OpenCV图像处理基础（变换和去噪）

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()

图像去噪

---

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):

‘’’

添加高斯噪声

mean : 均值

var : 方差

‘’’

image = np.array(image/255, dtype=float)

noise = np.random.normal(mean, var ** 0.5, image.shape)

out = image + noise

if out.min() < 0:

low_clip = -1.

else:

low_clip = 0.

out = np.clip(out, low_clip, 1.0)

out = np.uint8(out*255)

#cv.imshow(“gasuss”, out)

return out

show_img_16 = gasuss_noise(img,var=0.01)

show_img_17 = gasuss_noise(img,var=0.04)

plt.subplot(121)

plt.imshow(show_img_16)

plt.subplot(122)

plt.imshow(show_img_17)

plt.show()

椒盐噪声

椒盐噪声是指图片中包含白色的盐噪声和黑色的胡椒噪声。

def sp_noise(image,prob):

‘’’

添加椒盐噪声

prob:噪声比例

‘’’

output = np.zeros(image.shape,np.uint8)

thres = 1 - prob

for i in range(image.shape[0]):

for j in range(image.shape[1]):

rdn = random.random()

if rdn < prob:

output[i][j] = 0

elif rdn > thres:

output[i][j] = 255

else:

output[i][j] = image[i][j]

return output

show_img_18 = sp_noise(img,0.01)

show_img_19 = sp_noise(img,0.05)

plt.subplot(121)

plt.imshow(show_img_18)

plt.subplot(122)

plt.imshow(show_img_19)

plt.show()

中值和均值滤波

中值滤波是使用邻域内所有像素的中位数替换中心像素，可以有效去除图像中的高斯噪声。而均值是使用邻域内所有像素的平均值替换中心像素。

show_img_20 = gasuss_noise(img,var=0.01)

show_img_20 = np.uint8(show_img_20)

（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。

加入社区：https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0