opencv——常见的操作

試著忘記壹切 提交于 2019-12-01 17:23:17

 

一 图像阈值处理

准备一张灰度图像

 

 

 

 

 

 

 

阈值处理通常是设定一个阈值,让图片的所有像素点的值与其比较做出一系列的操作。

在opencv常用的阈值处理函数有五种,分别是THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO、THRESH_TOZERO_INV。接下来分别看下这几种处理图片后的效果

1. THRESH_BINAR


# 像素值超过127的变成255,否则为0,亮的更亮ret,threshold1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)

 

2.  THRESH_BINARY_INV

 # 像素值超过127的变成0,否则为255,亮的更暗ret,threshold2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)

 

3. THRESH_TRUNC


# 像素值超过127的变成127,否则不变,理解成图片整体变暗
ret,threshold3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)

 

4. THRESH_TOZERO


# 像素值超过127的不变,否则为0,理解成加大图片的对比度
ret,threshold4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)

 

 5.  THRESH_TOZERO_INV


# 像素值超过127的为0,否则不变
ret,threshold5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV) 

阈值处理的使用场景我会在后续的博客中写出~~~

 

二 . 滤波

滤波的原理是通过指定大小的单位矩阵与图像做相关运算,具体的线性代数的东西这里不展开,若后续工作会深入,再回来完善...

经常使用到的滤波操作有三种,均值滤波、高斯滤波、中位值滤波。

1.均值滤波(通过求与单位矩阵做内积和的平均值做图像处理)

blur = cv2.blur(img,(3,3)) 

 

2. 高斯滤波 (根据正态分布处理图像,越靠近中心点,值越接近)

blur2 = cv2.GaussianBlur(img,(3,3),1) 

 

3.  中位值滤波(取指定大小矩阵的所有元素值的中位值处理)

blur3 = cv2.medianBlur(img,5) 

 

  把这几张图片水平拼接观察,不难发现在处理噪点的场景中,使用中位值滤波效果最为明显

 

 

 

三. 腐蚀与膨胀                                                         

1. 腐蚀

img = cv2.imread("test.png")
img2 = cv2.erode(img,kernel=numpy.ones((9,9),numpy.uint8),iterations=9)   和单位矩阵做处理,迭代9次,意味这腐蚀的程度
cv2.imshow("IMage",numpy.hstack((img,img2)))
cv2.waitKey(0)          
cv2.destroyAllWindows()

 

2. 膨胀 (嗯,和腐蚀操作刚好相反)


img2 = cv2.dilate(img,kernel=numpy.ones((9,9),numpy.uint8),iterations=9)
cv2.imshow("IMage",numpy.hstack((img,img2)))
cv2.waitKey(0)          
cv2.destroyAllWindows()

 

3. 梯度运算(膨胀-腐蚀)

img2=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel=numpy.ones((5,5),numpy.uint8))
cv2.imshow("IMage",img2)

 

4. 礼帽与黑帽

 

img2 = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel=numpy.ones((5,5),numpy.uint8)) # 就是腐蚀掉的部分

img3 = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel=numpy.ones((5,5),numpy.uint8)) # 原始部分的外壳

 

结语:这段时间工作实在太忙了,不是评论提醒都快忘记继续写博客了,这部分的内容学过比较久了,今天整理一下方便他人也方便自己。

                   ——2019-10-17 22:42:32

 

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!