【OpenCV_1】基本操作，灰度，二值化

已于 2024-08-15 20:05:41 修改
阅读量249 收藏 8
点赞数 6
文章标签： opencv 人工智能 计算机视觉 python
于 2024-07-26 13:58:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_73658021/article/details/140713727
版权

OpenCV

安装OpenCV-python

pip install opencv-python

安装可以使用国内镜像

opencv基础操作

  1. 图像读取
 # cv2.imread(path, [读取方式])
img1 = cv2.imread('./media/1.jpg')
img2 = cv2.imread('./media/2.png')
print(img)
  1. 显示图像
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.waitKey(0) # 等待时间 使得窗口一直显示
  1. 保存图像
# 保存图片
# img1 = cv2.imread('./media/2.png')
# cv2.imshow('img1', img1)
# img2 = cv2.resize(img,dsize=None,fx=0.2,fy=0.2) # 把图片的长和宽缩小为原来的0.2
# cv2.imshow('img2', img2)
# cv2.waitKey(0)
# cv2.imwrite('./media/nut.png', img2)  # 保存图片

绘制几何图形

  1. 绘制直线

cv2.line(img,start,end,color,thickness) 图像 起始点 终点 颜色 线条宽度

# 绘制直线
# img = cv2.imread('./media/1.jpg')
# cv2.imshow('1', img)
# cv2.line(img,(200,200),(250,250),(255,0,0),9)  # 图片  第一个点的坐标 第二个点的坐标 直线颜色 直线粗细
# cv2.imshow('2',img)
# cv2.waitKey(0)

在这里插入图片描述

  1. 绘制圆形

cv.circle(img,centerpoint, r, color, thickness) 图像 圆心点 半径 颜色 线条 -1填充

# 绘制圆形
# img = cv2.imread('./media/1.jpg')
# cv2.imshow('1', img)
# cv2.circle(img,(200,200),50,(255,0,0),2)  # 图片  圆心 半径
# cv2.imshow('2',img)
# cv2.waitKey(0)

在这里插入图片描述

  1. 绘制矩形

cv.rectangle(img,leftupper,rightdown,color,thickness) 左上角 右下角

# 绘制矩形
# img = cv2.imread('./media/1.jpg')
# cv2.imshow('1', img)
# cv2.rectangle(img,(200,200),(250,250),(255,0,0),2)  # 图片  左上角坐标  右下角坐标
# cv2.imshow('2',img)
# cv2.waitKey(0)

在这里插入图片描述

  1. 文字

cv.putText(img,text,station, font, Fontscale ,color,thickness,cv2.LINE_AA)

# 添加文字
# img = cv2.imread('./media/1.jpg')
# # cv2.imshow('1', img)
# cv2.putText(img,'defeedback',(250,250),cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,2,(255,0,0),3,cv2.LINE_AA)
# # 图片 文本内容  位置 字体 字号  颜色  粗细  字体的描边
# cv2.imshow('2',img)
# cv2.waitKey(0)

在这里插入图片描述
坐标相关

'''
line()
circle()
rectangle
putText
getPerspectiveTransform  矫正  warpPerspective
getRotationMatrix2D  旋转 warpAffine
'''

import cv2

nut = cv2.imread('./media/nut.png')  # 宽 204  高 254

# print(nut.shape) # (254, 204, 3)  h,w,c  高宽通道   行数 列数
# cv2.line(nut,(0,127),(102,127),(255,0,255),2)  #  line中的点的坐标是(x,y) x是列 y是行  左上角是原点 第四象限 

# cv2.rectangle(nut,(0,0),(102,127),(0,255,255),2)  # 同line

# cv2.putText(nut,'defeedback',(102,127),cv2.FONT_HERSHEY_COMPLEX,0.5,(0,255,255),2,cv2.LINE_AA)  # 坐标是文本的左下角  同上


cv2.imshow('nut',nut)
cv2.waitKey(0)
  1. 获取并修改图像中的像素点
# 获取并修改图像的像素点    索引赋值
# img = cv2.imread('./media/1.jpg')
# # print(img[200:500][50:500])
# img[100:200] = [0,0,255]  # 100到200行
# cv2.imshow('2',img)
# cv2.waitKey(0)

