python and opencv 自学笔记2：图像的简单处理

1.边界填充

在图像的上下左右填充一些东西，给图像设置一个边界框

cv2.copyMakeBorder(src, top_size, bottom_size, left_size, right_size, borderType[,value])

src：待处理的图片

top_size, bottom_size, left_size, right_size：图片上下左右需要填充的宽度

borderType：添加边界框的类型，有以下几种方法：

     cv2.BORDER_REPLICATE：复制法，即复制最边缘像素，例如：1111|12345|5555；

     cv2.BORDER_REFLECT：反射法，对感兴趣的图像中的像素，以图像边缘为轴，在两边像镜像一样复制，例如：321|12345|543

     cv2.BORDER_REFLECT_101：反射法，但是以最边缘的像素为轴，例如：32|12345|43

     cv2.BORDER_WRAP：外包装法，例如：345|12345|123

     cv2.BORDER_CONSTANT：常量法，以常数值value填充。

top_size, bottom_size, left_size, right_size = (20,20,20,20)#相应方向上的边框宽度
img1=cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REPLICATE)
img2=cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT)
img3=cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
img4=cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
img5=cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_CONSTANT,0)
array=np.hstack((img1,img2,img3,img4,img5))
cv_show('array',array)

2.图片缩放

cv2.resize(src, dsize[, dst, fx=, fy=, interpolation]) 

src：输入图片

dsize：输出图片尺寸(a,b)，若为(0,0)则不指定具体大小

dst：输出图片

fx, fy：沿x轴，y轴的缩放系数，与dsize不能同时为0

Interpolation：插入方式，共有5种：

     INTER_NEAREST：最近邻插值法

     INTER_LINEAR：双线性插值法（默认）

     INTER_AREA：基于局部像素的重采样。对于图像抽取来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。

     INTER_CUBIC：基于4x4像素邻域的3次插值法

     INTER_LANCZOS4：基于8x8像素邻域的Lanczos插值

3.图像的运算

（1）直接对图片三个通道每一个像素点的像素值做计算，例如：img=img+10，每个像素点+10

（2）图像融合

img1+img2，但若两张图片的形状和通道数不同则不能融合。若像素值超过255，则将超过的数%256

（3）加法运算

cv2.add(src1, src2,[ dst=None, mask=None, dtype=None])

src1, src2：相加的两张图片的形状和通道数应相同，或一张图片和一个数值直接相加，即（1）的情况。若像素值超过255，则超过的数取255

dst：输出结果保存的变量，默认值为None，如果为非None，输出图像保存到dst对应实参中，其大小和通道数与输入图像相同，图像的深度（即图像像素的位数）由dtype参数或输入图像确认

mask：图像掩码，为8位单通道的灰度图像，用于指定要更改的输出图像数组的元素，即输出图像像素只有mask对应位置元素不为0的部分才输出，否则该位置像素的所有通道分量都设置为0（之后会详细说说）

dtype：输出图像数组的深度，即图像单个像素值的位数（如RGB用三个字节表示，则为24位）

dog=cv2.imread('dog.jpg')
cat=cv2.imread('cat.jpg')
rows, cols = cat.shape[:2] #获取cat的高度(行数rows)、宽度（列数cols）
dog=cv2.resize(dog,(cols,rows))#将dog调整为与cat相同的形状
dog_cat=cv2.add(dog,cat)
cv_show('dog_cat',dog_cat)

 

 （4）加权运算

按一定权重将两张形状和通道数相同的图片融合

cv2.addWeighted(src1, weight1, src2, weight2[, b, dst, int dtype=-1])

weight1，weight2：权重，其中weight1+weight2=1

b：偏置

 （了解过感知机的同学应该知道权重和偏置的意义）

 4.图像阈值 ※（很重要！）

ret, dst = cv2.threshold(src, thresh, maxval, type)

ret：得到的阈值值

src：输入图，注意：只能输入单通道图像，灰度图

dst：输出图

thresh：阈值，经常设为127

maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值

type：二值化操作的类型，有以下几种类型

     cv2.THRESH_BINARY：阈值的二值化操作，超过阈值的数取maxval，否则取0

     cv2.THRESH_BINARY_INV：二值化翻转操作THRESH_BINARY的反转，即超过阈值的数取0，否则取maxval

     cv2.THRESH_TRUNC：截断操作，超过阈值的数取阈值，否则不变

     cv2.THRESH_TOZERO：化零操作，超过阈值的数不变，否则取0

     cv2.THRESH_TOZERO_INV：化零翻转操作，超过阈值的数取0，否则不变

gray=cv2.cvtColor(dog,cv2.COLOR_BGR2GRAY)
ret,thresh= cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv_show('thresh',thresh)