Python-OpenCV 笔记2 – 图像的基本属性和操作

1、图片基本属性

# 图像的类型
type(image)# 图像的大小，元组（行，列，通道）
image.shape# 图像的大小，值为shape三个元素的乘积
image.size # 图像像素的数据类型
image.dtype

2、图片基本操作

图像缩放：

# 缩放为指定尺寸
img1 = cv2.resize(img1, (1000, 750))

图像颜色转换：

# 彩色图转灰度图
img = cv2.cvtColor(img1, cv2.COLOR_RGB2GRAY)

图像通道分离和合并：

# 注意通道的顺序是b, g, r
# 图像通道分离
b,g,r = cv2.split(img)  b = cv2.split(img)[0]
g = cv2.split(img)[1]
r = cv2.split(img)[2]# 图像通道合并
img = cv2.merge([b,g,r])

3、图像滤波

均值滤波（Averaging）：

# 函数原型
blur(src, ksize[, dst[, anchor[, borderType]]]  )# 实例
blur =  cv2.blur(img, (3,3))

src：输入图片
ksize：滑动窗口的大小，(x, x)，x通常为奇数3,5,7,9
dst：输出图片
anchor：锚点，即滑动窗口的计算点，(-1, -1)表示中心点
borderType：超出图像的像素点插值方式

高斯滤波（Gaussian Blurring）：

# 函数原型
GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])# 实例
blur = cv2.GaussianBlur(img,(5,5),0)

sigmaX：高斯核X方向的标准差，XY都等于0时按照ksize的宽和高来定
sigmaY：高斯核Y方向的标准差，等于0或默认时=sigmaX
标准差越大中间元素的占比越大

中值滤波（Median Blurring）：

# 函数原型
medianBlur(src, ksize[, dst])# 实例
median = cv2.medianBlur(img,5)

ksize：核大小，一个正整数，通常3,5,9
对椒盐噪声效果好

双边滤波（Bilateral Filtering）：

# 函数原型
bilateralFilter(src, d, sigmaColor, sigmaSpace[, dst[, borderType]])# 实例
blur = cv2.bilateralFilter(img,9,75,75)

边缘较其它滤波清晰，比较耗时
d：核的直径，推荐<=5
sigmaColor：颜色空间参数，越大表示较远的相同颜色像素值影响越大
sigmaSpace：坐标空间参数，越大时离得较远的像素影响越大

4、图像二值化

函数原型：

# 普通阈值
threshold(src, thresh, maxval, type, dst=None)# 自适应阈值，图片分成小块计算阈值
adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C,dst=None)

src：输入图片
thresh：灰度值阈值
maxval：最大的灰度值
type：二值化方法。THRESH_BINARY，THRESH_BINARY_INV，THRESH_TRUNC，THRESH_TOZERO ， THRESH_TOZERO_INV ，THRESH_OTSU（最佳阈值）
dst：输出图片
maxValue：与 maxval 相同
adaptiveMethod：ADAPTIVE_THRESH_MEAN_C（通过平均的方法取得平均值）、ADAPTIVE_THRESH_GAUSSIAN_C(通过高斯取得高斯值) ，这两种方法最后得到的结果要减掉参数里面的C值
thresholdType：与 type 相同
blockSize：计算阈值的邻域块大小，正方形，必须为奇数
C：偏移值，计算出的自适应阈值要加上该偏移值

# 灰度值超过 100 的变为 255，小于的为 0
ret, thresh1 = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)# 最佳阈值二值化
ret, thresh1 = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU）# 自适应阈值，返回值没有ret
thresh1 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 5)

5、图像梯度图

Sobel 算子：

函数原型：

Sobel(src, ddepth, dx, dy, dst=None, ksize=None, scale=None, delta=None, borderType=None)

src：待计算的输入图
ddepth：图片的深度
dx：x轴的微分阶数
dy：y轴的微分阶数
dst：输出图片
ksize：算子的核大小，必须为1、3、5、7
scale：微分值的缩放系数
delta：微分值的偏差值
borderType：数值的插值类型

