OpenCV I_3图片基础

生成图片


import cv2
import numpy as np 
方法1:创建

# 1 生成图片 转换为BGR 显示图片
# 生成图片
img=np.zeros((300,300,3),dtype=np.uint8)
img[50:150,50:150]=255
# 此时每个像素 1-255 表示 由一个八位数表示

方法2:直接读取本地图片
# 读入彩色图片
img=cv2.imread('PIC/000.jpg')
# 读入灰度图片
gray=cv2.imread('PIC/000.jpg',0)


图片 BGR GRAY HSV 转换 

# 彩色转灰度
grayImg=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 灰度转BGR3通道
colorImg=cv2.cvtColor(grayImg,cv2.COLOR_GRAY2BGR)


图片格式转换 

# 2 转换图片格式
img=cv2.imread('PIC/000.jpg')
cv2.imwrite('PIC/mypic.png',img)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV 中提供了一些去雾算法,以下是其中两种比较常用的算法: 1. 基于暗通道先验的去雾算法: 该算法的基本思想是利用图像中的暗通道先验,通过估计图像中的全局大气光来去除雾霾。具体步骤如下: 1.1 计算暗通道 对于输入的彩色图像 $I(x)$,我们首先需要计算出该图像的暗通道 $J(x)$,公式如下: $$ J(x)=\min_{c\in\{R,G,B\}}(I_c(x)) $$ 其中,$c$ 表示颜色通道,$R,G,B$ 分别表示红、绿、蓝三个颜色通道。 1.2 估计大气光 在暗通道图像上进行滤波,得到最亮的像素点,即为图像中的大气光 $A$。具体做法是对暗通道图像进行一定半径的最大值滤波,得到一幅图像 $J_{max}(x)$,然后在 $J_{max}(x)$ 中找到一个像素点 $p$,使得: $$ A=\max_{p\in I}J_{max}(p) $$ 1.3 恢复图像 根据大气光的估计值,我们可以得到恢复后的图像 $I_t(x)$,公式如下: $$ I_t(x)=\frac{I(x)-A}{\max(\alpha(x),t)}+A $$ 其中,$t$ 是一个常数,用来控制图像的对比度,$\alpha(x)$ 是透射率,可以通过下面的公式计算得到: $$ \alpha(x)=1-\omega\min_{c\in\{R,G,B\}}\left(\frac{I_c(x)}{A}\right) $$ 其中,$\omega$ 是一个常数,用来控制透射率的平滑程度。 2. 基于暗通道先验和双边滤波的去雾算法: 该算法在基于暗通道先验的算法基础上,加入了双边滤波,可以更好地保留图像的细节。具体步骤如下: 2.1 估计大气光 同基于暗通道先验的算法。 2.2 估计透射率 对原始图像进行双边滤波,得到模糊图像 $I_b(x)$,然后在模糊图像上进行暗通道先验计算,得到透射率 $\alpha(x)$。 2.3 恢复图像 同基于暗通道先验的算法。 以上就是 OpenCV 中两种常见的去雾算法。你可以在 OpenCV 的文档中找到相应的 API 和使用方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值