【数字图像处理Python OpenCV实战学习笔记（学习地址：腾讯课堂 - 火力教育 - 数字图像处理Python OpenCV实战）--- （持续更新）】

第1章、基础操作

1.1 开发环境搭建

（1）打开jupyter lab，导入三个包：

import numpy as np
import matplotlib
import cv2

1.2 Jupyterlab使用

（1）命令模式和编辑模式：按“ESC”切换；

（2）向上增加A、向下增加B；按DD删除；

（3）运行：按shift+enter / 按小三角 / ctrl+enter；

（4）Markdown模式：# 后， ctrl +m ， 再点m ， 之后再点击运行；

（5）raw模式（纯字符串模式）：ctrl +m ， 再点r

（6）退出模式：ctrl + m + Y

（7）运行逻辑：按照左边编号来运行；

1.3 Numpy科学计算库

（1）三个重要属性：

1、dtype = data type

常用的：float / uint8 / float32

2、shape （几 X 几 的矩阵）

3、ndim = n dimension

（2）矩阵创建：

1、np.array()来创立

x = np.array([1,3,5])
x

2、unit8来指定类型

y = np.uint8([1,1,1])
y

 

3、查看x转换为float型的结果

np.float(x)

 

 4、np.arange()

np.arange(10)

np.arange(2,10,1.5)

5、np.linspace()

np.linspace(0,10,11)

np.linspace(0,2*np.pi,100)

6、全零矩阵：

np.zeros((2,4),dtype = np.int)

 

查看类型：

7、全1矩阵：

np.ones((3,3),dtype = np.float32)

 

8、单位矩阵：

np.eye(3)

 

np.identity(4)

 

 9、创建一个随机数字/数组：

np.random.randint(0,256,(10,10),dtype=np.uint8)

 （3）矩阵转换：

1、.reshape() --- 重塑

 2、.flatten() --- 拉平

3、.ravel() --- 拍扁

4、.T --- 转置

5、.transpose() --- 转置

6、np.hstack([A,B]) --- 水平堆叠在一起 

7、np.vstack([A,B]) --- 垂直堆叠在一起

（4）最大值、最小值、平均值：

1、最大值：.max()

2、最小值：.min()

3、平均值：.mean()

或者是：

 4、每行最大值：

5、每列最大值：

 （5）数学运算：

1、基本运算与线性代数一致；

2、对应元素平方：np.power(B,2)

3、每个元素log

4、相乘：

* ：会先自动把x变为[1,3,5],[1,3,5],[1,3,5]，再和A相乘

@ ：会把x当为列向量，再和A相乘

@ = A.dot(x)

（6）元素获取：

1、取第0行：

2、取第一列：

3、区域切割：

4、取某个元素：

5、某元素赋值：

6、某行赋值：

1.4 OpenCV读写图片

（1）图片读写及显示：

1、首先导入库：

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv

2、读、写图片：

3、外界弹出显示图片：

 4、内部显示图片（但是颜色不对）：

5、内部显示图片（颜色正确）：

6、外界显示灰色图片：

7、内部显示灰色图片（默认是热力图形式，而不是灰色）：

8、内部显示灰色图片（修改为灰色图）：

9、彩色图片是3维的，灰色图片是2维的，因此定义函数，方便后续打印图片：

def show(img):
    if img.ndim == 2:
        plt.imshow(img,cmap='gray')
    else:
        plt.imshow(cv.cvtColor(img,cv.COLOR_BGR2RGB))
    plt.show() ##正常显示图片函数

使用如下：

1.5 Matplotlib绘图

（1）折线图

（2）稍微复杂点的：

（3）直方图：

第二章、图像基础

2.1 二值图、灰度图、彩色图

（1）基础知识：

简单说明：

真彩色是每一位都是0-255 ，表示红/绿/蓝的程度（24位）；

假彩色与灰度图类似，只不过是用256种取值都是彩色（8位）；

图像处理的运算，是循环运算：比如1-2 =255

2.2 图像的矩阵表示

（1）基础知识：

 上图为：2 x 4 的分辨率

上面是红色通道；中间是绿色通道；下面是蓝色通道；

左上角的点，实际上是：（255，127，127） ，彩色图可以拆分为三个通道（R、G、B），每一个通道都相当于是一个灰度图。

有的时候，我们想把一个彩色图转换为一个灰度图，只需要取其中 一个通道即可；或者是如上式那样进行一个加权。上式的权值是根据人眼来调的，取1，0，0也ok。

（2）图像基础练习：

首先导包：

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv

定义函数：

def show(img):
    if img.ndim == 2:
        plt.imshow(img,cmap='gray')
    else:
        plt.imshow(cv.cvtColor(img,cv.COLOR_BGR2RGB))
    plt.show()

灰度图如下（但是这个会默认把最小的转为0，最亮的转为255）：

 所以我们可以手动修改下最大最小值：

 

彩色图也是一样的：

 

8位整型图像：

 注意数值转换，都是在0~255之间的

浮点数图像：

通常情况下，我们习惯用0~1之间的数来表示不同灰度的等级

注意这里要把,vmin=0,vmax=255删掉：

（3）通道分离与合并：

b,g,r = cv.split(img)         # 分离
img_new = cv.merge([b,g,r])   # 合并

原图是三个通道，分离后只有一个通道（就是个二维矩阵）：

合并下：

（4）彩色图转灰度图：

img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

要将图片最好转换为uint8型，这样好操作

彩色图转灰度图：

 

（5）图像二值化（灰度图转化为二值图）：

thresh是阈值

_,img_bin = cv.threshold(img_gray,th1,th2,cv.THRESH_BINARY)

大于th1的转为th2，小于th1的是0

方法一 - 人工转换：

 

方法二 - 函数转换：

2.3 图像相加、相减、相乘、相除

（1）基础知识：

img = cv.add(img1,img2)
img = cv.addWeighted(img1,alpha,img2,beta,gamma)
img = cv.subtract(img1,img2)
img = cv.multiply(img1,img2)
img = cv.divide(img1,img2)

 

（2）练习：

1、相加：

原因：相加后，有的数字会大于255，这样会循环，所以导致这种情况的出现

 

原因：这种相加是，只要大于255，就默认为255

解决问题，乘权重：下面这个方法是float型 --- 当然可以前面加np.uint8()强制转换

或者是：下面这个方法是uint8型

2、相减：

方法一：直接相减：

减去的结果，最大值应该是255的一半，因为之前*了0.5

 

方法二：调用函数：

 

 

 3、相乘：

 4、相除：

 noise中有很多0，直接÷的话，会有些错误

解决：转化为浮点型，再加1

 

2.4 图像线性和非线性变换

（1）基础知识：

img = cv.convertScaleAbs(img,alpha=1,beta=0)

 

 左边的图是Gamma的r取不同值时的图像，所以我们在Gamma中，r通常取1。

（2）练习：

线性变换：

方法一：

方法二：

非线性变换：

Gamma变换：

2.5 实例：图像融合

（1）任务要求：将 花、刺猬、mask三张图融合到一起