import cv2
import numpy as np
def salt(img, img2, n):
noff = int((n - 1) / 2)
for i in range(noff,img.shape[0]-noff,noff):
for j in range(noff,img.shape[1]-noff,noff):
# img.shape[0] -- 取得img 的列(图片的高)
# img.shape[1] -- 取得img 的行(图片的宽)
# i = int(np.random.random() * img.shape[1]);
# j = int(np.random.random() * img.shape[0]);
(b, g, r) = img[i, j]
k = np.random.random()
#b = img[j, i, 0]
#g = img[j, i, 1]
#r = img[j, i, 2]
for m in range(-noff, noff):
for n in range(-noff, noff):
img[i+m, j+n, 0] = b
img[i + m, j + n, 1] = g
img[i + m, j + n, 2] = r
#img[i+m, j+n] = 255
#img[j, i, 1] = 255
#img[j, i, 2] = 255
return img
img = cv2.imread("100900.jpg")
img2 = img.copy()
saltImage = salt(img, img2, 17)
cv2.imshow("Salt", saltImage)
cv2.waitKey(0)
cv2.destroyAllWindows()
1、对数图像增强算法
对数图像增强是图像增强的一种常见方法,其公式为: S = c log(r+1),其中c是常数(以下算法c=255/(log(256)),这样可以实现整个画面的亮度增大。
- void LogEnhance(IplImage* img, IplImage* dst)
- {
-
- uchar lut[256] ={0};
-
- double temp = 255/log(256);
-
- for ( int i =0; i<255; i++)
- {
- lut[i] = (uchar)(temp* log(i+1)+0.5);
- }
-
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
-
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- dstData[col*img->nChannels+k] = lut[t1];
- }
- }
- }
- }
2、指数图像增强算法
指数图像增强的表达为:S = cR^r,通过合理的选择c和r可以压缩灰度范围,算法以c=1.0/255.0, r=2实现。
- void ExpEnhance(IplImage* img, IplImage* dst)
- {
-
- uchar lut[256] ={0};
-
- double temp = 1.0/255.0;
-
- for ( int i =0; i<255; i++)
- {
- lut[i] = (uchar)(temp*i*i+0.5);
- }
-
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
-
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- dstData[col*img->nChannels+k] = lut[t1];
- }
- }
- }
- }
3、加Masaic算法
在日常中有时候保密或其他需要将图像马赛克,下面的算法实现图像马赛克功能(原理:用中心像素来表示邻域像素)。
- uchar getPixel( IplImage* img, int row, int col, int k)
- {
- return ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k];
- }
-
- void setPixel( IplImage* img, int row, int col, int k, uchar val)
- {
- ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k] = val;
- }
-
-
- void Masic(IplImage* img, IplImage* dst, int nSize)
- {
- int offset = (nSize-1)/2;
- for ( int row = offset; row <img->height - offset; row= row+offset)
- {
- for( int col= offset; col<img->width - offset; col = col+offset)
- {
- int val0 = getPixel(img, row, col, 0);
- int val1 = getPixel(img, row, col, 1);
- int val2 = getPixel(img, row, col, 2);
- for ( int m= -offset; m<offset; m++)
- {
- for ( int n=-offset; n<offset; n++)
- {
- setPixel(dst, row+m, col+n, 0, val0);
- setPixel(dst, row+m, col+n, 1, val1);
- setPixel(dst, row+m, col+n, 2, val2);
- }
- }
- }
- }
- }
0x01. 像素
mport math
for i in range(50, 100 + 1):
for j in range(2, int(math.sqrt(i)) + 1):
if i % j == 0:
break
else:
print i
#第二个:把else的位置与if处于同一缩进。
import math
for i in range(50, 100 + 1):
for j in range(2, int(math.sqrt(i)) + 1):
if i % j == 0:
break
else:
print i
#第三个:在else后加一个break语句。
import math
for i in range(50, 100 + 1):
for j in range(2, int(math.sqrt(i)) + 1):
if i % j == 0:
break
else:
print i
break
import cv2image = cv2.imread(
"H:\\img\\lena.jpg"
)
(b,g,r) = image[
0
,
0
]
print
"
位置(0,0)处的像素 - 红:%d,绿:%d,蓝:%d"
%(
r,g,b)
image[
0
,
0
] = (
100
,
150
,
200
)
(b,g,r) = image[