在这里插入图片描述
在这里插入图片描述

  1. 捕获摄像头或视频
# 捕获视频或摄像头
cap = cv2.VideoCapture('./media/Naruto.mp4') # 填地址 0则为默认摄像头
flage = True
while flage:
    flage,img = cap.read()
    if not flage:
        print('视频播放完成')
        break
    cv2.imshow('video',img)
    input = cv2.waitKey(30)
    if input == ord('q'):
        break
cap.release() # 释放资源
cv2.destroyAllWindows() # 关闭窗口
  1. 随机颜色
# 随机颜色
img=np.random.randint(0,256,(512,512,3),dtype=np.uint8)
cv2.imshow("img",img)
cv2.waitKey(0)

在这里插入图片描述

计算机眼中的图像

计算机采用0 /1 的编码，计算机中的图像都是8位，每个像素点的范围是0~255，0是黑，255是白

  1. 二值图像

二值图只有0和1，0是黑，1是白。

二值图通常用于文字、线条的扫描识别和掩膜图像的存储

  1. 灰度图

灰度图是只有一个通道的图像，每个像素点是0~255，表现出来就是有黑到灰到白的图像 256级灰度

  1. 彩色图

彩色图是有RGB三通道的图像，每个像素点有三个值，分别是三个通道的颜色分量

灰度

彩色图是有三个通道的图像，而灰度图是单通道图像。彩色图变灰度图是把三个通达合并的过程。合并方法主要有三种，最大值法，平均值，加权平均值。

  1. 最大值

三个通道中选出一个最大的，作为单通道的像素值

# 最大值灰度
# img = cv2.imread('./media/1.jpg')
# img_gret = np.zeros((img.shape[0],img.shape[1]),dtype=np.uint8)
# # print(img)
# cv2.imshow('1',img)
# for i in range(img.shape[0]):
#     for j in range(img.shape[1]):
#         img_gret[i,j] = max(img[i][j][0], img[i][j][1], img[i][j][2])
# cv2.imshow('grey',img_gret)
# cv2.waitKey(0)

在这里插入图片描述

  1. 平均值

三个通道的相加，除以三

# 平均值灰度
# img = cv2.imread('./media/1.jpg')
# img_gret = np.zeros((img.shape[0],img.shape[1]),dtype=np.uint8)
# # print(img)
# cv2.imshow('1',img)
# for i in range(img.shape[0]):
#     for j in range(img.shape[1]):
#         img_gret[i,j] = (int(img[i][j][0])+int(img[i][j][1])+int(img[i][j][2]))/3  # 需要先转化为int才算平均  不转化为uint8，数值计算会错误
# cv2.imshow('grey',img_gret)
# cv2.waitKey(0)

在这里插入图片描述

  1. 加权平均

每个通道乘以对应的权重值再相加

# 加权均值
# img = cv2.imread('./media/1.jpg')
# img_gret = np.zeros((img.shape[0],img.shape[1]),dtype=np.uint8)
# # print(img)
# cv2.imshow('1',img)
# x = 0.299
# y = 0.587
# z = 0.114
# for i in range(img.shape[0]):
#     for j in range(img.shape[1]):
#         img_gret[i,j] = int(x*img[i][j][0])+int(y*img[i][j][1])+int(z*img[i][j][2])
# cv2.imshow('grey',img_gret)
# cv2.waitKey(0)

