opencv—常用函数学习_“干货“_3

轻风倦影

已于 2024-07-13 09:23:30 修改

阅读量947

点赞数 28

文章标签：学习 opencv 计算机视觉

于 2024-07-13 09:06:30 首次发布

本文链接：https://blog.csdn.net/chen_0717/article/details/140374857

版权

转换图像的数据类型 (convertTo)

分离和合并颜色通道 (split 和 merge)

提取和插入颜色通道 (extractChannel 和 insertChannel)

应用颜色映射 (applyColorMap)

缩放、计算绝对值并转换为8位 (convertScaleAbs)

直方图均衡化 (equalizeHist)

自适应直方图均衡化 (CLAHE)

细节增强 (detailEnhance)

改变光照条件 (illuminationChange)

http://t.csdnimg.cn/i8pqt —— opencv—常用函数学习_“干货“_总（VIP）

散的正在一部分一部分发，不需要VIP。

资料整理不易，有用话给个赞和收藏吧。

八、图像拼接

在OpenCV中，图像拼接是指将多幅图像合并成一幅图像的过程。OpenCV提供了几种常用的函数和类来实现图像拼接。下面介绍这些拼接相关的函数及其使用示例。

图像拼接函数
hconcat	vconcat	Stitcher
水平拼接图像	垂直拼接图像	全景图像拼接类

水平拼接图像 (`hconcat`)

import cv2
import numpy as np

# 创建两个示例图像
image1 = np.full((100, 200, 3), 255, dtype=np.uint8)  # 白色图像
image2 = np.full((100, 200, 3), 0, dtype=np.uint8)    # 黑色图像

# 水平拼接图像
result_hconcat = cv2.hconcat([image1, image2])
cv2.imshow('Horizontal Concatenation', result_hconcat)
cv2.waitKey(0)
cv2.destroyAllWindows()

垂直拼接图像 (`vconcat`)

# 垂直拼接图像
result_vconcat = cv2.vconcat([image1, image2])
cv2.imshow('Vertical Concatenation', result_vconcat)
cv2.waitKey(0)
cv2.destroyAllWindows()

全景图像拼接 (`Stitcher`)

# 读取待拼接的图像
image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

# 创建Stitcher对象并进行拼接
stitcher = cv2.Stitcher_create()
status, stitched = stitcher.stitch([image1, image2])

if status == cv2.Stitcher_OK:
    cv2.imshow('Stitched Image', stitched)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("拼接失败")

这些示例展示了如何使用OpenCV中的拼接函数来实现图像的水平拼接、垂直拼接以及全景图像拼接。这些函数和类在图像处理、计算机视觉以及图像分析中非常有用，可以根据具体需求灵活应用。

九、颜色通道及数据格式

在OpenCV中，颜色通道及数据格式的转换和操作是图像处理的重要部分。下面介绍这些相关的函数及其使用示例。

颜色通道及数据格式
cvtColor	convertTo	split	merge
转换图像的颜色空间	转换图像的数据类型	分离图像的颜色通道	合并图像的颜色通道
extractChannel	insertChannel	applyColorMap
提取单个颜色通道	插入单个颜色通道	应用颜色映射

转换图像的颜色空间 (`cvtColor`)

import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

转换图像的数据类型 (`convertTo`)

# 转换数据类型为float32
float_image = np.float32(image)
converted_image = float_image / 255.0
cv2.imshow('Converted Image', converted_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

分离和合并颜色通道 (`split` 和 `merge`)

# 分离颜色通道
b, g, r = cv2.split(image)

# 合并颜色通道
merged_image = cv2.merge([b, g, r])
cv2.imshow('Merged Image', merged_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

提取和插入颜色通道 (`extractChannel` 和 `insertChannel`)

# 提取蓝色通道
blue_channel = cv2.extractChannel(image, 0)
cv2.imshow('Blue Channel', blue_channel)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 插入通道
new_image = cv2.insertChannel(blue_channel, image, 1)
cv2.imshow('Image with Inserted Channel', new_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

应用颜色映射 (`applyColorMap`)

# 应用颜色映射
color_mapped_image = cv2.applyColorMap(gray_image, cv2.COLORMAP_JET)
cv2.imshow('Color Mapped Image', color_mapped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这些示例展示了如何使用OpenCV中的函数来处理图像的颜色通道和数据格式。根据具体的应用需求，可以灵活运用这些函数来实现复杂的图像处理任务。

