数字图像属性

数字图像有多个通道（RGB、YUV、HSV等），每个通道是一个二维矩阵，矩阵的每个元素是0-255整数。

opencv-python环境搭建

安装python3.8，采用exe方式安装，pip会随之安装。修改环境变量path，添加C:\Python38和C:\Python38\Scripts。其中C:\Python38有python.exe，C:\Python38\Scripts里面有pip.exe。以管理员身份打开cmd，执行以下三个命令：

pip install --upgrade setuptools
pip install numpy Matplotlib
pip install opencv-python

安装numpy、Matplotlib、opencv-python三个包， opencv环境已经已经搭建好了。

如果安装失败，那么也可以到http://www.lfd.uci.edu/~gohlke/pythonlibs/下载numpy、matplotlib、opencv-python三个包，再本地安装，pip install <包名>。

或者，可以指定国内的开源镜像站，这样不会受到万里长城的干扰。我使用的是网易开源镜像站，推荐。以安装matplotlib为例。

pip install matplotlib -i http://uni.mirrors.163.com/pypi/simple/ --trusted-host uni.mirrors.163.com

基本操作

我们使用opencv-python环境，操作调用API可以参考这个地址的文档，里面有详细的说明。

OpenCV-Python Tutorials

Read in / Show out，读取、显示图像；

搭建好环境，就用读取、显示图像测试一下。使用cv2.imread读取经典的lena图像，可以直接读取彩色、灰度图像，cv2.imshow显示图像。

import cv2# flags = 0 灰度图像
# flags = 1 彩色图像
img_color = cv2.imread('d:/dev/res/lena.jpg', flags=1)
img_gray = cv2.imread('d:/dev/res/lena.jpg', flags=0)
# 显示图片
cv2.imshow('lena_color', img_color)
cv2.imshow('lena_gray', img_gray)
# 等待输入ESC退出
key = cv2.waitKey()
if key == 27:cv2.destroyWindow('lena_color')cv2.destroyWindow('lena_gray')pass

Change color，修改颜色；

加深颜色，我们让每个像素点R通道加100，那么整个图片会变更红。

import cv2def rgb_add(image, channel, offset=0):if abs(offset) <= 255 and channel.casefold() in ('r', 'g', 'b'):if offset > 0:b, g, r = cv2.split(image)if channel.casefold() == 'r':r[r > 255 - offset] = 255r[r <= 255 - offset] = r[r <= 255 - offset] + offsetelif channel.casefold() == 'g':g[g > 255 - offset] = 255g[g <= 255 - offset] = g[g <= 255 - offset] + offsetelif channel.casefold() == 'b':b[b > 255 - offset] = 255b[b <= 255 - offset] = b[b <= 255 - offset] + offsetpassimage_merge = cv2.merge((b, g, r,))return image_mergeelif offset < 0:b, g, r = cv2.split(image)if channel.casefold() == 'r':r[r < abs(offset)] = 0r[r >= abs(offset)] = r[r >= abs(offset)] + offsetelif channel.casefold() == 'g':g[g < abs(offset)] = 0g[g >= abs(offset)] = g[g >= abs(offset)] + offsetelif channel.casefold() == 'b':b[b < abs(offset)] = 0b[b >= abs(offset)] = b[b >= abs(offset)] + offsetpassimage_merge = cv2.merge((b, g, r,))return image_mergeelse:return imageelse:return imagepassimg = cv2.imread('d:/dev/res/lena.jpg', flags=1)
img_r = rgb_add(img, channel='r', offset=-150)cv2.imshow('lena', img)
cv2.imshow('lena_red', img_r)key = cv2.waitKey()
if key == 27:cv2.destroyAllWindows()pass

Gamma Correction，伽马校正；

伽马校正的目的是使得图像变明亮清晰。校正的方式是，对每个像素每个通道的数值进行gamma校正，每个像素除以255，结果做gamma次幂，再乘以255，取整。gamma值再0至1之间使图像整体变得明亮清晰，一般取gamma=0.7可用。

import cv2
import numpydef gamma_adjust(image, gamma=1.0):table = []for i in range(256):table.append(((i / 255.0) ** gamma) * 255)passtable = numpy.array(table).astype('uint8')image_gamma = cv2.LUT(image, table)return image_gammapassimg = cv2.imread('d:/dev/res/dark.jpg', flags=1)
img_gamma = gamma_adjust(img, gamma=0.5)
cv2.imshow('img', img)
cv2.imshow('img_gamma', img_gamma)
key = cv2.waitKey()
if key == 27:cv2.destroyAllWindows()pass