在这里插入图片描述

  1. CV2内置加权灰度方式

读取图片时指定读取方式 （读取为灰度图，使用加权求和的灰度）

# gray = cv2.imread('./media/1.jpg',cv2.IMREAD_GRAYSCALE)  # cv2内置的加权灰度  最常用
# cv2.imshow('gray',gray)
# cv2.waitKey(0)

# gray = cv2.imread('./media/1.jpg',cv2.IMREAD_REDUCED_GRAYSCALE_2)
# cv2.imshow('gray',gray)
# cv2.waitKey(0)

在这里插入图片描述
在这里插入图片描述

二值化

二值化，就是把图像修改为两个值，操作的图像为灰度图

  1. 阈值法THRESH_BINARY

设定一个阈值，超过的为255，小于的为0

# 阈值法  THRESH_BINARY
# gray = cv2.imread('./media/1.jpg',cv2.IMREAD_GRAYSCALE)
# cv2.imshow('gray',gray)
# _,erzhi = cv2.threshold(gray,189,255,cv2.THRESH_BINARY) #  图片  阈值 最大值 二值化方式  返回数组（布尔值是否成功，处理后的图片）
# # 小于阈值设置为0 大于阈值设置为最大值255（白）
# cv2.imshow('erzhi',erzhi)
# cv2.waitKey(0)

在这里插入图片描述

  1. 反阈值法THRESH_BINARY_INV

大于某个阈值设置为0，小于某个阈值设置为255

# 反阈值法  THRESH_BINARY_INV
# gray = cv2.imread('./media/1.jpg',cv2.IMREAD_GRAYSCALE)
# cv2.imshow('gray',gray)
# _,erzhi = cv2.threshold(gray,100,255,cv2.THRESH_BINARY_INV) #  图片  阈值 最大值 二值化方式  返回数组（布尔值是否成功，处理后的图片）
# # 小于阈值设置为255 大于阈值设置为最大值0（黑）
# cv2.imshow('erzhi',erzhi)
# cv2.waitKey(0)

在这里插入图片描述
3. 截断阈值法THRESH_TRUNC

大于阈值变为阈值，小于的不变

# 截断阈值法  THRESH_TRUNC
# gray = cv2.imread('./media/1.jpg',cv2.IMREAD_GRAYSCALE)
# cv2.imshow('gray',gray)
# _,erzhi = cv2.threshold(gray,127,255,cv2.THRESH_TRUNC) #  图片  阈值 最大值 二值化方式  返回数组（布尔值是否成功，处理后的图片）
# # 小于阈值不变 大于阈值设置为阈值  大于阈值则改为阈值 图片的亮部变暗  这里的最大值 255需要传入  但是函数内部未使用
# cv2.imshow('erzhi',erzhi)
# cv2.waitKey(0)

在这里插入图片描述

  1. 低阈值零处理THRESH_TOZERO
#  低阈值零处理  THRESH_TOZERO
# gray = cv2.imread('./media/1.jpg',cv2.IMREAD_GRAYSCALE)
# cv2.imshow('gray',gray)
# _,erzhi = cv2.threshold(gray,127,255,cv2.THRESH_TOZERO) #  图片  阈值 最大值 二值化方式  返回数组（布尔值是否成功，处理后的图片）
# # 小于阈值变为0 大于阈值不变  暗部变暗  这里的最大值 255需要传入  但是函数内部未使用
# cv2.imshow('erzhi',erzhi)
# cv2.waitKey(0)

在这里插入图片描述

  1. 超阈值零处理
#  超阈值零处理
# gray = cv2.imread('./media/1.jpg',cv2.IMREAD_GRAYSCALE)
# cv2.imshow('gray',gray)
# _,erzhi = cv2.threshold(gray,200,255,cv2.THRESH_TOZERO_INV) #  图片  阈值 最大值 二值化方式  返回数组（布尔值是否成功，处理后的图片）
# # 小于阈值不变  大于阈值变为0  白底变黑底  这里的最大值 255需要传入  但是函数内部未使用
# cv2.imshow('erzhi',erzhi)
# cv2.waitKey(0)

在这里插入图片描述

  1. OTSU阈值法THRESH_OTSU

通过对图像中的像素点进行遍历，然后找到计算出前景图和背景图的最大类间方差，也就是区分效果最好的阈值，设置阈值没有意义，会自动计算阈值

#  OTSU阈值法
# gray = cv2.imread('./media/nut.png',cv2.IMREAD_GRAYSCALE)
# cv2.imshow('gray',gray)
# a,erzhi = cv2.threshold(gray,127,255,cv2.THRESH_OTSU) #  图片  阈值 最大值 二值化方式  返回数组（布尔值是否成功，处理后的图片）
# #  大于阈值设置为最大值255 小于设置为0  这里传入的参数阈值thresh127不再生效
# print(a)  # 根据像素点求阈值  遍历阈值 直到前景和后景的方差最大
# cv2.imshow('erzhi',erzhi)
# cv2.waitKey(0)