十、图像复制函数

在OpenCV中，图像复制是基本的操作，可以通过 clone 和 copyTo 函数来实现。下面介绍这些函数及其使用示例。

图像复制函数
clone	copyTo
创建一个图像的深拷贝	将图像数据复制到另一个矩阵，可以选择性地使用掩码

使用 `clone` 进行深拷贝

import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 使用 clone 进行深拷贝
cloned_image = image.clone()

# 显示原图和拷贝图
cv2.imshow('Original Image', image)
cv2.imshow('Cloned Image', cloned_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用 `copyTo` 进行复制

# 创建一个与原图像相同大小的空图像
copy_image = np.zeros_like(image)

# 直接复制图像
image.copyTo(copy_image)

# 显示原图和拷贝图
cv2.imshow('Original Image', image)
cv2.imshow('Copy Image', copy_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用 `copyTo` 和掩码进行复制

# 创建一个掩码
mask = np.zeros(image.shape[:2], dtype=np.uint8)
mask[50:150, 50:150] = 255  # 在掩码上定义一个区域

# 复制图像中的特定区域
masked_copy = np.zeros_like(image)
image.copyTo(masked_copy, mask=mask)

# 显示原图、掩码和掩码复制图
cv2.imshow('Original Image', image)
cv2.imshow('Mask', mask)
cv2.imshow('Masked Copy Image', masked_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()

这些示例展示了如何使用OpenCV中的 clone 和 copyTo 函数来复制图像。根据具体的需求，可以选择直接复制整个图像或使用掩码复制特定区域的图像数据。这些操作在图像处理、图像增强和计算机视觉应用中非常有用。

十一、图像变化与增强

在OpenCV中，图像变换与增强是图像处理的重要组成部分。下面介绍一些常用的图像变换与增强函数及其使用示例。

图像变换与增强函数
convertScaleAbs	log	exp	pow	sqrt
缩放、计算绝对值并转换为8位	计算每个元素的自然对数	计算每个元素的指数	计算每个元素的幂	计算每个元素的平方根
equalizeHist	CLAHE	detailEnhance	illuminationChange
直方图均衡化	自适应直方图均衡化（对比度受限的自适应直方图均衡化）	细节增强	改变光照条件

缩放、计算绝对值并转换为8位 (`convertScaleAbs`)

import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)

# 缩放、计算绝对值并转换为8位
scaled_image = cv2.convertScaleAbs(image, alpha=1.5, beta=0)
cv2.imshow('Scaled Image', scaled_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

计算自然对数 (`log`)

# 计算每个元素的自然对数
log_image = cv2.log(np.float32(image) + 1)  # 加1防止对数的负无穷
cv2.imshow('Log Image', cv2.convertScaleAbs(log_image))
cv2.waitKey(0)
cv2.destroyAllWindows()

计算指数 (`exp`)

# 计算每个元素的指数
exp_image = cv2.exp(np.float32(image))
cv2.imshow('Exp Image', cv2.convertScaleAbs(exp_image))
cv2.waitKey(0)
cv2.destroyAllWindows()

计算幂 (`pow`)

# 计算每个元素的幂
pow_image = cv2.pow(np.float32(image), 2)
cv2.imshow('Pow Image', cv2.convertScaleAbs(pow_image))
cv2.waitKey(0)
cv2.destroyAllWindows()

计算平方根 (`sqrt`)

# 计算每个元素的平方根
sqrt_image = cv2.sqrt(np.float32(image))
cv2.imshow('Sqrt Image', cv2.convertScaleAbs(sqrt_image))
cv2.waitKey(0)
cv2.destroyAllWindows()

直方图均衡化 (`equalizeHist`)

# 直方图均衡化
equalized_image = cv2.equalizeHist(image)
cv2.imshow('Equalized Image', equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

自适应直方图均衡化 (`CLAHE`)

# 创建CLAHE对象
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

# 应用CLAHE
clahe_image = clahe.apply(image)
cv2.imshow('CLAHE Image', clahe_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

细节增强 (`detailEnhance`)

# 细节增强
detail_image = cv2.detailEnhance(image)
cv2.imshow('Detail Enhanced Image', detail_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

改变光照条件 (`illuminationChange`)

# 改变光照条件
illum_image = cv2.illuminationChange(image, mask=np.ones(image.shape, dtype=np.uint8), alpha=0.5, beta=2)
cv2.imshow('Illumination Changed Image', illum_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这些示例展示了如何使用OpenCV中的图像变换与增强函数来处理图像。根据具体的应用需求，可以灵活运用这些函数来实现复杂的图像处理和增强任务。