点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
01. 什么是图像强度操作
更改任何通道中的像素值
对图像的数学运算
亮度变化
对比度变化
伽玛操纵
直方图均衡
图像预处理中的滤波等增强
使用OpenCV加载图像
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);
plt.imshow(img, cmap = "gray");
plt.show()
使用Opencv向输入图像添加常数
img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);
##########################FOCUS############################
img = cv2.add(img, 120);
###########################################################
plt.imshow(img, cmap = "gray");
plt.show()
使用Opencv减去常数以输入图像
img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0);
##########################FOCUS############################
img = cv2.subtract(img, 120);
####################################################################
plt.imshow(img, cmap = "gray");
plt.show()
02. 图像去均值化
方法1
将图像拆分为其通道。
对于每个通道,计算其平均值。
从该通道中的每个像素中减去均值
方法2(用于深度学习)
将所有图像分割成各自的通道,对于所有图像的每个通道:
为每个图像找到该通道的均值。
查找所有计算出的均值的均值。
应用领域1:批标准化的一部分
# Grayscale image
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread(folder_path + "imgs/chapter3/man.jpg", 0); # read the image as grayscale
# cv2.subtract
mean = np.mean(img);
img_out = cv2.subtract(img, mean);
f = plt.figure(figsize=(15,15))
f.add_subplot(1, 2, 1).set_title('Original Image');
plt.imshow(img, cmap = "gray");
f.add_subplot(1, 2, 2).set_title('Mean subtracted image');
plt.imshow(img_out, cmap = "gray"