一、研究黑白图像

1.位图模式（黑白图像）

仅仅只有一位深度的图像 -》（0，1，1，1，……）此处0表示全黑 1表示全白

2.灰度图像 [0,255]

有8位深度的图像
（0,0，0,0，0,0，0,0，0）-》20 = 1 ->（纯黑色）
（1,1，1,1，1,1，1,1，1）-》28 = 256 ->（纯白色）

3.彩色图像（三个通道）

彩色三原色：三通道（RGB）
一共三个通道，每个通道8个深度。

#读取图片：
import cv2
import numpy as nppath = r"G:\1.png"
img = cv2.imread(path,0) # 此处0代表灰度图，1代表彩图
print(type(img)) # < calsss 'numpy ndarray' >
print(img.shape) # (2048, 1024, 3) （h,w,c）->(高，宽，通道数)存储类型 uint8无符号8位整型（0，1,0，1,0，1,0，1）a = img[:100,:200] #对图片截取行0-100 列0-200
b = img[:100,:400]  #对图片截取行0-100 列0-400c = np.hstack((a,b))   # 同行水平拼接
cv2.imshow("1",a)
cv2.imshow("2",b)
cv2.imshow("1+2",c)
cv2.waitKey()

结果如图（水平拼接）：

结果如图（垂直拼接）：

a = img[:300,:200] #对图片截取行0-300 列0-200
b = img[:100,:200]  #对图片截取行0-100 列0-200c = np.vstack((a,b))   # 同列垂直拼接
cv2.imshow("1",a)
cv2.imshow("2",b)
cv2.imshow("1+2",c)
cv2.waitKey()

二、计算图像全部像素值

import cv2
import numpy as np
import matplotlib.pyplot as pltpath = r".\1.jpg"
img = cv2.imread(path,1) # 此处0代表灰度图，1代表彩图
print(type(img)) # < calsss 'numpy ndarray' >
print(img.shape) # (2048, 1024, 3) （h,w,c）->(高，宽，通道数)存储类型 uint8无符号8位整型（0，1,0，1,0，1,0，1）b,g,r = cv2.split(img)        #分离颜色通道  b=img[:,:,0] g=img[:,:,1] r=img[:,:,2]
h,w = np.shape(b)             # 行列遍历
hest = np.zeros([256],dtype=np.int32) # 建立空白数组
for i in [b,g,r]:for row in range(h):for col in range(w):pv =i[row,col]hest[pv] +=1plt.plot(hest,color='r')
plt.show()

img1 = img.copy() #针对图像进行拷贝，避免其损坏 显示BGR每个通道色彩空间的图像
img1[:,:,0]=0
img1[:,:,1]=0
cv2.imshow("1",img1)
cv2.waitKey()

img1 = img.copy()
img1[:,:,0]=0
img1[:,:,2]=0
cv2.imshow("1",img1)
cv2.waitKey()

img1 = img.copy()
img1[:,:,0]=0
img1[:,:,1]=0
cv2.imshow("1",img1)
cv2.waitKey()

同时，分离通道时，

b,g,r = cv2.split(img) image = cv2.merge([b,g,r])
cv2.imshow("1",image)
cv2.waitKey()

和

img1 = img.copy()
b = img1[:,:,0]     #这一段和b,g,r = cv2.split(img) 分离通道效果 一样
g = img1[:,:,1]
r = img1[:,:,2]image = cv2.merge([b,g,r])
cv2.imshow("1",image)
cv2.waitKey()

出来的结果是显示原图

b,g,r = cv2.split(img)
image = cv2.merge([b,g,r])    #分离通道之后可以自由组合，然后变换颜色cv2.namedWindow("1",cv2.WINDOW_NORMAL)   #这个可以控制窗口显示的大小
cv2.imshow("1",image)cv2.waitKey()

分离通道之后B G R 可以相互组合变换颜色

import cv2
img = cv2.imread("F:\\test\\2.jpg")
mask = cv2.imread("F:\\test_mask\\2.jpg")mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)ret, thresh = cv2.threshold(mask, 127, 255, 0)
contours, im = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) #第一个参数是轮廓
cv2.drawContours(image=img, contours=contours, contourIdx=-1, color=(0, 255, 0), thickness=1)cv2.namedWindow('a',cv2.WINDOW_NORMAL)
cv2.imshow('a', img)
cv2.waitKey(0)

2021-09-23对图像深入研究相关推荐

2021.3.2-3.8 人工智能行业每周技术动态
最近,发现很多公众号都在发Transformer的内容. 这是很好的事,说明行业内大家在不断的去尝试,不断的去突破. 之前的一个同事,最近也在一直和我聊,关于他对Transformer在股票分析的一些 ...
大作业论文之基于迁移学习的图像预测研究
基于迁移学习的图像预测研究摘要:深度学习技术发展迅速,在图像处理领域取得了显著成果.[2]但是由于部分图像样本少,标注困难,使得深度学习的效果远未达到预期.迁移学习是机器学习中一种新的学习范式, ...
年末回顾：2021年 AI 领域十大研究趋势及必读论文
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达编 | 小轶,Yimin_饭煲在本文中,我们将梳理近百篇的最新深度学习论文,以总结出 ...
中国医科大学2021年9月《护理研究》作业考核试题
中国医科大学2021年9月<护理研究>作业考核试题试卷总分:100 得分:100 一.单选题 (共 20 道试题,共 20 分) 1.第二次世界大战后提出的关于人体医学研究行为准则的第一 ...
leetcode刷题记录2：进度64， 2021.10.23
文章目录数组的度(题目编号697:[link](https://leetcode-cn.com/problems/degree-of-an-array/)) 二叉搜索树(题目编号700:[link] ...
计算机视觉技术在图像特征提取中的应用研究,基于图像特征提取的图像融合研究...
基于图像特征提取的图像融合研究 [摘要]:视觉信息是人类从自然界中获取信息的最主要手段,图像信息是一种主观性很强的重要信息表达形式,也是最难由计算机认知.处理与实现的信息之一.而图像特征提取作为计算机 ...
《惢客创业日记》2021.09.15（周三）套路的最高境界
今天,凉粉儿给我发了一段她想的关于惢客的宣传词:"你被套路过吗?想不再被套路吗?上惢客."总结一句话是"不被套路上惢客".我觉得能把惢客跟套路联系在一起,很贴切 ...
基于MATLAB的数字图像K-L变换,基于DCT变换的图像编码方法研究
分类号密级 UDC注l 学位论文基于DCT变换的图像编码方法研究 (题名和副题名) 朱剑英 (作者姓名指导教师姓名副教授中诱学位级别硕士沦_义提交日期2004.1 专.业名称通信与 ...
橘子CPS联盟操作手册2021.09
橘子CPS联盟操作手册2021.09 目录橘子CPS联盟操作手册2021.09 橘子CPS联盟是干嘛的橘子CPS基本操作流程 PC端操作 1.注册 2.登陆 3.渠道管理 4.分享网站 5.分享网 ...
电动力学每日一题 2021/10/23 载流板产生的电磁场
电动力学每日一题 2021/10/23 载流板产生的电磁场载流板的辐射载流板的辐射先验证电荷守恒: ∂ρ∂t=−∇⋅J=−∂∂zJz=0\frac{\partial \rho}{\partial ...

2021-09-23对图像深入研究

一、研究黑白图像

1.位图模式（黑白图像）

2.灰度图像 [0,255]

3.彩色图像（三个通道）

2021-09-23对图像深入研究相关推荐

最新文章

热门文章