import cv2 img=cv2.imread(r"C:\Games\python\PyCharm Community Edition 2021.3.1\daima\open cv\1.jpg") #dst=cv2.resize(src,dsize) img2=cv2.resize(img,(500,450)) cv2.imshow("a",img2) cv2.waitKey(0) #dst=cv2.resize(src,dsize,fx,fy)fx指对水平方向进行缩放多少倍,fy指对竖直方向上进行缩放多少倍dsize需要写入值为None。 #图像翻转 '''dst=cv2.flip(src,flipCode) flipCode=0以x轴为对称轴翻转(即上下翻转) flipCode>0 以y轴为对称轴翻转(即左右翻转) flipCode<0 以x轴和y轴为对称轴翻转(即上下翻转加左右翻转''' #均值滤波 #处理结果=cv2.blur(原始图像,核大小)核大小:以(宽度,高度)形式表示的元组 #方块滤波 #处理结果=cv2.boxFilter(原始图像,目标深度图像,核大小,normalize属性) #目标深度大小:int类型的目标图像深度。通常使用“-1”表示与原始图像一致 #normalize=1(或者该参数不填):对目标图像进行归一化处理,其结果和均值滤波相同(即进行归一化处理就等同于均值滤波) #normalize=0:不进行归一化处理 #高斯滤波 #dst=cv2.GaussianBlur(src,ksize,sigmaX) #src:原始图像 #ksize:核大小(N,N)必须是奇数 #sigmaX:X方向方差,控制权重 #中值滤波 #dst=cv2.medianBlur(src,ksize) #src:需要处理的原图像 #ksize:选取的核大小,必须是比1大的奇数 #腐蚀图像 '''dst=cv2.erode(src,kernel,iterations) dst:处理结果 相应参数: src:原图像 kernel:卷积核 np.ones((N,N),np.uint8) iterations:迭代次数''' #膨胀图像 '''图像膨胀的函数dilate() dst=cv2.dilate(src,kernel,iterations)''' #开运算 '''开运算的函数 morphologyEx() opening=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel) img:原图像 cv2.MORPH_OPEN:开运算(这个参数是固定的,是一个常量) kernel卷积核''' #闭运算 '''closing=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)''' #梯度运算(膨胀-腐蚀) #result=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel) #礼帽运算(原图像-开图像) #result=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel) #黑帽运算(闭图像-原图像) #result=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
python图像识别的学习
最新推荐文章于 2024-04-25 07:44:14 发布