数字图像处理之图像基础

最近在学数字图像处理，图像基础包括以下部分：

导入库

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

图片展示函数

def show(img):if img.ndim == 2:plt.imshow(img,cmap='gray')else:plt.imshow(cv.cvtColor(img,cv.COLOR_RGB2BGR))plt.show()

图像的矩阵表示

A = np.random.randint(0,256,(2,4),dtype=np.uint8)
print(A)
show(A)
B = np.random.randint(0,256,(2,4,3),dtype=np.uint8)
print(B)
show(B)

结果如下图所示：

通道合并与分离

img = cv.imread('C:\PerfLogs\pc.jpg')
b,g,r = cv.split(img)#分离
show(b)
show(g)
show(r)
img_new = cv.merge([b,g,r])#合并通道

分离后的三通道显示出来的图像

合并后的图片为：

彩色图转灰度图

gray1 = 0.299*b + 0.587*g + 0.114*r
#opencv自己提供的函数实现彩色图转灰度图
img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
show(np.hstack([gray1,img_gray])

图像的二值化

thresh = 125
gray2[gray2>thresh] = 255
gray2[gray2<=thresh] = 0
#opencv自带的函数
ignore,img_bin = cv.threshold(gray2,125,200,cv.THRESH_BINARY)

两图像的加减乘除

#图片的加载+调整图片大小
obj = cv.imread('C:\PerfLogs\pc.jpg',0)
obj = cv.resize(obj,(550,550),)#调整图片大小
bg = cv.imread('C:\PerfLogs\pc1.jpg',0)
bg = cv.resize(bg,(550,550),)
mask = cv.imread('C:\PerfLogs\pc2.jpg',0)
mask = cv.resize(mask,(550,550),)
noise = cv.imread('C:\PerfLogs\pc3.jpg',0)
noise = cv.resize(noise,(550,550),)

图像根据一定比例相加

img_add1 = cv.add(noise*0.5,bg*0.5)
img_add2 = cv.addWeighted(noise,0.5,bg,0.5,0)#opencv自带的函数
show(np.hstack([img_add1,img_add2]))

两图像相减

img_sub = img_add2 - noise*0.5
show(np.hstack([bg,img_sub*2]))

两图像相乘

mask = mask/255.#归一化
img_mul = obj*mask
img_mul2 = cv.multiply(obj*1.0,mask)
show(np.hstack([img_mul,img_mul2]))

两图像相除

img_div = obj/(np.float64(noise)+1)
img_div2 = cv.divide(obj,noise+1)
show(np.hstack([img_div,img_div2]))

（不知道弄了啥）

图像的线性和非线性变换

图像的线性变换

#线性变换
img = cv.imread('C:\PerfLogs\pc.jpg',0)
b = 20
k=2
img2 = b+k*img.astype(np.int32)
show(np.hstack([img,img2]))

图像的非线性变换

img01 = img/255
img05 = np.power(img01,0.5) * 255
img15 = np.power(img01,1.5) * 255
show(np.hstack([img05 , img , img15]))

由三张图片对比可得，幂次越小，图片越亮，幂次越大，图片越暗。符合如下的图像。

数字图像处理之图像基础相关推荐

数字图像处理概述及基础
1 数字图像处理概述及基础书籍:<MATLAB图像处理理论.算法与实例分析>;蔡利梅编著:清华大学出版社个人学习笔记记录,欢迎交流批评. 1.1 图像与数字图像处理 1.图像:二维信 ...
【数字图像处理】图像直方图均衡化、空域滤波（均值滤波、中值滤波）、图像锐化（Laplace算子）、图像傅里叶变换实验
图像直方图均衡化.空域滤波.图像锐化.图像傅里叶变换一.图像直方图均衡化二.图像空域滤波 1.均值滤波(滤波次数n→3) 2.中值滤波(滤波次数n→3) 3.图像锐化(Laplace算子) 三.图 ...
数字图像处理：图像的频域
数字图像处理:图像的频域一.图像高频信号和低频信号的理解 1.1 图像中的低频信号和高频信号也叫做低频分量和高频分量. 1)空间频率指的是图像中灰度值相对它的邻居点变化方式.如果一副图像中灰度从一边 ...
视频教程-数字图像处理实战-算法基础
数字图像处理实战河海大学计算机硕士毕业,现就职于南京华为研究所,从事嵌入式软件开发工作.热爱模式识别及机器学习算法. 金圣韬 ¥70.00 立即订阅扫码下载「CSDN程序员学院APP」,1000+ ...
数字图像处理：图像金字塔
转载请标明出处:数字图像处理:图像金字塔_数字图像处理opencv_新浪博客 (一)概念以多个分辨率来表示图像的一种有效且概念简单的结构是图像金字塔.图像金字塔最初用于机器视觉和图像压缩,一个图像金 ...
数字图像处理 - Ch2 图像取样与量化
数字图像处理 Ch2 图像取样与量化图像取样与量化概念数字图像表示线性索引与坐标索引空间分辨率 & 灰度分辨率图像内插 1. 最近邻内插 2. 双线性内插 3. 双三次内插其他方 ...
数字图像处理--基本图像操作
数字图像处理–基本图像操作 1 主要内容 (1)搭建能运行图像算法程序的平台: (2)独立完成matlab矩阵基本操作,如矩阵信息的提取包括获取矩阵大小.矩阵维数.矩阵元素个数.向量长度和矩阵乘法等操 ...
数字图像处理：图像的灰度变换（Matlab实现）
数字图像处理:图像的灰度变换(Matlab实现) (1)线性变换: 通过建立灰度映射来调整源图像的灰度. k>1增强图像的对比度:k=1调节图像亮度,通过改变d值达到调节亮度目的:0 i = i ...
实验1 数字图像处理的MATLAB基础,《数字图像处理(实验部分)》实验1_数字图像处理中MATLAB使用基础...
<数字图像处理(实验部分)>教案实验一:数字图像处理中MATLAB使用基础实验一. MATLAB软件安装二. 进入MATLAB运行环境三. MATLAB编程基础 3.1.变量预定 ...

数字图像处理之图像基础

图像的矩阵表示

通道合并与分离

彩色图转灰度图

图像的二值化

两图像的加减乘除

图像的线性和非线性变换

数字图像处理之图像基础相关推荐

最新文章

热门文章