【Python_Opencv图像处理框架】图像基本操作+90bb5729-b33a-4e82-a0d9-faa3e5cbf621

这篇具有很好参考价值的文章主要介绍了【Python_Opencv图像处理框架】图像基本操作+90bb5729-b33a-4e82-a0d9-faa3e5cbf621。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

写在前面

很幸运能选择Python语言进行学习,这是有关Opencv的图像处理的第一篇文章,讲解了有关图像处理的一些基础操作,作为初学者,我尽己所能,但仍会存在疏漏的地方,希望各位看官不吝指正❤️


写在中间

1. 计算机眼中的图像

计算机眼中的图像由一个个像素组成, 每个像素点的值在0-255之间,代表像素点的亮度(0为最暗,255为最亮)。

  • 灰度图(黑白图)为单通道。

  • 彩色图为三通道。彩色图像包括三个颜色通道——B,G,R,分别表示蓝、绿、红。


2. 图像的表示

图像的高和宽分别代表图像在竖直和水平方向分别有多少个像素点。也等价于每个颜色通道矩阵的维度:

彩色图像为三维数组,分别为行数(高度),列数(宽度),颜色通道;

灰度图为二维数组,分别为行数(高度),列数(宽度)。


3. 基础操作

图像的读取

文件路径:不能包含中文字符

读取模式:

cv2.IMREAD_COLOR 彩色BGR模式,忽略透明度,可以用 1代替,默认编译模式。
cv2.IMREAD_GRAYSCALE 灰度模式,可以用 0 代替,将图像转换为灰度图像。
cv2.IMREAD_UNCHANGED 输出包含alpha通道的图像,可以用 -1 代替

补充说明:

Alpha通道是指图像中的透明度信息,它可以控制像素的透明度和不透明度。对于包含alpha通道的图像,在读取时需要使用IMREAD_UNCHANGED标志来保留这些透明度信息,以便后续处理和操作。如果不使用该标志,则读取的图像将被默认处理成不包含alpha通道的普通图像。

代码示例:

#包的配置
import cv2
import matplotlib.pyplot as plt
import numpy as np


img=cv2.imread(自行复制图片路径到这里) # 注意不要使用双层引号
print(img)               #打印像素
print(img.shape)         #(高,宽,通道)

第一个print会打印出来图像矩阵,由于显示太多就不展示了,大家自己尝试看看效果;

第二个print会打印出图像的高、宽和通道数,彩色图像的通道数是3,灰度图的通道数为1


图像的显示

cv2.imshow("窗口名", 要显示的图片)

窗口名,通常是字符串类型

cv2.imshow("img",img)
cv2.waitKey(0)      #等待键盘输入,输入任意键返回
cv2.destroyAllWindows()    #关闭窗口

硬核知识:

  • waitKey()内数值若为0,则表示输入任意键后退出,若为大于0的数字,则以毫秒为单位倒计时退出。

  • 新手上路,有时会碰到图片太大显示不全的问题,这时在三行代码的前面加上cv2.namedWindow('img', cv2.WINDOW_KEEPRATIO)就能解决了

  • 这是由于上述代码默认的窗口属性为cv2.WINDOW_AUTOSIZE(按照图片大小自动调整窗口大小),则当图片尺寸小于屏幕大小时,按图片尺寸设置窗口大小,显示一个完整的图片。当图片尺寸大于屏幕大小时,窗口依旧按照图片尺寸设置,则我们的屏幕不能显示整个窗口,从而产生图片显示不全的问题


4. 截取部分图像数据(ROI)

image=img[ : , : ]

冒号前后是像素区域

截取步骤就这一行代码就能实现,例如:image=img[0:200,100:200]
再加上面的图片读取,图片显示,就能完整的看到效果了

img=cv2.imread("自行复制图像路径")
image=img[0:200,100:200]
cv2.imshow("image",image)
cv2.waitKey(0)      #等待键盘输入,输入任意键返回
cv2.destroyAllWindows()    #关闭窗口

5. 视频的读取

对于视频的处理,其实和对图像的处理是相同的,原理就是利用循环将视频拆分成一帧一帧的图像,对每一帧图像进行处理

对视频的处理主要包括如下步骤:

  1. cv2.VideoCapture() 读取摄像头画面或者视频文件,本文章使用视频文件来演示
  2. 检查是否打开成功,返回一个布尔值和一帧图像的矩阵数组
  3. 对每一帧图像进行处理
#视频格式
vc=cv2.VideoCapture("自行复制视频路径")

#检查是否打开成功
if vc.isOpened():
    open, frame = vc.read()
else:
    open = False

#逐帧处理
while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret == True:
        #灰度处理
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  #转换为灰度图
        cv2.imshow('result',gray)     # 将灰度图输出
        if cv2.waitKey(100) & 0xFF == 27: #处理完后每一帧的等待时间
            break
vc.release()
cv2.destroyAllWindows()

