基于OpenCV的图像强度操作

最新推荐文章于 2021-01-29 06:46:47 发布

小白学视觉

最新推荐文章于 2021-01-29 06:46:47 发布

阅读量1.4k

点赞数 2

文章标签： opencv 计算机视觉人工智能 python 图像识别

本文链接：https://blog.csdn.net/qq_42722197/article/details/111503555

版权

本文详细介绍了OpenCV库在图像处理中的强度操作，包括像素值更改、数学运算、亮度和对比度调整、伽玛矫正以及直方图均衡。此外，还讨论了图像去均值化、两幅图像的融合、图像求差等技术，这些在图像预处理和深度学习中具有重要意义。伽玛校正用于优化图像的中间调对比度和亮度，而直方图均衡则能有效提升图像的整体对比度。文章还提供相关代码链接和资源下载，帮助读者深入学习和实践。

摘要由CSDN通过智能技术生成

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"