图像灰度化处理&Python与OpenCV实现

最新推荐文章于 2024-08-08 16:43:27 发布

DXduxing1

最新推荐文章于 2024-08-08 16:43:27 发布

阅读量2w

点赞数 5

分类专栏：图像处理学习笔记

图像处理学习笔记专栏收录该内容

5 篇文章 0 订阅

订阅专栏

一：为什么使用Python-OpenCV

虽然python很强大，而且也有自己的图像处理库PIL，但是相对于OpenCV来讲，它还是弱小很多。跟很多开源软件一样OpenCV也提供了完善的python接口，非常便于调用。OpenCV 的稳定版是2.4.8，最新版是3.0，包含了超过2500个算法和函数，几乎任何一个能想到的成熟算法都可以通过调用OpenCV的函数来实现，超级方便。

二、所需工具

本机使用python2.7.10下调试代码均通过，一下学习需要有一定的代码阅读能力，一下学习只介绍函数方法：Python作为一种高效简洁的直译式语言非常适合我们用来解决日常工作的问题。而且它简单易学，初学者几个小时就可以基本入门。再加上Numpy和matplotlib这两个翅膀，Python对数据分析的能力不逊于Matlab。Python还被称为是胶水语言，有很多软件都提供了Python接口。尤其是在linux下，可以使用Python将不同的软件组成一个工作流，发挥每一个软件自己最大的优势从而完成一个复杂的任务。

三、入门小试

1、图像读入：cv2.imread()

使用函数cv2.imread()读入图像。这幅图像应该在此程序的工作路径，或者给函数提供完整路径，第二个参数是要告诉函数应该如何读取这幅图片。
• cv2.IMREAD_COLOR：读入一副彩色图像。图像的透明度会被忽略，这是默认参数。
• cv2.IMREAD_GRAYSCALE：以灰度模式读入图像

# -*- coding: utf-8 -*-
"""
Created on Sat Jan 6 19:51:58 2018
@author: DXduxing
"""
import cv2
#import numpy as np

# 灰度图模式加载一副彩图
img = cv2.imread('DXduxing.jpg',0)

PS：调用opencv就算图像的路径是错的，OpenCV也不会提醒你的，但是当你使用命令print img时得到的结果None。

2、显示图像cv2.imshow()

使用函数cv2.imshow() 显示图像。窗口会自动调整为图像大小。第一个参数是窗口的名字，其次才是我们的图像。你可以创建多个窗口，只要你喜欢，但是必须给他们不同的名字。

cv2.imshow('image',img)
cv2.waitKey(0) 
"""
cv2.waitKey()是一个键盘绑定函数。需要指出的是它的时间尺度是毫秒级。函数等待特定的几毫秒，看是否有键盘输入。特定的几毫秒之内，如果按下任意键这个函数会返回按键的ASCII码值，程序将会继续运行。如果没有键盘输入，返回值为-1，如果我们设置这个函数的参数为0，那它将会无限期的等待键盘输入。它也可以被用来检测特定键是否被按下，例如按键a是否被按下，这个后面我们会接着讨论。
"""
cv2.destroyAllWindows()
"""
cv2.destroyAllWindows() 可以轻易删除任何我们建立的窗口。如果你想删除特定的窗口可以使用cv2.destroyWindow()，在括号内输入你想删除的窗口名。
"""

3、保存图像cv2.imwrite()

cv2.imwrite('lena.png',img)

四：图像灰度化的三种方法python实现

灰度化处理就是将一幅色彩图像转化为灰度图像的过程。彩色图像分为R，G，B三个分量，分别显示出红绿蓝等各种颜色，灰度化就是使彩色的R，G，B分量相等的过程。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素最下为0，为黑色）。
图像灰度化的算法主要有以下3种：
1)最大值法：使转化后的R，G，B得值等于转化前3个值中最大的一个，即：R=G=B=max（R，G，B）。这种方法转换的灰度图亮度很高。
2)平均值法：是转化后R，G，B的值为转化前R,G,B的平均值。即：R=G=B=(R+G+B)/3。这种方法产生的灰度图像比较柔和。
3)加权平均值法：按照一定权值，对R，G，B的值加权平均，即：这里写图片描述分别为R，G，B的权值，取不同的值形成不同的灰度图像。由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此使将得到较易识别的灰度图像。一般时，得到的灰度图像效果最好。
python+opencv代码实现：

#第一种方法
import cv2.cv as cv  
image = cv.LoadImage('11.jpg')  
grayimg= cv.CreateImage(cv.GetSize(image), image.depth, 1)  
for i in range(image.height):  
    for j in range(image.width):  
        grayimg[i,j] = max(image[i,j][0], image[i,j][1], image[i,j][2])  
cv.ShowImage('srcImage', image)          
cv.ShowImage('grayImage', grayimg)  
cv.WaitKey(0)

#第二种方法
import cv2.cv as cv  
image = cv.LoadImage('11.jpg')  
grayimg = cv.CreateImage(cv.GetSize(image), image.depth, 1)  
for i in range(image.height):  
    for j in range(image.width):  
        grayimg[i,j] = (image[i,j][0] + image[i,j][1] + image[i,j][2])/3  
cv.ShowImage('srcImage', image)  
cv.ShowImage('grayImage', grayimg)  
cv.WaitKey(0)

#第三种方法
import cv2.cv as cv  
image = cv.LoadImage('11.jpg')  
grayimg = cv.CreateImage(cv.GetSize(image), image.depth, 1)  
for i in range(image.height):  
    for j in range(image.width):  
        grayimg[i,j] = 0.3 * image[i,j][0] + 0.59 * image[i,j][1] +  0.11 * image[i,j][2]  
cv.ShowImage('srcImage', image)             
cv.ShowImage('grayImage', grayimg)  
cv.WaitKey(0)