在这里插入图片描述

  1. 自适应二值化

划分小区域单独设置阈值进行二值化，可以使用再明暗不分的图片上

# 自适应二值化
gray = cv2.imread('./media/nut.png',cv2.IMREAD_GRAYSCALE)
cv2.imshow('gray',gray)
erzhi = cv2.adaptiveThreshold(gray,
                                255,
                                cv2.ADAPTIVE_THRESH_MEAN_C,
                                cv2.THRESH_BINARY,
                                25,
                                10)

'''
cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 自适应阈值类型。
ADAPTIVE_THRESH_MEAN_C高斯加权的累计分布函数（CDF），加常数 C 来计算阈值。
cv2.ADAPTIVE_THRESH_MEAN_C，邻域内的平均值加常数 C 计算阈值。
cv2.THRESH_BINARY: 输出图像的类型。
maxval：最大阈值
adaptiveMethod：小区域阈值的计算方式：
	ADAPTIVE_THRESH_MEAN_C：小区域内取均值
	ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是高斯核
thresholdType：二值化方法，使用THRESH_BINARY、THRESH_BINARY_INV，阈值法，反阈值法
blockSize：小区域的面积，核大小
c：计算之后减去c的到阈值
'''

在这里插入图片描述

de-feedback
关注
  • 6
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于opencv库把图像灰度化，二值化
m0_59719078的博客
03-14 1万+
1.在openCV中，通过cvtColor函数实现图像灰度化，格式为： cv2.cvtColor(src,code[,dst[,dstCn]]) 其中src表示输入的图像，没有默认值。 code表示颜色空间类型。 dst表示输出的图像，没有默认值。 dstCn表示目标图像数据通道数，没有默认值。 ...
学习Qt_OpenCV实行灰度化、二值化
误入歧途渐行渐远
07-19 1887
图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。 进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理...
OpenCVForUnity二值化和灰度化
setsuodu的博客
02-05 3325
随着csdn博客系统升级，尝试使用md写文章，感觉还不错。继续使用OpenCVForUnity处理图片，今次的效果是灰度化和二值化，当所有功能实现后，可能会做出一个unity版的美图秀秀。 首先我们来确定一下两者的概念。 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。 灰度化，在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，
OpenCV图像阈值分割、二值化
127.0.0.1的博客
03-18 1703
二值化时最重要的就是确定分割的阈值，阈值确定的方法主要有两类：全局阈值和自适应阈值。而在全局阈值和自适应阈值下面又有很多方法，本文将对这些方法进行详细讲解。
OpenCV 图像处理————图像二值化
m0_46704925的博客
06-05 3237
在图像处理中，二值化是一种常见的操作，它将图像中的像素值转换为 0 或 1，从而将图像分为黑白两部分。OpenCV 是一个功能强大的图像处理库，提供了多种二值化方法，本文将介绍其中的一些常用方法。：通过设定一个阈值，将图像中的像素值与阈值进行比较，大于阈值的像素值设置为 1，小于阈值的像素值设置为 0。函数是基于局部阈值的二值化方法，它根据图像的局部特征自动确定阈值，适用于光照不均匀或有噪声的图像。：Otsu法和三角形法基于直方图的二值化方法，它可以自动选择一个最优的阈值，使得类间方差最大。
OpenCV——图像二值化
小铅笔
06-09 2134
OpenCV图像二值化提供了两种函数 threshold double threshold( InputArray src, OutputArray dst, double thresh, double maxval, int type );
OpenCV中的灰度化/二值化/canny
guligedong的博客
07-26 2383
