Opencv 学习笔记

1、（inRange）色彩空间转换：

2、模糊（卷积操作）：
2.1、均值模糊：

# 均值模糊(可以去住随机噪声）
def blur_demo(image):
    dst = cv.blur(image, (5, 5))  # 第一个值是x方向，第二个值是y方向
    cv.imshow("blur_demo", dst)

2.2、中值模糊：

# 中值模糊（可以去除椒盐噪声）
def median_blur(image):
    dst = cv.medianBlur(image, 5)
    cv.imshow("median_blur", dst)

2.3、自定义卷积核产生的模糊：

# 自定义卷积核产生的模糊
def custom_blur_demo(image):
    kernal = np.ones([5, 5], np.float32) / 25
    dst = cv.filter2D(image, -1, kernel=kernal)
    cv.imshow("custom_blur_demo", dst)

2.4.1、高斯噪声（使图片产生古老的效果）：

# 高斯模糊(图片产生古老的效果)
def gaussian_noise(image):
    h, w, c = image.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)
            b = image[row, col, 0]  # blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])
            image[row, col, 1] = clamp(g + s[1])
            image[row, col, 2] = clamp(r + s[2])
    cv.imshow("gaussian_noise", image)

2.4.2、高斯模糊（高斯模糊对高斯噪声有一定的抑制作用）：

dst = cv.GaussianBlur(src, (0, 0), 5)
cv.imshow("gaussion_noise", dst)

通过对原图进行高斯噪声后产生的图像：

通过对高斯噪声图像进行高斯模糊后形成的图像：

3、边缘保留滤波（EPF）：
3.1、高斯双边模糊：

def bi_demo(image):
    dst = cv.bilateralFilter(image, 0, 100, 15)
    cv.imshow("bi_demo", dst)

3.2、均值迁移模糊：

def shift_demo(image):
    dst = cv.pyrMeanShiftFiltering(image, 10, 50)
    cv.imshow("shift_demo", dst)

4、直方图（hist）：
4.1、用matplotlib.pyplot:

def plot_demo(image):
    plt.hist(image.ravel(), 256, [0, 256])# ravel表示统计的频率数
    plt.show("直方图")

4.2、用Opencv:

def image_hist(image):
    color = ('blue', 'green', 'red')
    for i, color in enumerate(color):
        hist = cv.calcHist([image], [i], None, [256], [0, 256])
        plt.plot(hist, color=color)
        plt.xlim([0, 256])
    plt.show()

5、直方图应用：
5.1、全局直方图均衡化（可以图像增强，提高图像对比度）：

def equal_Hist(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)#直方图均衡化只能用于灰度图
    dst = cv.equalizeHist(gray)
    cv.imshow("equal_Hist", dst

5.2、自适应（局部）直方图均衡化（相比全局，可以防止图像过度增强）;

def clahe_Hist(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    clahe = cv.createCLAHE(clipLimit=5.0, tileGridSize=(8, 8))
    dst = clahe.apply(gray)
    cv.imshow("clahe_Hist", dst)

6、直方图反向投影技术（HSV色彩空间图像）：
6.1、使用cv.imshow显示2d直方图代码：

def hist2d_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    hist = cv.calcHist([image], [0, 1], None, [180, 256], [0, 180, 0, 256])
    cv.imshow("hist2d", hist)

**显示效果为黑白色。
6.2、使用matplotlib.pyplot显示的2d直方图代码：

def hist2d_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    hist = cv.calcHist([image], [0, 1], None, [180, 256], [0, 180, 0, 256])
#   cv.imshow("hist2d", hist)
    plt.imshow(hist, interpolation="nearest")
    plt.title("2D Histogram")
    plt.show()

6.3、反向投影：

**效果：