前言：本文就图像的马赛克处理，基于opencv提出了三种解决方案，并详细地介绍了三种方法的原理、示例、问题及问题的解决方案。

方法一

原理介绍：利用resize()将图片先缩小，再放大

代码示例：

import cv2
import numpy as npif __name__ =='__main__':img=cv2.imread('D:\\26059\\Desktop\\20220630_python_learning\\CSDN_opencv_learning\\4.jpg')print(img.shape)#打印图片长宽cv2.namedWindow("image",cv2.WINDOW_NORMAL)#自由改变显示框大小img2=cv2.resize(img,(49,35))img3=cv2.resize(img2,(490,350))cv2.imshow('image',img3)cv2.waitKey(0)cv2.destroyAllWindows()

效果展示：

问题分析：使图像变的模糊，并没有达到马赛克的真正效果

解决方案：如果是想对图片进行马赛克处理，不太建议这种方法

方法二

原理介绍：1.先使用resize()将图片缩小按照一定比例缩小，原图像素为490*350，如下图代码示例cv2.resize(img,(49,35))即是将图像缩小十倍。

2.接着使用repeat()，分别将图像的横轴和竖轴放大N倍，（图中为10倍）

代码示例：

import cv2
import numpy as npimg=cv2.imread('D:\\26059\\Desktop\\20220630_python_learning\\CSDN_opencv_learning\\7.png')
cv2.namedWindow("image",cv2.WINDOW_NORMAL)#自由改变显示框大小img2=cv2.resize(img,(49,35))
img3=np.repeat(img2,10,axis=0)
img4=np.repeat(img3,10,axis=1)cv2.imshow("image",img3)
cv2.imwrite("image.png",img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果展示：

问题分析：相较于方法一的图像简单模糊处理，方法二能够较好的实现图像的马赛克处理，在利用repeat()对图像进行横轴与数轴放大时，通过调整N的数值大小，也能够较好的实现马赛克程度的调整。

此方式的问题在于，无法确定像素的选取，即无法确定是对某一块像素颜色进行加权处理，还是随机选取，或者采用其他方式。

解决方法：针对上述的问题，我所想到的解决方法是先对整个图像进行遍历，选取出一定像素颜色范围，对该范围利用上述方法进行处理。

方法三

原理介绍：利用切片，每隔n个取一个像素点，剥离了图像的细节

代码示例：

import cv2
import numpy as npif __name__ =='__main__':img=cv2.imread('D:\\26059\\Desktop\\20220630_python_learning\\CSDN_opencv_learning\\4.jpg')print(img.shape)#打印图片长宽cv2.namedWindow("image",cv2.WINDOW_NORMAL)#自由改变显示框大小img2=img[::15,::15]cv2.imshow('image',img2)cv2.waitKey(0)cv2.destroyAllWindows()

效果展示：

问题分析：上述图像中，图一的n值取15，图二的n值取50，通过对比，可以很明显的发现，图二的信息缺失更多，通过改变N值，也能够很好的实现图像马赛克程度的变化。

此种方法的问题在于，每n个像素取一个限制了像素选取的自由度。

利用opencv实现图像马赛克处理的三种方法相关推荐

OpenCV精进之路（零）：访问图像中像素的三种方法
访问像素的三种方法指针访问:最快迭代器iterator:较慢,非常安全,指针访问可能出现越界问题动态地址计算:更慢,通过at()实现.适用于访问具体某个第i行,j列的像素,而不适用遍历像素这里 ...
图像灰度化的三种方法（matlab、C++、Python实现）
灰度化处理就是将一幅色彩图像转化为灰度图像的过程.彩色图像分为R,G,B三个分量,分别显示出红绿蓝等各种颜色,灰度化就是使彩色的R,G,B分量相等的过程.灰度值大的像素点比较亮(像素值最大为255,为 ...
【opencv学习笔记】第五篇：访问图像中像素的三种方式、ROI区域图像叠加和图像混合
1. 访问图像中像素的三种方式任何图像处理算法,都是从操作每个像素开始的.在OpenCV中,提供了三种访问每个像素的方法. 方法1:指针访问:C操作符[] 方法2:迭代器iterator 方法3:动 ...
利用opencv对图像进行长曝光
利用opencv对图像进行长曝光本文首发于公众号[Opencv视觉实践],翻译自光头哥哥的博客: [Long exposure with OpenCV and Python],仅做学习分享. 原文链 ...
【图像处理】——图像滤波（Python+opencv实现三种方法：均值滤波、中值滤波、高斯滤波等）
目录一.什么是滤波以及滤波的目的? 二.均值滤波(cv2.blur()) 1.原理 2.关键代码 3.封装代码二.中值滤波(cv2.medianBlur()) 1.原理 2.关键代码 3.封装代码 ...
android代码查找图像,Android平台上利用opencv进行图像的边沿检测
原标题:Android平台上利用opencv进行图像的边沿检测近开始接触opencv for Android,从网上down了图像的边沿检测的代码. 测试图片: 在Android2.3.1模拟器上跑 ...
【图像处理】——图像的灰度化处理（Python实现三种方法——最大值法、平均值法、加权均值法、gamma校正）
目录一.什么是图像的灰度化? 二.灰度化的几种方法(最大值法.平均值法.加权均值法.gamma校正) 1.直接调用函数:cv2.cvtColor() 图像颜色空间转换 2.最大值法 (1)概念 (2 ...
Opencv3编程入门学习笔记（三）之访问图像像素的三种方法
访问图像像素的三种方法:指针访问,迭代器访问,动态地址访问.访问最快的为指针访问,以下算法在几毫秒,但指针访问容易造成内存泄漏:其次为迭代器访问:最后为动态地址访问. 以下程序是根据<OpenC ...
LeetCode547. Friends Circles 利用union find | bfs | dfs三种方法解决
问题来源此题来源于LeetCode547. Friend Circles,主要运用了并查集(union find).广度优先遍历(bfs)和深度优先遍历(bfs)三种方法解决. 问题简述给定一个N ...

利用opencv实现图像马赛克处理的三种方法

前言：本文就图像的马赛克处理，基于opencv提出了三种解决方案，并详细地介绍了三种方法的原理、示例、问题及问题的解决方案。

方法一

效果展示：

方法二

效果展示：

方法三

利用opencv实现图像马赛克处理的三种方法相关推荐

最新文章

热门文章