深入学习Python+Opencv常用四种图像处理操作
作者:Rainbowman 时间:2023-02-22 12:28:27
opencv图像处理(深度学习中常用的)
改变色彩空间: cv.cvtColor()
cv.cvtColor(img, flag)
img:原图像
flag:要改变的类型
常用的flag有:cv.COLOR_BGR2GRAY (BGR->GRAY)、cv.COLOR_BGR2HSV
img = cv.imread(r'E:\0_postgraduate\test.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('img', img)
cv.imshow('img_gray', gray)
k = cv.waitKey(0)
if k & 0xFF == ord('q'):
cv.destroyAllWindows()
我们可以看看flag都有哪些:
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
print( flags )
改变图像大小:cv.resize()
cv.resize(img, (width, height))
img:原始图像
width:缩放后图像的宽度
height:缩放后图像的高度
img = cv.imread(r'E:\0_postgraduate\test.jpg')
img_resize = cv.resize(img, (500, 600))
cv.imshow('img shape: {} x {}'.format(img.shape[1], img.shape[0]), img)
cv.imshow('img_resize shape: {} x {}'.format(img_resize.shape[1], img_resize.shape[0]), img_resize)
k = cv.waitKey(0)
if k & 0xFF == ord('q'):
cv.destroyAllWindows()
比如某些网络要求输入的图像必须是固定大小的:256 x 256这么大的,这时就可以用cv.resize()对大小不一的图像进行缩放。
二维卷积操作
cv.filter2D()+轨迹条动态控制图像参数:cv.createTrackbar()、cv.getTrackbarPos()
卷积操作是什么这里就不再介绍了。
cv.filter2D(img, -1, kernel)
img:原始图像
-1:这个参数应该是输出图像,没什么用,填-1就行
kernel:卷积核,一个二维数组
而至于cv.createTrackbar()、cv.getTrackbarPos(),这两个函数可以很方便的动态调节图像的参数,很直观地看到调节的效果:
cv.createTrackbar()
第一个参数是轨迹栏名称
第二个参数是它所属的窗口名称,
第三个参数是默认值,
第四个参数是最大值,
第五个参数是执行的回调函数每次轨迹栏值都会发生变化,即每次滑动轨迹条时都会调用该参数。
cv.getTrackbarPos()
第一个参数是滑动条名字,
第二个时所在窗口,
返回值是滑动条的数值
# cv.createTrackbar() 和 cv.getTrackbarPos()测试
def nothing(*arg):
pass
img = cv.imread(r'E:\0_postgraduate\test.jpg')
img_original = img
cv.namedWindow('image_test')
cv.createTrackbar('kernel_width', 'image_test', 1, 30, nothing)
cv.createTrackbar('kernel_height', 'image_test', 1, 30, nothing)
while 1:
w = cv.getTrackbarPos('kernel_width', 'image_test')
h = cv.getTrackbarPos('kernel_height', 'image_test')
print('w: {} h: {}'.format(w, h))
if(w!=0 and h!=0):
kernel = np.ones((w, h), np.float32)/(w*h)
img = cv.filter2D(img_original, -1, kernel)
cv.imshow('image_test', img)
else:
cv.imshow('image_test', img_original)
k = cv.waitKey(5)
if k & 0xFF == ord('q'):
break
cv.destroyAllWindows()
常用模糊
常用的模糊有平均化模糊:cv.blur()和高斯模糊:cv.GaussianBlur()
(1) cv.blur()
平均化模糊cv.blur()就是让原始图像与一个全1的卷积核做卷积,然后将得到的值除以卷积核中像素的总个数,这么说太绕了,直接上图:
比如我选的卷积核为3x3大小,则原始图像要与如下的卷积核做卷积:
cv.blur(img, (weight, height))
img:原始图像
weight:卷积核的宽
height:卷积核的长
(2) cv.GaussianBlur()
高斯模糊是在平均化模糊基础上的改进,考虑了距离对于中心像素的影响:与中心像素距离越近的像素拥有越高的权重,其实超级简单。高斯模糊的原理可以参考:python实现高斯模糊及原理详解
cv.GaussianBlur(img, (weight, height), sigmaX, sigmaY)
img:原始图像
weight:卷积核的宽
height:卷积核的长
sigmaX:二维高斯函数x的偏差
sigmaY:二维高斯函数y的偏差
注意:
核的宽度和高度,应该是正数和奇数。我们还应该指定X和Y方向的标准偏差,分别为sigmaX和sigmaY。如果只指定sigmaX,sigmaY将被视为与sigmaX相同。如果两者都是零,则根据核大小计算。高斯模糊对去除图像中的高斯噪声非常有效。
img = cv.imread(r'E:\0_postgraduate\test.jpg')
img_blur = cv.blur(img, (5,5))
img_gaussian = cv.GaussianBlur(img, (5,5), 0)
cv.imshow('image_blur', img_blur)
cv.imshow('image_gaussian', img_gaussian)
k = cv.waitKey(0)
if k & 0xFF == ord('q'):
cv.destroyAllWindows()
来源:https://blog.csdn.net/qq_44166630/article/details/121581548
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
PyQt5每天必学之创建窗口居中效果
![](https://img.aspxhome.com/file/2023/4/68824_0s.jpg)
.Net Core服务治理Consul使用服务发现
![](https://img.aspxhome.com/file/2023/2/76342_0s.jpg)
python实现精准搜索并提取网页核心内容
![](https://img.aspxhome.com/file/2023/5/76955_0s.jpg)
实例详解Python中的numpy.abs和abs函数
基于JavaScript实现回到页面顶部动画代码
python 3利用BeautifulSoup抓取div标签的方法示例
php下防止单引号,双引号在接受页面转义的设置方法
如何使用Vue3设计实现一个Model组件浅析
python+rsync精确同步指定格式文件
MySql通过ip地址进行访问的方法
python通过apply使用元祖和列表调用函数实例
pandas 使用insert插入一列
![](https://img.aspxhome.com/file/2023/2/133272_0s.jpg)
快速掌握如何使用SQL Server来过滤数据
Go如何优雅的使用字节池示例详解
python3 requests库文件上传与下载实现详解
Python实现12306自动抢火车票功能
![](https://img.aspxhome.com/file/2023/6/90426_0s.jpg)
Python super()函数使用及多重继承
Python数据分析之双色球统计两个红和蓝球哪组合比例高的方法
![](https://img.aspxhome.com/file/2023/7/105267_0s.jpg)
实例解析Python的Twisted框架中Deferred对象的用法
![](https://img.aspxhome.com/file/2023/4/101304_0s.jpg)
YOLOv5车牌识别实战教程(一)引言与准备工作
![](https://img.aspxhome.com/file/2023/2/131262_0s.png)