本文简单地介绍计算机图形处理的一些基本概念,以及一些有趣的例子和对应的Open CV的代码操作。
顺便说一句,恭喜IG夺冠!
一、图片存储原理
1、颜色空间RGB
(1)RGB三通道彩色图
图片由三维矩阵叠加而成([0,255]),通俗讲就是将三个分别只有R(red),G(green),B(blue)的矩阵叠加。
2、图像处理
(1)卷积/滤波
二、OpenCV基础
Open CV是一个开源的计算机视觉库,采用C/C++编写,提供Python、MATLAB以及其他语言的接口。
1、基本I/O操作
#-*- coding: utf-8 -*-
import cv2
# 打开图片
img = cv2.imread('lion.jpg')
# 显示图片
img = cv2.imshow('lion','lion.jpg')
# 保存图片
cv2.imwrite('lion2.jpg',img)
2、灰度、二值化处理
灰度化:在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色。
二值化:图像的二值化,就是将图像上的像素点的灰度值设置为0或255,整个图像呈现出明显的只有黑和白的视觉效果
#-*- coding: utf-8 -*-
import cv2
# 读取图片
img = cv2.imread('wsc.jpeg')
# 灰度化处理、保存处理后文件
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite('wsc-gray.jpg',img)
# 二值化处理、保存处理后文件
cv2.threshold(image, 550, 550, 0, image)
cv2.imwrite('wsc-two-value.jpg',img)
图片处理前 | 灰度处理 |
---|---|
![]() | ![]() |
图片处理前 | 二值处理 |
3、图片匹配
matchTemplate
用于在图像中与模板图片比对,查找目标
cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))
关键参数
TM_SQDIFF
平方差匹配法:该方法采用平方差来进行匹配;最好的匹配值为0;匹配越差,匹配值越大。TM_CCORR
相关匹配法:该方法采用乘法操作;数值越大表明匹配程度越好。TM_CCOEFF
相关系数匹配法:1表示完美的匹配;-1表示最差的匹配。TM_SQDIFF_NORMED
归一化平方差匹配法TM_CCORR_NORMED
归一化相关匹配法TM_CCOEFF_NORMED
归一化相关系数匹配法
三、有趣的例子
1、边缘检测
Canny边缘检测
代码
#-*- coding: utf-8 -*-
import cv2
# 读取图片
img = cv2.imread('wsc.jpeg')
# Canny边缘检测处理,并写入图片
cv2.imwrite('wsc1.jpeg',cv2.Canny(img,200,300))
图片处理前 | 图片处理后 |
---|---|
2、人脸检测
haarcascade_frontalface_default.xml
,该文件为人脸检测器(默认)文件,文件可在OpenCV的Github上下载。
#-*- coding: utf-8 -*-
import cv2
def detect(filename):
face_cascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_default.xml')
# 读取图片
img = cv2.imread(filename)
# 图片灰度处理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 人脸检测,每次迭代图像压缩率、人脸矩形保留近邻数目最小值
faces = face_cascade.detectMultiScale(gray,1.3,6)
# x,y为左上角坐标,w,h表示人脸宽度和高度
for(x,y,w,h) in faces:
# 检测到人脸绘制成蓝色矩形
img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
# 写入文件
cv2.imwrite('/Users/fangzhijie/Pictures/ig1.jpeg',img)
filename = 'ig.jpeg'
detect(filename)
图片处理前 |
---|
图片处理后 |
剩下的三位没有识别出来,待定位原因。
3、图像匹配
搜索模板图片
原图
代码
# -*- coding: utf-8 -*-
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 读取图片
img = cv2.imread('ig.jpeg')
template = cv2.imread('wsc123.png')
# 对图片进行缩放,缩放到合适大小90*90
template = cv2.resize(template, (90, 90),interpolation=cv2.INTER_CUBIC)
# 进行图像匹配
res = cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))
# 记录模板的宽度和高度
w, h = template[:,:,0].shape[::-1]
# 王思聪边框的具体位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# 画出红框
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
imgplt = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cv2.rectangle(imgplt,top_left, bottom_right, 255, 2)
# 显示图片
plt.imshow(imgplt)
plt.title('Detected results'), plt.xticks([]), plt.yticks([])
plt.show()
结果
参考文档
《OpenCV 3计算机视觉》