OpenCv：图像处理基础(一)

最新推荐文章于 2022-10-25 10:39:06 发布

咸鱼肝

最新推荐文章于 2022-10-25 10:39:06 发布

阅读量2.5k

点赞数 3

文章标签： opencv 图像处理 python

本文链接：https://blog.csdn.net/m0_53272995/article/details/120936824

版权

本文会告诉大家一些图像处理的基础，包括图像的基本表示方法，图像处理的基础操作，图像运算。色彩空间转换会放到图像处理基础(二)里单独讲。
这里选下面这张图片来为下面的操作进行演示。
在这里插入图片描述

图像的读取与属性信息

读取

使用cv2.imread(filename[, flags])来读取图片。
注意事项：读取的图片名称不能为中文

参数filename是包括了后缀在内的图片路径加名字
flags为读取标记，可以为原图，也可以为灰度等等

在这里插入图片描述

属性信息

imread()读取完事是一堆数组，所以可以直接拿到他们的属性信息。
shape为图像行数，列数，色彩通道数，size是像素点的个数，dtype为图片的数据格式。

示例

import cv2
import numpy as np
import matplotlib.pyplot as plt

result = cv2.imread('./Ying.jpg')#读取
print("shape",result.shape,'\nsize',result.size,'\ndtype',result.dtype)

\n是换行符

shape (715, 464, 3)
size 995280
dtype uint8

plt.imshow(result)

在这里插入图片描述

gray = cv2.cvtColor(result,cv2.COLOR_BGR2GRAY)
ret,thresh1 = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
ret,thresh2 = cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3 = cv2.threshold(gray,127,255,cv2.THRESH_TRUNC)
ret,thresh4 = cv2.threshold(gray,127,255,cv2.THRESH_TOZERO)
ret,thresh5 = cv2.threshold(gray,127,255,cv2.THRESH_TOZERO_INV)
titles = ['gray','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [gray,thresh1,thresh2,thresh3,thresh4,thresh5]
for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()
# cv2.THRESH_BINARY（黑白二值）
# cv2.THRESH_BINARY_INV（黑白二值反转）
# cv2.THRESH_TRUNC （得到的图像为多像素值，即大于阈值部分设为阈值，否则不变）
# cv2.THRESH_TOZERO（大于阈值部分不改变，否则设为0）
# cv2.THRESH_TOZERO_INV（上面的反转）

在这里插入图片描述

图像保存

gray是原图片的灰度图片

gray.shape#输出为(715, 464)

cv2.imwrite('C:/Users/Lyb/Desktop/Ying.jpg',gray)#保存成功显示True

在这里插入图片描述

图像通道处理的基本操作

一般图片为三颜色通道，即RGB三颜色通道，但是使用imread()读取的图片通道为B,R,G

titles = ['B','G','R']
for i in range(3):
    plt.subplot(1,3,i+1),plt.imshow(result[:,:,i])
    plt.title(titles[i])
plt.show()

在这里插入图片描述

拆分通道和显示图像

拆分：除了上面的方法可以分离通道，还有cv2.split()可以拆分通道
显示：namedWindow()函数用来创建指定的窗口，格式如下：

None = cv2.namedWindow(window)

window是窗口的名字，句程序会新建一个名字为image的窗口。
imshow()函数用来显示图像，格式如下：

None = cv2.imshow(window, image)

window是窗口的名字。image是要显示的图像。

waitKey()函数用来等待按键，当有键被按下时，该语句会被执行。格式如下：

retval= cv2.waitKey([delay])

retval是返回值。delay表示等待键盘触发的时间，单位是ms。当该值为负数或0时表示无限等待，默认值为0。

destroyAllWindows函数用来释放所有窗口，格式如下：

None = cv2. destroyAllWindows ()

b, g, r = cv2.split(result)
cv2.imshow('b',b)
cv2.imshow('g',g)
cv2.imshow('r',r)
cv2.imshow('ying',result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述
此时程序在运行这里，因为设置的delay为0，按下任意键即可退出。

np.unique(result[:,:,0] == b)#输出为array([ True])

split()分割出来的B通道和imread读取图片的第一个通道是一样的。

合并

通道合并是通道拆分的逆过程，可以将三个通道的灰度图像合并为一张彩色图像。OpenCV中提供了merge()函数来实现图像通道的合并，基本格式为：

imagebgr = cv2.merge([b, g, r])

imagebgr是合并后的图像。b、g、r分别是B通道、G通道、R通道的图像信息。

image_merge = cv2.merge([b,g,r])
plt.imshow(image_merge)

在这里插入图片描述

图像运算

加法运算

运算符“+”

OpenCV中有两种方法可以实现图像的加法运算。一种是通过运算符“+”对图像进行加法运算，另一种是通过cv2.add()函数来实现对图像的加法运算。
因为计算机一般使用8个比特来表示灰度图像，所以像素值的范围是0～255。当像素值的和超过255时，这两种加法方式的处理方法是不一样的。下面进行具体的介绍。
在使用运算符“+”对两个图像的像素进行加法运算时，其具体规则如下：
在这里插入图片描述

上式中，a和b表示两幅图像的像素值，mod(a+b,256) 表示“a+b的和除以256取余”。

#  +
print((g+b).shape)
plt.imshow(g+b)

在这里插入图片描述

cv2.add()函数

在使用cv2.add()函数实现图像加法运算时，其一般格式为：

result = cv2.add(a, b)

result表示计算的结果。a和b表示需要进行加法计算的两个像素值。
使用cv2.add()函数进行图像加法运算时，会得到像素值的最大值。规则如下：
[插图]