6. 边界填充

边界填充常见的有6种方法

BORDER_REPLICATE:复制法,也就是复制最边缘像素。

BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制,例如可以用字母说明:fedcba|abcdefgh|hgfedcb

BORDER_REFLECT_101:反射法,也就是以最边缘像素为轴对称,例如:gfedcb|abcdefgh|gfedcba

BORDER_WRAP:外包装法abcdefgh|abcdefgh|abcdefg

BORDER_CONSTANT:常量法,常数值填充,需要在设置一个value值,以显示填充的颜色。`

  • 下面是一张示例图像,经过程序处理后得到的六张图像

【Python_Opencv图像处理框架】图像基本操作+90bb5729-b33a-4e82-a0d9-faa3e5cbf621
【Python_Opencv图像处理框架】图像基本操作+90bb5729-b33a-4e82-a0d9-faa3e5cbf621
代码示例:

img = cv2.imread("自行复制图像链接")

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 将BGR图片转换为RGB图片
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)  # 定义图片尺寸

replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_CONSTANT, value=0)
plt.imshow(img)  # 原图显示
plt.show()

plt.subplot(2, 3, 1), plt.imshow(img, 'gray'), plt.title('original')
plt.subplot(2, 3, 2), plt.imshow(replicate, 'gray'), plt.title('replicate')
plt.subplot(2, 3, 3), plt.imshow(reflect, 'gray'), plt.title('reflect')
plt.subplot(2, 3, 4), plt.imshow(reflect101, 'gray'), plt.title('reflect')
plt.subplot(2, 3, 5), plt.imshow(wrap, 'gray'), plt.title('wrap')
plt.subplot(2, 3, 6), plt.imshow(constant, 'gray'), plt.title('constant')

plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

7. 图像的加法

图像的加法

前提: 两张图像拥有相同的大小和类型,在处理时应该将两幅图像相同位置的像素的灰度值(灰度图)或彩色像素各通道值(彩色图像)分别相加。通常情况下,在灰度图像中,像素用 8 个比特位(一个字节)来表示,像素值的范围是[0,255]。两个像素值在进行加法运算时,求得的和很可能超过 255,此时就将这个数%256取余。

使用价值

往小处讲:

图像的加法可以实现两张图像的融合,同时保留原图像的信息。在灰度图像中,加法会使图像变亮;而在彩色图像中,加法会使图像颜色更鲜艳。加法也可用于实现图像的平均化和均衡化。

向大处说:

  1. 图像增强:利用两个图像的加法,可以增强图像的亮度、清晰度和对比度等方面,使得图像更加鲜明、清晰。

  2. 图像融合:将两个不同的图像进行加法运算,可以实现图像的融合。例如在医学图像的处理中,将 MRI 和 CT 两个不同的图像进行加法融合,可以更清晰地显示出人体器官的位置和结构信息。

  3. 图像合成:利用图像加法可以将图像元素进行合成,生成新的图像。例如,将两个不同的图像进行叠加,可以生成动态图像或者创意图像。

  4. 噪声消除:将两个相同的图像进行加法运算,可以消除其中的噪声。由于噪声是随机变化的,将两个相同的图像进行加法运算可以消除噪声的影响,提高图像的质量。

代码示例:

import cv2
# 读取两张灰度图像
img1 = cv2.imread('image1.jpg', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('image2.jpg', cv2.IMREAD_GRAYSCALE)
# 将两张图像相同位置的像素灰度值相加
result = cv2.add(img1, img2)
# 显示结果图像
cv2.imshow('Result Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像的融合

cv2.addWeighted(图片, 0.5, 图片, 0.4, 0)

解释:第一个参数是输入的第一张图像,第二个参数是第一张图像的权重值;第三个参数是输入的第二张图像,第四个参数是第二张图像的权重值;第五个参数是一个可选的缩放常数,可以用于调整输出图像的亮度。

img_1 = cv2.imread(自行复制图像路径)
img_2 = cv2.imread(自行复制图像路径)

# 打印出图片像素尺寸
print(img_1.shape)
print(img_2.shape)

# 统一图片尺寸
res_1 = cv2.resize(img_1, (1700, 1200))  # 图像重置函数
res_2 = cv2.resize(img_2, (1700, 1200))

# 图片融合
res = cv2.addWeighted(res_1, 0.4, res_2, 0.8, 0)
res = cv2.cvtColor(res, cv2.COLOR_BGR2RGB)  # 将BGR图片转换为RGB图片

plt.imshow(res)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

这是将两张图片融合后的效果示例
【Python_Opencv图像处理框架】图像基本操作+90bb5729-b33a-4e82-a0d9-faa3e5cbf621


写在最后

👍🏻 点赞,你的认可是我创作的动力!
⭐ 收藏,你的青睐是我努力的方向!
✏️ 评论,你的意见是我进步的财富!文章来源地址https://www.toymoban.com/news/detail-417794.html

