OpenCV 图像处理 灰度化、二值化与加噪

参考链接：https://www.dianyuan.com/eestar/article-1414.html

因为要自动检测裂缝，就考虑到了图像的二值化处理，虽然C#可以实现二值化处理，但是是逐个像素点处理，这样处理起来费时费力。不是想要的结果，所以还是用Opencv处理起来方便很多，其实很多Python程序处理起来也是很方便，后续没事可以研究研究C#调用Python混合开发，后续会更新

图像灰度化

方法1：求出每个像素点的RGB三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量

方法2：求RGB和YUV颜色空间的变化关系，建立亮度Y与RGB三个颜色分量的对应关系：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。OpenCV的cvtColor函数，可以直接完成灰度化操作。

#-*- coding: utf-8 -*-
import cv2
import numpy as np

fn = "test1.jpg"
if __name__ == '__main__':
    print('loading %s' % fn)
    img = cv2.imread(fn)
    sp = img.shape
    print(sp)

    # 获取图像大小
    sz1 = sp[0]
    sz2 = sp[1]
    print('width:%d\nheight:%d' % (sz2,sz1))
    # 创建一个窗口显示图像
    cv2.namedWindow('img')
    cv2.imshow('img',img)
    # 复制图像矩阵，生成与源图像一样的图像，并显示
    myimg2 = img.copy();
    cv2.namedWindow('myimg2')
    cv2.imshow('myimg2',myimg2)

    # 复制并转换为灰度化图像并显示
    myimg1 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    cv2.namedWindow('myimg1')
    cv2.imshow('myimg1',myimg1)
    cv2.waitKey()
    cv2.destroyAllWindows()

Copy

 

实际上RGB并不能反映图像的形态特征，只是从光学的原理蚝颜色的调配。把图像转换成8位的灰度值图像直接进行处理，可以通过直方图、灰度变化及正交变化之类数学运算对图像做进一步处理，比如说图像识别等。如果有必要，可将图像二值化，这样有利于对图像进一步处理，使图像数据量减小，突显出感兴趣的目标的轮廓。

图像二值化

#-*- coding: utf-8 -*-
import cv2  
  
image = cv2.imread('test1.jpg')  
image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)  
cv2.threshold(image, 140, 255, 0, image)  
  
cv2.namedWindow("Image")  
cv2.imshow("Image", image)  
cv2.waitKey(0)  

Copy

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，也就是将整个图像呈现出明显的只有黑和白的视觉效果。一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

Python-OpenCV中提供了阈值（threshold）函数：cv2.threshold（）函数：

1. src 指原图像，原图像应该是灰度图。

2. x 指用来对像素值进行分类的阈值。

3. y 指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值

4. Methods 指不同的阈值方法，这些方法包括：

   

•cv2.THRESH_BINARY 图（1）

大于阈值的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于阈值的像素点的灰度值设定为0。

•cv2.THRESH_BINARY_INV 图（2）

大于阈值的像素点的灰度值设定为0，而小于该阈值的设定为255。

•cv2.THRESH_TRUNC 图（3）

像素点的灰度值小于阈值不改变，大于阈值的灰度值的像素点就设定为该阈值。

•cv2.THRESH_TOZERO 图（4）

像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

•cv2.THRESH_TOZERO_INV 图（5）

像素点的灰度值大于该阈值的不进行任何改变，像素点的灰度值小于该阈值的，其灰度值全部变为0。

图像加噪

#-*- coding: utf-8 -*-
import cv2  
import numpy as np

img = cv2.imread('test1.jpg')  
# 噪声点数量
coutn = 100000
for k in range(0,coutn):
    # 获取图像噪声点的随机位置
    xi = int(np.random.uniform(0,img.shape[1]))
    xj = int(np.random.uniform(0,img.shape[0]))
    #加噪
    if img.ndim == 2:
        # 灰度图像
        img[xj,xi] = 255
    elif img.ndim == 3:
        # 非灰度图像，图像加噪
        img[xj,xi,0] = 25
        img[xj,xi,1] = 20
        img[xj,xi,2] = 20
cv2.namedWindow('img')
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()

Copy