0
,
0
]
print
"位置(0,0)处的像素 - 红:%d,绿:%d,蓝:%d"
%(
r,g,b)
corner = image[
0
:
100
,
0
:
100
]
cv2.imshow(
"Corner"
,corner)
image[
0
:
100
,
0
:
100
] = (
0
,
255
,
0
);
cv2.imshow(
"Updated"
,image)
cv2.waitKey(
0
)
有两种直接操作图片像素点的方法:
第一种办法就是将一张图片看成一个多维的list,例如对于一张图片im,想要操作第四行第四列的像素点就直接 im[3,3] 就可以获取到这个点的RGB值。
第二种就是使用 OpenCV 提供的 Get1D、 Get2D 等函数。
推荐使用第一种办法吧,毕竟简单。
0x02. 获取行和列像素
有一下四个函数:
-
cv.GetCol(im, 0): 返回第一列的像素
-
cv GetCols(im, 0, 10): 返回前 10 列
-
cv.GetRow(im, 0): 返回第一行
-
cv.GetRows(im, 0, 10): 返回前 10 行
0x03. 批量处理
需要批量处理所有的像素点的时候,只需要使用for循环迭代处理就可以了:
import cv2.cv as cv
im = cv.LoadImage("img/lena.jpg")
for i in range(im.height):
for j in range(im.width):
im[i,j]
还有一种迭代处理的方式是使用 LineIterator,不过在声明 LineIterator 的时候需要制定处理像素点的开始点和结束点。
import cv2.cv as cv
im = cv.LoadImage("img/lena.jpg")
li = cv.InitLineIterator(im, (0, 0), (im.rows, im.cols))
for (r, g, b) in li:
娱乐一下, 随机获取 5000 个像素点,然后把颜色换成一个随机的值(salt):
import cv2.cv as cv
import random
im = cv.LoadImage("img/lena.jpg")
for k in range(5000):
i = random.randint(0,im.height-1)
j = random.randint(0,im.width-1)
color = (random.randrange(256),random.randrange(256),random.randrange(256))
im[i,j] = color
cv.ShowImage("Noize", im)
cv.WaitKey(0)
效果图:
![](https://segmentfault.com/image?src=http://ww1.sinaimg.cn/mw1024/9631b1bbgw1ew0qy9vr14j20yo0zwdv9.jpg&objectId=1190000003742442&token=9b6b8d69b601be8eb4088143a5ff14cd)
4、曝光过度问题处理
对于曝光过度问题,可以通过计算当前图像的反相(255-image),然后取当前图像和反相图像的较小者为当前像素位置的值。
// 过度曝光原理:图像翻转,然后求原图与反图的最小值
- <span style="font-size:12px;">void ExporeOver(IplImage* img, IplImage* dst)
- {
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- uchar t2 = 255 - t1;
- dstData[col*img->nChannels+k] = min(t1,t2);
- }
- }
- }
- }</span>
5、高反差保留
高反差保留主要是将图像中颜色、明暗反差较大两部分的交界处保留下来,比如图像中有一个人和一块石头,那么石头的轮廓线和人的轮廓线以及面部、服装等有明显线条的地方会变被保留,儿其他大面积无明显明暗变化的地方则生成中灰色。其表达形式为:dst = r*(img - Blur(img))。
- Mat HighPass(Mat img)
- {
- Mat temp;
- GaussianBlur(img, temp,Size(7,7),1.6,1.6);
-
- int r=3;
- Mat diff = img + r*(img-temp);
- return diff;
- }
测试代码:
- int main(int argc, char* argv[])
- {
- const char* Path = "02.bmp";
- IplImage *img = cvLoadImage(Path,CV_LOAD_IMAGE_ANYCOLOR);
- IplImage *dst = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);
- cout<<"输入你要选择的操作:"<<endl;
- cout<<"1、曝光过度"<<endl;
- cout<<"2、加马赛克"<<endl;
- cout<<"3、对数增强"<<endl;
- cout<<"4、指数增强"<<endl;
- cout<<"请输入你的选择:";
- int choice = 1;
- cin>>choice;
- switch (choice)
- {
- case 1:
- ExporeOver(img, dst);
- break;
- case 2:
- Masic(img, dst, 21);
- break;
- case 3:
- LogEnhance(img, dst);
- break;
- case 4:
- ExpEnhance(img, dst);
- break;
- default:
- cout<<"输入错误"<<endl;
- break;
- }
- cvSaveImage("dst.jpg",dst);
- cvNamedWindow("SRC",1);
- cvNamedWindow("DST", 1);
- cvShowImage("SRC", img);
- cvShowImage("DST", dst);
- cvWaitKey();
- return 0;
- }
实现在MFC中效果如下(程序有点小问题,“高斯平滑”的效果应该是中值滤波):
![](https://img-blog.csdn.net/20150129161250730?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvRWJvd1Rhbmc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
![](https://img-blog.csdn.net/20150129160916205?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvRWJvd1Rhbmc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)