中央电视台，中央电视台，欢迎大家来到今日份opencv效果展示，下面介绍一下参赛选手，我家著名选狗，咩咩狗，今天大家看看咩咩的几幅不同的面孔。 来给大家叫两声，汪，汪 1.灰度化 直接上代码，默认大家都会读图 import cv2 path = r'./miemie4.jpg' ori_image = cv2.imread(path) cv2.imshow('ori_imag...
OpenCV4-图像二值化
weixin_43194657的博客
08-28 2000
OpenCV4图像二值化(阈值分割)，threshold()函数
OpenCV 二值化
qq_27278957的博客
07-29 8110
一、简述 图像二值化（Image Binarization）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黑白效果的过程。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。 二、原理 将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要
asdf.rar_二值_二值化_灰度二值化_灰度化二值化
09-24
“灰度二值化”和“灰度化二值化”是两个相关的概念。灰度化是指将彩色图像转换成单色的灰度图像，每个像素由红绿蓝三原色的强度平均得到一个灰度值。灰度化后的图像再进行二值化，可以更方便地进行图像分割、文字...
erzhihua.rar_binarization_erzhihua_二值化_图像 自适应 二值化_灰度 图像 二值化
09-20
在“erzhihua.rar_binarization_erzhihua_二值化_图像 自适应 二值化_灰度 图像 二值化”这个项目中，主要涉及的是图像的自适应二值化处理。 自适应二值化是一种根据图像局部区域特性进行二值化的技术。与全局二值...
OpenCVRGB.zip_RGB opencv_opencv rgb_opencv 灰度_opencv 轮廓 提取_openc
09-20
通过这些基本操作，我们可以处理RGB图像，将其转换为灰度图像，再进一步找出图像中的轮廓，为后续的图像分析和处理奠定基础。OpenCV库提供了丰富的功能，让开发者能够处理各种复杂的图像任务，而这些只是冰山一角。...
opencv-使用opencv进行图片灰度化+二值化+降噪+矫正-数字图像处理.zip
01-30
本压缩包中的内容主要围绕四个关键步骤：图片灰度化、二值化、降噪以及图像矫正，这些都是数字图像处理的基础操作。 1. **图片灰度化**： 图片灰度化是将彩色图像转换为单色图像的过程，通常由红、绿、蓝（RGB）三...
MFC_OPENCV.rar_MFC opencv _MFC，opencv_车牌 c_车牌 opencv
07-14
预处理包括灰度化、二值化、噪声去除等，目的是提高图像质量。分割是将车牌从背景中分离出来，这可能涉及边缘检测或颜色阈值等方法。字符识别则利用模式识别或深度学习技术，将分割后的字符转换为可读文本。 4. **...
OpenCV绘图函数（1）绘制带箭头的直线函数arrowedLine()的使用
jndingxin的专栏
08-27 316
绘制一个从第一个点指向第二个点的箭头线段。
OpenCV几何图像变换（10）透视变换函数warpPerspective()的使用
jndingxin的专栏
08-23 1426
warpPerspective函数用于应用透视变换到图像上。透视变换是一种更为复杂的变换，它可以实现图像的倾斜和扭曲，通常用于模拟三维空间中的视角变化。透视变换需要一个3x3的变换矩阵，该矩阵可以由四对匹配的点（源图像中的四个点和目标图像中的四个点）计算得出。
OpenCV 深拷贝与浅拷贝的区别
最新发布
纵马踏花向自由
08-31 280
在 OpenCV 和 NumPy 中，深拷贝和浅拷贝的概念非常重要，特别是在处理图像时。下面是深拷贝和浅拷贝的原理、区别、应用，以及实现代码和解释。
OpenCV杂项图像变换(2)线性混合函数blendLinear()的使用
jndingxin的专栏
08-26 1205
blendLinear 函数是 OpenCV 中用于实现线性混合的一种方法。这个函数可以将多个图像按照指定的权重进行混合，生成一个新的图像。这对于图像融合或者创建过渡效果非常有用。
基于imx6ull平台opencv的图像采集、ffmpeg推流和Windows端拉流(多线程)
程小二的博客
08-26 806
本文档是针对imx6ull平台`opencv`的图像采集、ffmpeg推流和Windows端拉流。首先创建一个线程`opencv`通过摄像头采集视频图像，接着再创建两个线程，其中一个线程获取采集的视频图像送给ffmpeg服务，另一个线程用于获取采集的视频图像并处理，处理完并在显示屏上显示，详细的流程请参看如下。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值