OpenCV笔记-进阶(图像效果处理)
此章节是基于本人OpenCV笔记-基础篇的延续,如果对此章节有疑惑的话,可以先看基础篇学习一下。
通过此篇可以学习到美图秀秀等P图软件实现图片效果原理及实现过程
目录
1、灰度处理
灰度处理是图像处理的重要部分,大部分图像识别都需要使用到图像灰度处理
灰度处理则是对像素进行整合处理,将像素改为单一化数值:
左图为彩色图片像素,右图为灰色图片像素
可见彩色图片像素中的三基色比例数值改为灰度的单一数值
灰度图片中的RGB是相同的,R=G=B值
本人将讲解四种图像灰度处理方法:
(1)图像读取灰度处理:
图像读取命令:cv2.imread(filename,flags=None),将图像灰度化,则是将flags=0即可
程序示例:
import cv2
img = cv2.imread('imageTest.png',0)
cv2.imshow('img',img)
cv2.waitKey(0)
结果:
(2)颜色空间转换函数灰度处理
颜色空间转换函数:
cv2.cvtColor(src,code,dst=None,dstCn=None)
src:改变其颜色空间的图像
code:色彩空间转换代码,cv2.COLOR_BGR2GRAY为灰度转换代码
程序示例:
import cv2
img = cv2.imread('imageTest.png',1)
dst = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('dst',dst)
cv2.waitKey(0)
结果:
与上图灰度相似
(3)图像像素平均值灰度处理
灰度图像中的RGB是相同的,因此可以通过RGB求取平均值进行计算
公式:灰度值=(R+G+B)/3
步骤:1、读取图片;2、建立空白模板;3、求RGB平均值,填入模板
程序示例:
import cv2
import numpy as np
img = cv2.imread('imageTest.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
for j in range(0,width):
(b,g,r) = img[i,j]
gray = (int(b)+int(g)+int(r))/3
dst[i,j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)
结果:
与以上灰度图片相似
(4)心理学灰度计算
心理学灰度计算公式:
gray = r × 0.299+g × 0.587+b × 0.114
步骤与第三种方法相同:
程序示例:
import cv2
import numpy as np
img = cv2.imread('imageTest.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
#获取图像像素平均值
dst = np.zeros((height,width,3),np.uint8)
for i in range(0,height):
for j in range(0,width):
(b,g,r) = img[i,j]
gray = int(r)*0.299+int(g)*0.587+int(b)*0.114
dst[i,j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)
结果:
与上图灰度图像相同
2、图像颜色反转
颜色反转原理:
获取图像像素信息RGB,使用满像素值 255 减该像素值
(1)灰度反转
步骤:
1、读取图片;2、灰度处理,建立空模板;
3、获取像素,255-对应像素;4、填入模板
程序示例:
import cv2
import numpy as np
img = cv2.imread('imageTest.png',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#灰度处理
dst = np.zeros((height,width,1),np.uint8)#建立空白模板
for i in range(0,height):
for j in range(0,width)