学习笔记(02):一学即懂的计算机视觉（第一季）-实战演练：颜色空间分解

立即学习:https://edu.csdn.net/course/play/26281/327071?utm_source=blogtoedu

有没有人想买个光度计（照度计）？  ^_^

图像空间实战代码如下：

import cv2 as cv

filename = "D:/python_test/lena.jpg"
img = cv.imread(filename)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)  #颜色空间转换

cv.imshow("Hello,Lena!",img)
cv.imshow("gray",gray)

cv.waitKey()                                #关闭全部窗口继续向下执行
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)    #颜色空间转换

cv.imshow("Hue(色度)", hsv[:,:,0])
cv.imshow("Saturation(饱和度)", hsv[:,:,1])
cv.imshow("Value(明度)", hsv[:,:,2])

cv.waitKey()                                #关闭全部窗口继续向下执行
cv.imshow("Blue(蓝色)", img[:,:,0])
cv.imshow("Green(绿色)", img[:,:,1])
cv.imshow("Red(红色)", img[:,:,2])

cv.waitKey()                                #关闭全部窗口继续向下执行
cv.destroyAllWindows()

滤波函数实战代码如下：

import numpy as np
import cv2 as cv

# 原始图像加入彩色噪声(高斯噪声)，mean：均值，var：方差
def gauss_noise(image, mean=0, var=0.001):
    image = np.array(image/255, dtype=float)
    noise = np.random.normal(mean, var ** 0.5, image.shape)
    out = image + noise
    if out.min()<0:
        low_clip = -1.
    else:
        low_clip = 0.
    out = np.clip(out, low_clip, 1.0)
    out = np.uint8(out*255)
    return out


filename = "D:/python_test/tree.png"
img = cv.imread(filename)
img = gauss_noise(img)                           #原图像加入高斯噪声,这里只用img一个参数即可

blur = cv.blur(img, (5,5))                       #平均滤波
gauss = cv.GaussianBlur(img, (5,5) ,0)           #高斯滤波
median = cv.medianBlur(img, 5)                   #中值滤波
bilateral = cv.bilateralFilter(img, 5, 150 ,150) #双边滤波

cv.imshow("Image(原始加噪后的图像)", img)
cv.imshow("Blurred(平均滤波后的图像)", blur)
cv.imshow("Gauss(高斯滤波后的图像)", gauss)
cv.imshow("Median filtered(中值滤波后的图像)", median)
cv.imshow("Bilateral filtered(双边滤波后的图像)", bilateral)

cv.waitKey()                                      #关闭全部窗口继续向下执行
cv.destroyAllWindows()