黑帽

python opencv图像处理基本操作示例详解

礼帽 = 原始输入-开运算结果

黑帽 = 闭运算-原始输入

其实就是把上面两种运算包装成了函数

③图像的梯度处理

三种算子:sobel, scharr, laplacian

python opencv图像处理基本操作示例详解

上面代码中sobel算子和scharr算子输入的参数为:待处理的图片,图像深度(通常指定为-1就可以),x方向,y方向

因此若只指定x为1,其实是计算了一半。需要把数值修改为绝对值,并计算y=1,x=0的情况下的另一半,两者融合起来,才会是完整的处理。

python opencv图像处理基本操作示例详解

scharr算子:把左右数值变大,结果更明显。

laplacian算子:对变化更敏感,对噪音点也敏感。通常不单独使用拉普拉斯算子。原理是中心点和周围点比较,不需要输入x和y。

5.边缘检测

①canny边缘检测

流程:

1.使用高斯滤波器,平滑图像,滤除噪声
2.计算图像中每个像素点的梯度强度和方向
3.应用非极大值抑制,以消除边缘检测带来的杂散效应
4.应用双阈值检测来确定真实的和潜在的边缘
5.通过抑制孤立的弱边缘完成最终的边缘检测

python opencv图像处理基本操作示例详解

以上是两种边缘检测的对比,结果如下

python opencv图像处理基本操作示例详解

该方法会设置两个阈值,大于高阈值的地方保留,低于低阈值的地方舍弃,在高低之间的地方,若和保留的地方有链接则保留,否则舍弃。

可以看出,阈值设定的高的时候,细节变少。低的时候,细节变多。

以上就是python opencv图像处理基本操作示例详解的详细内容,更多关于python opencv图像处理的资料请关注其它相关文章!