OpenCV——《bitwise_and》mask的操作以及直方图的操作

这篇具有很好参考价值的文章主要介绍了OpenCV——《bitwise_and》mask的操作以及直方图的操作。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。

1.bitwise_and和mask操作

bitwise_and该函数是一个and操作当两者全为1的时候才会为1,有0则0.

import cv2
import numpy as np
import matplotlib.pyplot as plt

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()
maskmask = np.zeros(img.shape[:2],np.uint8)
print(maskmask.shape)
print(img.shape[:2])
maskmask[100:300,100:400] = 255#中间区域设置为全白色
cv_show('mask',maskmask)
img = cv2.imread('cat.jpg',0)#读成灰色图片
cv_show('img',img)
masked_img = cv2.bitwise_and(img,img,mask=maskmask)
cv_show('masked_img',masked_img)

OpenCV——《bitwise_and》mask的操作以及直方图的操作

2.直方图操作

import cv2
import numpy as np
import matplotlib.pyplot as plt

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()
img = cv2.imread('cat.jpg',0)#0表示灰度图
#分别代表的是:图像,灰度图,设置None,高度为56,宽度为0-256
hist = cv2.calcHist([img],[0],None,[256],[0,256])
plt.hist(img.ravel(),256)#统计次数使用的
plt.show()
img = cv2.imread('cat.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
    histr = cv2.calcHist([img],[i],None,[250],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

对应的是直方图横坐标代表的是0-256.纵坐标代表的是出现的次数。
OpenCV——《bitwise_and》mask的操作以及直方图的操作
三种颜色分别代表的是RGB三种通道上的信息
OpenCV——《bitwise_and》mask的操作以及直方图的操作文章来源地址https://www.toymoban.com/news/detail-501818.html

到了这里,关于OpenCV——《bitwise_and》mask的操作以及直方图的操作的文章就介绍完了。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

  • TypeError: ufunc ‘bitwise_and‘ not supported for the input types, and the inputs could not be safely

    这个错误是因为您使用了逻辑运算符来执行按位与(bitwise and)运算,而它不适用于浮点数类型的输入数据。 要比较两个浮点数是否在一个范围内,您可以使用逻辑运算符and,或者使用numpy库中的logical_and函数。具体地,您可以按照以下方式更改代码: 1.使用逻辑运算符and来替代

    2024年02月14日
    浏览(36)
  • python opencv 图片缺陷检测(讲解直方图以及相关系数对比法)

    2.1灰度转换(将原图和要检测对比的图分开灰度化) 灰度化的作用是因为后面的直方图比较需要以像素256为基准进行相关性比较 2.2 直方图计算(结果其实是二维的图表–用画图的方式展示) 第一个参数: 必须为列表[],哪怕只有一个图片 ,image输入图像 channels::传入图像的

    2024年01月23日
    浏览(36)
  • python的opencv操作记录(13)-增强之直方图均衡化

    前段时间忙活深度网络和android的东西去了,好久没讲讲传统图像处理了,这一篇继续来说说opencv中的传统图像处理部分——图像增强之直方图增强。 图像增强是一种基本的图像处理操作,简单的来说就是把图像变的更清晰,或者说感兴趣的某个区域需要变的更加清晰。 而清

    2024年02月04日
    浏览(31)
  • 图像二值化处理(全局阈值 自适应阈值 手动阈值操作以及直方图画法)

    图像二值化就是把让图像的像素点只有0和1(只有黑白两各种颜色,黑是背景,白是前景),关键点是寻找一个阈值T,使图像中小于阈值T的像素点变为0,大于T的像素点变为255。下面介绍的就是寻找一个图像的阈值T的方法。(主要根据直方图) retval:返回的阈值(double类型)

    2024年02月08日
    浏览(41)
  • opencv的Mask操作,选择图片中感兴趣的区域

    最近做目标检测任务的时候,需要对固定区域的内容进行检测,要用到opencv的mask操作,选择图片固定的区域 可以对ROI检测香烟,检测之后在ROI的香烟上画上框,再roi+background得到完整图片

    2024年02月12日
    浏览(21)
  • 【Python】【OpenCV】视频帧和摄像头帧操作 and 窗口显示

    一、读取写入视频文件   二、捕获摄像头帧 和视频的读取写入没有什么差异,都是需要先创建一个VideoCapture Object来操作,下述是细微差别: 3   Line:VideoCapture(0),其中 0 代表设备,还可以1,2,3 分别代表不同的摄像头(如果存在),也可以输入网络摄像头,直接替换成

    2024年02月05日
    浏览(45)
  • 【OpenCV学习笔记30】- OpenCV 中的直方图 - 直方图 - 4:直方图反投影

    这是对于 OpenCV 官方文档中 图像处理 的学习笔记。学习笔记中会记录官方给出的例子,也会给出自己根据官方的例子完成的更改代码,同样彩蛋的实现也会结合多个知识点一起实现一些小功能,来帮助我们对学会的知识点进行结合应用。 如果有喜欢我笔记的请麻烦帮我关注

    2024年03月26日
    浏览(41)
  • Rethinking Point Cloud Registration as Masking and Reconstruction论文阅读

    2023 ICCV * Guangyan Chen, Meiling Wang, Li Yuan, Yi Yang, Yufeng Yue* ; Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2023, pp. 17717-17727 paper: Rethinking Point Cloud Registration as Masking and Reconstruction (thecvf.com) code: CGuangyan-BIT/MRA (github.com) 这论文标题就很吸引人,但是研读下来作者只是想

    2024年02月08日
    浏览(37)
  • 【OpenCV--直方图】

    目录 一、直方图是什么? 1.描述: 2.相关术语: 二、直方图的计算和绘制 三、掩膜的应用 四、直方图均衡化: 五、自适应的直方图均衡化 1.描述: 1直方图是对数据进行统计的一种方法,并且将统计值组织到一系列实现定义好的bin(直条/组距)当中。bin的数值可以是梯度、方

    2024年02月05日
    浏览(32)
  • opencv-2D直方图

    cv2.calcHist() 是 OpenCV 中用于计算直方图的函数。它可以计算一维或多维直方图,用于分析图像中像素值的分布。 基本的语法如下: 参数说明: images : 输入图像, 可以是单通道或多通道图像 。在计算多通道图像的直方图时,要将通道分别传递给 channels 参数。 channels : 要考虑

    2024年02月20日
    浏览(28)

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