图片处理
基本操作
(数值表示:一个点的像素值在0~255之间,对应不同颜色)
R(Red),G(Green),B(Blue)分别为图像的颜色通道,某点对应的三部分值“相加”。(黑白图片不存在颜色通道)
import cv2 #OpenCV读取的是GBR
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
img=cv2.imread('D:\\tu\cat.jpg')
注意上方代码需要提前安装matplotlib库和numpy库,读取图片需输入详细路径
img
cv2.imshow('image',img)
cv2.waitKey(0)#等待时间,毫秒级,0表示任意键结束
cv2.destroyAllWindows()
将以上操作创建为一个新函数
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
img的shape属性:给出图片的(hight,width,3)
img.shape
(206, 252, 3)
#将图片灰度化
img=cv2.imread('D:\\tu\cat.jpg',cv2.IMREAD_GRAYSCALE)
img
对于灰白色照片的shape属性,只会输出图片的(hight,width),对于本照片即:(206,252)
颜色通道的提取
b,g,r=cv2.split(img)
#只保留R
cur_img=img.copy()
cur_img[:,:,0]=0
cur_img[:,:,1]=0
cv_show('R',cur_img)
#只保留G
cur_img=img.copy()
cur_img[:,:,0]=0
cur_img[:,:,2]=0
cv_show('G',cur_img)
#只保留B
cur_img=img.copy()
cur_img[:,:,1]=0
cur_img[:,:,2]=0
cv_show('B',cur_img)
对于B,G,R三者排序为0,1,2。则只保留其中一个颜色通道的时候,即需要另外两者为0。
边界填充
top_size,bottom_size,left_size,right_size=(20,20,20,20)
replicate=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
wrap=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)
import matplotlib.pyplot as plt
plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
BORDER_REPLICATE:复制法,也就是复制最边缘像素。
BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制例如: fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101:反射法,也就是以最边缘像素为轴,对称,gfedcb|abcdefgh|gfedcba
BORDER_WRAP:外包装法,cdefgh|abcdefgh|abcdefg
BORDER_CONSTANT:常量法,常数值填充。
数值计算
img_cat=cv2.imread('D:\\tu\cat.jpg')
img_dog=cv2.imread('D:\\tu\dog.jpg')
img_cat2=img_cat+10 #各个元素加10
img_cat[:5,:,0] #[:5,:,0]即只取前5行数据
(img_cat+img_cat2)[:5,:,0]
#矩阵各元素对应相加,若两数相加大于256则%256;若小于256则取两数加和
cv2.add(img_cat,img_cat2)[:5,:,0]
#cv2.add(a,b)函数的用法不同于(a+b),当两数相加大于256时,则取256;当两数相加小于256时,则取两数加和
图像融合
想要两个图像融合,首先要保证两者的像素的hight、width和颜色通道个数相同,那么需要借助cv2中resize函数进行调整
img_cat.shape
(206, 252, 3)
img_dog=cv2.resize(img_dog,(252,206))
#通过resize函数将另一个图像的hight和width与融合的图像对应一致
img_dog.shape
(206, 252, 3)
通过resize函数将两图像的像素调整一致后,再用addWeighted将两者融合
res=cv2.addWeighted(img_cat,0.4,img_dog,0.6,0)
#R=αx1+βx2+b,对应addWeighted函数中(x1,α,x2,β,b)
plt.imshow(res)
resize函数的另一个应用:
res=cv2.resize(img_cat,(0,0),fx=3,fy=1)
#resize函数另一个功能:(name,(0,0),fx,fy),其中fx为横向(x轴)放大倍数,fy为纵向(y轴)放大倍数
plt.imshow(res)