#将图像转换为灰度图像
show_img_1 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
plt.imshow(show_img_1,cmap=plt.cm.gray)
#打印图像形状
print(show_img_1.shape)
plt.show()
图像变换在深度学习中常用于图像增强。
仿射变换
仿射变换可以进行缩放、旋转、平移、裁剪和翻转。总计而言,仿射变换会保留图中直线的平直性和平行性。表示成矩阵形式:
[ x ^ y ^ 1 ] = [ a 1 a 2 t 1 a 3 a 4 t 2 0 0 1 ] × [ x y 1 ] \begin{bmatrix} \hat x \\ \hat y \\ 1 \end{bmatrix}=\begin{bmatrix} a_1 & a_2 & t_1 \\ a_3 & a_4 & t_2 \\ 0 & 0 & 1 \end{bmatrix} \times \begin{bmatrix} x \\ y \\ 1 \end{bmatrix} ⎣⎡xy1⎦⎤=⎣⎡a1a30a2a40t1t21⎦⎤×⎣⎡xy1⎦⎤
其中 [ a 1 a 2 a 3 a 4 ] \begin{bmatrix} a_1 & a_2\\ a_3 & a_4 \end{bmatrix} [a1a3a2a4]表示缩放和旋转变化, [ t 1 t 2 ] \begin{bmatrix} t_1 \\ t_2 \end{bmatrix} [t1t2]表示平移变化。
在OpenCV中可以使用WarpAffine函数进行仿射变换。
wrapAffine(src, M, dsize, flags, borderMode, borderValue)
参数:
src: 源图像
M: 仿射变换矩阵
dsize: 输出图像大小
flags: 插值方式
borderMode: 边界像素模式
borderValue: 边界填充值
同时为了更方便的使用,使用函数getRotationMatrix2D可以方便生成变换矩阵:
getRotationMatrix2D(center, angle, scale)
参数:
center: 旋转中心
angle: 旋转角度
scale: 缩放系数
图像缩放
show_img_3 = cv2.resize(img, (200,200))
plt.imshow(show_img_3)
plt.show()
rows, cols, _ = img.shape
matrix = cv2.getRotationMatrix2D((cols/2,rows/2),0,0.5)
show_img_4 = cv2.warpAffine(img,matrix,(cols,rows))
plt.imshow(show_img_4)
plt.show()
图像旋转
matrix = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
show_img_5 = cv2.warpAffine(img,matrix,(cols,rows))
matrix = cv2.getRotationMatrix2D((cols/2,rows/2),180,1)
show_img_6 = cv2.warpAffine(img,matrix,(cols,rows))
matrix = cv2.getRotationMatrix2D((cols/2,rows/2),270,1)
show_img_7 = cv2.warpAffine(img,matrix,(cols,rows))
plt.subplot(131)
plt.imshow(show_img_5)
plt.subplot(132)
plt.imshow(show_img_6)
plt.subplot(133)
plt.imshow(show_img_7)
plt.show()
图像平移
import numpy as np
matrix = np.float32([[1,0,25],[0,1,25]])
show_img_8 = cv2.warpAffine(img,matrix,(cols,rows))
matrix = np.float32([[1,0,50],[0,1,50]])
show_img_9 = cv2.warpAffine(img,matrix,(cols,rows))
matrix = np.float32([[1,0,100],[0,1,0]])
show_img_10 = cv2.warpAffine(img,matrix,(cols,rows))
plt.subplot(131)
plt.imshow(show_img_8)
plt.subplot(132)
plt.imshow(show_img_9)
plt.subplot(133)
plt.imshow(show_img_10)
plt.show()
图像裁剪
#[左上角x轴坐标:右下角x轴坐标,左上角y轴坐标:右下角y轴坐标]
show_img_11 = img[50:150,50:150]
plt.imshow(show_img_11)
plt.show()
图像翻转
srcPoints = np.float32([[0,0],[0,150],[200,200]])
canvasPoints = np.float32([[0,0],[0,150],[150,150]])
matrix = cv2.getRotationMatrix2D((0,0),0,0.5)
show_img_12 = cv2.warpAffine(img,matrix,(cols,rows))
plt.subplot(121)
plt.imshow(show_img_12)
matrix = cv2.getAffineTransform(np.array(srcPoints),np.array(canvasPoints))
show_img_13 = cv2.warpAffine(img,matrix,(cols,rows))
plt.subplot(122)
plt.imshow(show_img_13)
plt.show()
亮度与对比度变换
通过调整像素值来改变图像亮度和对比度:
f ( x ^ ) = α f ( x ) + β f(\hat x)=\alpha f(x) + \beta f(x^)=αf(x)+β
α \alpha α用于调整对比度, β \beta β用于调整亮度。
#调整亮度
show_img_14 = np.uint8(np.clip((img+20),0,255))
#调整对比度
show_img_15 = np.uint8(np.clip((1.5*img),0,254))
plt.subplot(121)
plt.imshow(show_img_14)
plt.subplot(122)
plt.imshow(show_img_15)
plt.show()
常见噪声包括高斯噪声和椒盐噪声。
高斯噪声
噪声的概率密度符合高斯分布的图片噪声称为高斯噪声。
def gasuss_noise(image, mean=0, var=0.001):
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
[外链图片转存中…(img-8sscTQWm-1712693695327)]