到了这里,关于【Python_Opencv图像处理框架】图像基本操作+90bb5729-b33a-4e82-a0d9-faa3e5cbf621的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • OpenCV基本图像处理操作(十)——图像特征harris角点

    角点 角点是图像中的一个特征点,指的是两条边缘交叉的点,这样的点在图像中通常表示一个显著的几角。在计算机视觉和图像处理中,角点是重要的特征,因为它们通常是图像中信息丰富的区域,可以用于图像分析、对象识别、3D建模等多种应用。 角点的识别可以帮助在进

    2024年04月23日
    浏览(58)
  • python数字图像处理基础(二)——图像基本操作、滑动条、鼠标操作

    import cv2 import numpy as np import matplotlib.pyplot as plt 图像读取 cv2.MREAD_COLOR: 彩色图像 或用1 cv2.IMREAD_GRAYSCALE:灰度图像 或用0 img = cv2.imread(‘cat.jpg’, cv2.IMREAD_GRAYSCALE) 等同于: img = cv2.imread(‘cat.jpg’, 0) 图像的显示,也可以创建多个窗口 cv2.imshow(‘img’, img) 等待时间,毫秒级,0表示

    2024年01月18日
    浏览(59)
  • 第五章 Opencv图像处理框架实战 5-3 图像阈值与平滑处理

    ret, dst = cv2.threshold(src, thresh, maxval, type) src: 输入图,只能输入单通道图像,通常来说为灰度图 dst: 输出图 thresh: 阈值 maxval: 当像素值超过了阈值(或者小于阈值,根据type来决定),所赋予的值 type:二值化操作的类型,包含以下5种类型: cv2.THRESH_BINARY; cv2.THRESH_BINARY

    2024年02月14日
    浏览(40)
  • [笔记]Python计算机视觉编程《一》 基本的图像操作和处理

    今天,图像和视频无处不在,在线照片分享网站和社交网络上的图像有数十亿之多。几乎对于任意可能的查询图像,搜索引擎都会给用户返回检索的图像。实际上,几乎所有手机和计算机都有内置的摄像头,所以在人们的设备中,有几 G 的图像和视频是一件很寻常的事。计算

    2024年02月02日
    浏览(53)
  • 使用python_opencv比较图像差异/使用python_opencv找出两张图像的差异范围

    目录 1 创建conda环境 2 安装python库  2.1 报错 ModuleNotFoundError: No module named \\\'numpy\\\' 3 image_diff.py

    2024年02月05日
    浏览(42)
  • python --opencv图像处理(图像腐蚀与图像膨胀)

    图像的腐蚀( Erosion )和膨胀( Dilation )是两种基本的形态学运算,主要用来寻找图像中的极大区域和极小区域。 又出来新名词了:形态学。 图像处理中指的形态学,往往表示的是数学形态学。数学形态学( Mathematical morphology ) 是一门建立在格论和拓扑学基础之上的图像

    2024年02月08日
    浏览(62)
  • 《数字图像处理-OpenCV/Python》连载:形态学图像处理

    本书京东 优惠购书链接 https://item.jd.com/14098452.html 本书CSDN 独家连载专栏 https://blog.csdn.net/youcans/category_12418787.html 形态学图像处理是基于形状的图像处理,基本思想是利用各种形状的结构元进行形态学运算,从图像中提取表达和描绘区域形状的结构信息。形态学运算的数学原

    2024年02月19日
    浏览(74)
  • Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之六 简单图像倾斜校正处理效果

    目录 Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单实战案例 之六 简单图像倾斜校正处理效果 一、简单介绍 二、简单图像倾斜校正处理效果实现原理 三、简单图像倾斜校正处理效果案例实现简单步骤 四、注意事项 Python是一种跨平台的计算机程序设计语言。是一种面向对

    2024年04月13日
    浏览(62)
  • “探索图像处理的奥秘:使用Python和OpenCV进行图像和视频处理“

     1、上传图片移除背景后下载。在线抠图软件_图片去除背景 | remove.bg – remove.bg 2、对下载的图片放大2倍。ClipDrop - Image upscaler  3、对放大后的下载照片进行编辑。  4、使用deepfacelive进行换脸。 1)将第三步的照片复制到指定文件夹。C:myAppdeepfakelivetempDeepFaceLive_NVIDIAuserda

    2024年02月16日
    浏览(89)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包