上式中，当像素a和像素b的和超过255时，会将其截断，取范围内的最大值，这是与运算符“+”的不同之处。

r1 = cv2.add(g,b)
print(r1.shape)
plt.imshow(r1)

在这里插入图片描述

np.unique(r1 == (g+b))#输出：array([False,  True])

可以直观的看到两种加法是不同的

减法运算

运算符“-”

规则如下：
在这里插入图片描述
上式中，a和b表示两幅图像的像素值，mod(a-b,255)+1表示“a-b的差除以255取余后加1”。

#  -
print((g-b).shape)
plt.imshow(g-b)

在这里插入图片描述

cv2.subtract()函数

在使用cv2. subtract()函数实现图像减法运算时，其一般格式为：

result = cv2. subtract (a, b)

result表示计算的结果。a和b表示需要进行减法计算的两个像素值。
使用cv2. subtract ()函数进行图像减法运算时，规则如下：
在这里插入图片描述
上式中，当像素a和像素b的差值小于0时，会将其截断，这是与运算符“-”的不同之处。

r1 = cv2.subtract(g,b)
print(r1.shape)
plt.imshow(r1)

在这里插入图片描述

乘法运算

图像乘法运算有矩阵乘法和矩阵的点乘两种。Python的OpenCV提供了cv2. mutiply()函数进行矩阵的点乘运算，Python的numpy为矩阵的乘法运算提供了dot()函数。

矩阵乘法

矩阵乘法的一般格式为：

result = np.dot(a, b)

result表示计算的结果。 a和b表示需要进行矩阵乘法计算的两个像素值矩阵。
在进行矩阵乘法运算时必须满足其行列维数的规则。

矩阵的点乘

矩阵点乘运算的一般格式为：

result = cv2.multiply (a, b)

result表示计算的结果。a和b表示需要进行矩阵点乘的两个像素值矩阵。

r1 = cv2.multiply(g,b)
print(r1.shape)
plt.imshow(r1)

在这里插入图片描述

可以看到，矩阵点乘运算的结果大多是255，这是由于，在结果大于255时，类似于加法运算，计算机会截断数据，取最大值。

除法运算

除法运算应用在图像中即为矩阵的点除运算，Python的OpenCV提供了cv2. divide()函数来进行像素矩阵的点除运算。其一般格式如下：

result = cv2.divide(a, b)

result表示计算的结果。a和b表示需要进行矩阵点除的两个像素值矩阵。

r1 = cv2.divide(g,b)
print(r1.shape)
plt.imshow(r1)

在这里插入图片描述

按位与

按位与：全为真时，结果才为真，反之为假。
在这里插入图片描述

result = cv2.bitwise_and(src1, src2[, mask])

src1表示第一个输入值。 src2表示第二个输入值。mask表示可选操作掩码。下面同理。
首先来构造一个掩模图像。

#按位与
image = np.zeros(b.shape,dtype=np.uint8)#构造一个掩模图像
image[:600,150:] = 255
plt.imshow(image)

在这里插入图片描述
再来计算按位与，来达到“截图”的效果

r1 = cv2.bitwise_and(b,image)
plt.imshow(r1)

在这里插入图片描述

按位或

按位或：有一个为真，即为真。
在这里插入图片描述

result = cv2.bitwise_or(src1, src2[, mask])

#按位或
r1 = cv2.bitwise_or(b,image)
print(r1.shape)#输出为(715, 464)
plt.imshow(r1)

在这里插入图片描述

按位非

按位非是取反操作
在这里插入图片描述

result = cv2.bitwise_not(src[, mask])

#按位非
r1 = cv2.bitwise_not(b)
print(r1.shape)#(715, 464)
plt.subplot(121)
plt.imshow(r1)
plt.title('B_bitwise_not')
plt.subplot(122)
plt.imshow(b)
plt.title('B')

在这里插入图片描述
不太明显，那咱们拿上面的二值图像来操作

r1 = cv2.bitwise_not(thresh1)
plt.subplot(121)
plt.imshow(r1)
plt.title('former_thresh1')
plt.subplot(122)
plt.imshow(thresh1)
plt.title('later_thresh1')

在这里插入图片描述
从图像上可以看出来是像素值全部取反的结果。

按位异或

按位异或操作类似于半加运算
在这里插入图片描述

result = cv2.bitwise_and(src1, src2[, mask])

这里选取的图片是雷神的二值图像，和二值图像的取反，经过按位异或操作应该是一个全为255的矩阵。因为一个是1(255)，一个是0，结果为1(255)

#按位异或
r1 = cv2.bitwise_xor(thresh1,thresh2)
print(r1.shape)
plt.imshow(r1)

在这里插入图片描述

咸鱼肝

关注

3
点赞
踩
13

收藏

觉得还不错? 一键收藏
打赏
0
评论
OpenCv：图像处理基础(一)

文章目录图像的读取与属性信息读取属性信息示例图像保存图像通道处理的基本操作拆分通道和显示图像合并图像运算加法运算运算符“+”cv2.add()函数减法运算运算符“-”cv2.subtract()函数乘法运算矩阵乘法矩阵的点乘除法运算按位与按位或按位非按位异或本文会告诉大家一些图像处理的基础，包括图像的基本表示方法，图像处理的基础操作，图像运算。色彩空间转换会放到图像处理基础(二)里单独讲。这里选下面这张图片来为下面的操作进行演示。图像的读取与属性信息读取使用cv2.imread(filename
复制链接

扫一扫