Crop，切割；

从一个图像里面截取某一部分图像。比如从lena里截取面容。

import cv2img = cv2.imread('d:/dev/res/lena.jpg', 1)
img_crop = img[80:200, 80:200]
print(img.shape)
cv2.imshow('lena', img)
cv2.imshow('lena_crop', img_crop)
key = cv2.waitKey()
if key == 27:cv2.destroyAllWindows()pass

Histogram，直方图

通过改变灰度图像各像素点的值，在保证不超过灰阶最大值的前提下，增强各像素点的对比，从而使图像增强，使图像变清晰。

关于直方图的原理，我就（说）不（不）说（明）了（白），个人认为这个cnblogs的博客对直方图原理写的比较好，直方图均衡化原理，推荐给大家。

import cv2
import matplotlib.pyplot as pltimg_gray = cv2.imread('d:/dev/res/lena.jpg', 0)
hist_gray = img_gray.flatten()
# bins 指的是统计区间分成个数
# range指的是统计区间
plt.hist(hist_gray, bins=256, range=[0, 256])
plt.show()img_eq = cv2.equalizeHist(img_gray)
hist_eq = img_eq.flatten()
plt.hist(hist_eq, bins=256, range=[0, 256])
plt.show()cv2.imshow('lena_gray', img_gray)
cv2.imshow('lena_hist', img_eq)key = cv2.waitKey()
if key == 27:cv2.destroyAllWindows()pass

CV00-02-CV基本操作1相关推荐

Tomcat学习笔记01【Web相关概念、Tomcat基本操作】
Java后端学习路线笔记汇总表[黑马程序员] Tomcat学习笔记01[Web相关概念.Tomcat基本操作][day01] Tomcat学习笔记02[Tomcat部署项目][day01] 目录 ...
OpenCV计算机视觉实战(Python版)资源
疲劳检测 pan.baidu.com/s/1Ng_-utB8BSrXlgVelc8ovw #导入工具包 from scipy.spatial import distance as dist from ...
Opencv——批量处理同一文件夹下的图片（解决savedfilename = dest + filenames[i].substr(len)问题）
文章目录前言一.完整代码二.实现效果前言第一份代码实现了批量修改同一文件夹下图片的尺寸,有其他需求时仅需修改处理部分的代码以及文件夹路径. 第二份代码实现了批量截取同一文件夹下每张图片的RO ...
java基础学完_学完Java基础应该继续学什么？
2020年,Java已经占据了市场的大半片江山,这是我们Java程序员的福音,也是我们为社会做贡献的良好时机在2020年9月份,我们的Java排名依旧稳居前三所以,我们的Java语言一直都是行业的 ...
8年京东大数据架构师推荐的大数据开发学习路线
一.我们先要了解大数据的工作方向 01.大数据工程师 02.数据分析师 03.大数据科学家 04.其他(数据挖掘本质算是机器学习,不过和数据相关,也可以理解为大数据的一个方向吧) 二.大数据工程师的技 ...
OpenCV中的模糊处理（python）
OpenCV中的模糊处理前言 1.写在模糊理解前 1.1什么是卷积 1.2滤波器 2.模糊方式 2.1均值模糊(滤波) 2.2中值模糊 2.3高斯模糊总结前言接到考核任务. 在学OpenCV模 ...
8.房价预测基础线性回归
代码地址:appke/Los-House-Prices: 洛杉矶房价预测 import numpy as np import pandas as pd import matplotlib.pyplot ...
Opencv Python图像处理进阶教程②
Opencv Python图像处理进阶教程概述: 代码: https://github.com/bai1231/opencv-learn_and_pratice 1. 图像卷积与应用图像去噪图像 ...
0基础学习大数据你需要了解的学习路线和方向
现在大数据这么火,各行各业想转行大数据,那么问题来了,该往哪方面发展,哪方面最适合自己? 首先从字面来了解一下大数据大数据 (巨量数据集合(IT行业术语)) 大数据(big data),指无法在一定 ...
大数据学习入门规划？和学习路线
大数据方向的工作目前分为三个主要方向: 01.大数据工程师 02.数据分析师 03.大数据科学家 04.其他(数据挖掘本质算是机器学习,不过和数据相关,也可以理解为大数据的一个方向吧) 一.大数 ...

CV00-02-CV基本操作1