# Sobel算子求水平和垂直梯度
x = cv2.Sobel(img, cv2.CV_16S, 1, 0)
y = cv2.Sobel(img, cv2.CV_16S, 0, 1)# 求梯度的绝对值
absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)# 水平和垂直梯度的加权和
dst = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)

6、Canny边缘检测

Canny边缘检测原理

# 函数原型
Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])
Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]])# 实例
edges = cv2.Canny(img,100,200)

image：输入图片，必须为单通道灰度图
dx：输入图片的x方向梯度图
dy：输入图片的y方向梯度图
threshold1：选择是否保留某点梯度的阈值低值
threshold2：选择是否保留某点梯度的阈值高值
apertureSize：Sobel算子的核大小

Python-OpenCV 笔记2 -- 图像的基本属性和操作相关推荐

python+OpenCV笔记（二十四）：Shi-Tomasi角点检测
Shi-Tomasi角点检测原理 python+OpenCV笔记(二十二):角点检测原理(Harris角点检测原理.Shi-Tomasi角点检测原理)https://blog.csdn.net/qq ...
python+OpenCv笔记（十三）：边缘检测——Sobel检测算子
Sobel检测算子概述: Sobel边缘检测算法比较简单,实际应用中效率比canny边缘检测效率要高,但是边缘不如Canny检测的准确,但是很多实际应用的场合,sobel边缘却是首选,Sobel算子 ...
用python怎么样实现图像二值化_使用Python+OpenCV如何实现图像二值化
使用Python+OpenCV如何实现图像二值化发布时间:2020-10-26 14:15:52 来源:亿速云阅读:77 作者:蛋片鸡这篇文章运用简单易懂的例子给大家介绍使用Python+Ope ...
Python+OpenCV：立体图像深度图（Depth Map from Stereo Images）
Python+OpenCV:立体图像深度图(Depth Map from Stereo Images) 理论 If we have two images of same scene, we can g ...
Python+OpenCV：交互式图像前景提取(Interactive Foreground Extraction using GrabCut Algorithm)
Python+OpenCV:交互式图像前景提取(Interactive Foreground Extraction using GrabCut Algorithm) ################# ...
灰度拉伸python,Python OpenCV实例：图像灰度拉伸
Python OpenCV实例:图像灰度拉伸 Python OpenCV实例:图像灰度拉伸为什么80%的码农都做不了架构师?>>> #coding:utf-8 ''' 灰度拉伸定 ...
python+OpenCv笔记（六）：图像的几何变换（缩放、平移、旋转、仿射、透射、金字塔）
一.图像的缩放 OpenCv API: cv2.resize(src, dsize, fx, fy, interpolation) 参数: src:输入的图像 dsize:绝对尺寸,直接将图像调整为指 ...
数字图像处理与Python实现笔记之图像特征提取
数字图像处理与Python实现笔记摘要绪论 1 数字图像处理基础知识 2 彩色图像处理初步 3 空间滤波 4 频域滤波 5 图像特征提取 5.1 图像颜色特征提取 5.1.1 颜色直方图 1 一般 ...
【图像处理】——Python+opencv实现提取图像的几何特征（面积、周长、细长度、区间占空比、重心、不变矩等）
转载请注明详细地址本文简单介绍了图像常见几何特征的概念以及求解方法本文介绍了Python和opencv求解几何特征的常用方法目录其他形状外接轮廓的方法可以参考:<OpenCV-Pytho ...

Python-OpenCV 笔记2 -- 图像的基本属性和操作

Python-OpenCV 笔记2 – 图像的基本属性和操作

1、图片基本属性

2、图片基本操作

3、图像滤波

4、图像二值化

5、图像梯度图

6、Canny边缘检测

Python-OpenCV 笔记2 -- 图像的基本属性和操作相关推荐

最新文章

热门文章