OpenCv入门2

最新推荐文章于 2024-08-13 07:45:00 发布
最新推荐文章于 2024-08-13 07:45:00 发布
阅读量216 收藏
点赞数
分类专栏： Opencv+python 文章标签： OpenCv
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/qq_43485409/article/details/98097127
版权

2.0Masking操作

主要函数为cv2.bitwise_and(image,image,Mask=Mask)前两个参数为原图，（也可不同，但尺寸大小得一样）。

代码

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/AAA.jpg')
#print(image.shape[0],image.shape[1])
(x,y)=(image.shape[0]//2,image.shape[1]//2)
mask=np.zeros(image.shape[:2],dtype='uint8')
cv.rectangle(mask,(x-120,y-10),(x+10,y+40),255,-1)
Masked=cv.bitwise_and(image,image,mask=mask)
cv.imshow("image",image)
cv.imshow("Masked",Masked)
cv.waitKey(0)
cv.destroyAllWindows()

注

cv.rectangle(mask,(x-120,y-10),(x+10,y+40),255,-1)
Masked=cv.bitwise_and(image,image,mask=mask)

做mask矩形，在与原图像做交集。

结果

在这里插入图片描述

2.1色彩通道分离与融合

分离主要使用split方法，融合则用merge方法。

代码

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/5.jpg')
(B,G,R)=cv.split(image) 
imaged=cv.merge([B,G,R])
cv.imshow("Blue",B)
cv.imshow("Green",G)
cv.imshow("Red",R)
cv.imshow("imaged",imaged)
cv.waitKey(0)
cv.destroyAllWindows()

结果
在这里插入图片描述

2.2颜色空间转化

HSV空间表达比RGB表达更接近人类对色彩的感知，而Lab比HSV更好。

代码

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/5.jpg')
cv.imshow("image",image)
HSV=cv.cvtColor(image,cv.COLOR_BGR2HSV)
cv.imshow("HSV",HSV)
gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
cv.imshow("gray",gray)
lab=cv.cvtColor(image,cv.COLOR_BGR2LAB)
cv.imshow("L*a*b",lab)
cv.waitKey(0)
cv.destroyAllWindows()

注

H指的是色调，S是饱和度，V是明暗度，操作时可忽略图片三通道的性质，H的取值是[0,180],其他的通道取值是[0,255]。
结果
在这里插入图片描述

图像色调调整

代码

import cv2 as cv
image=cv.imread("D:/picture/2.jpg")
image_HSV=cv.cvtColor(image,cv.COLOR_BGR2HSV)
turn_image_HSV=image_HSV.copy()
turn_image_HSV[:,:,0]=(turn_image_HSV[:,:,0]-33)%180
turn_image=cv.cvtColor(turn_image_HSV,cv.COLOR_HSV2BGR)
#turn_image_HSV[:,:,0]=turn_image_HSV[:,:,0]*0.6
cv.imshow("turn_image_HSV",turn_image_HSV)
cv.imshow("turn_image",turn_image)
cv.imshow("image",image)
cv.waitKey(0)
cv.destroyAllWindows()

注

turn_image_HSV[:,:,0]=(turn_image_HSV[:,:,0]-33)%180

0指色调，1指饱和度，2是明暗度。每个像素点从整体色调中减去33个单位的色调。
在这里插入图片描述

图像色彩的随机变换

源码

import cv2 as cv
import numpy as np
image=cv.imread("D:/picture/1.jpg")
imageHSV=cv.cvtColor(image,cv.COLOR_BGR2HSV)
image_HSV=imageHSV.copy()
image_HSV[:,:,0]=(image_HSV[:,:,0] + np.random.random() )%180  #色调
image_HSV[:,:,1]=(image_HSV[:,:,1] + np.random.random() )%180  #饱和度
image_HSV[:,:,2]=(image_HSV[:,:,2] + np.random.random() )%180  #明暗度
OK_image=cv.cvtColor(image_HSV,cv.COLOR_HSV2BGR)
cv.imshow("end",OK_image)
cv.waitKey(0)
cv.destroyAllWindows()

结果
在这里插入图片描述

2.3颜色直方图

代码

import cv2 as cv
from matplotlib import pyplot as plt 
image=cv.imread("D:/picture/5.jpg")
gray_image=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
hist=cv.calcHist([gray_image],[0],None,[256],[0,256])#创建直方图
plt.figure()#新建画图窗口
p1=plt.subplot(121)#将窗口分为一行两列，这里是第一列的子图
p2=plt.subplot(122)
p1.plot(hist)#显示值方图
chans=cv.split(image)#将图片进行色彩分离
colors=('b','g','r')
for(chan,color)in zip(chans,colors):
    hist=cv.calcHist([chan],[0],None,[256],[0,256])
    p2.plot(hist,color=color)
plt.show

注

hist=cv.calcHist([gray_image],[0],None,[256],[0,256])

详见图像直方图

plt.figure()#新建画图窗口

详见figure的使用

p1=plt.subplot(121)#将窗口分为一行两列，这里是第一列的子图
p2=plt.subplot(122)

详见subplot的使用

p1.plot(hist)#显示值方图

详见Matplotlib库学习（一）plt.plot
结果

在这里插入图片描述

2.4平滑与模糊

常用的平滑方法有cv2.blur(image,(3,3))(均值)，cv2.GaussianBlur(image,(3,3),0)(高斯)，cv2.medianBlur(image,5)(中值)，cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace)(双边).

代码

import cv2 as cv
import numpy as np
image=cv.imread("D:/picture/5.jpg")
blurred=np.hstack([cv.blur(image,(3,3)),cv.blur(image,(5,5)),cv.blur(image,(7,7))])
cv.imshow("Averaged",blurred)
blurred=np.hstack([cv.GaussianBlur(image,(3,3),0),cv.GaussianBlur(image,(5,5),0),cv.GaussianBlur(image,(7,7),0)])
cv.imshow("Gaussian",blurred)
blurred=np.hstack([cv.medianBlur(image,3),cv.medianBlur(image,5),cv.medianBlur(image,7)])
cv.imshow("Median",blurred)
blurred=np.hstack([cv.bilateralFilter(image,5,21,21),cv.bilateralFilter(image,7,31,31),cv.bilateralFilter(image,9,41,41)])
cv.waitKey(0)
cv.destroyAllWindows()

注

np.hstack

在水平方向上平铺堆叠数组构成一个新的数组。
详见：np.hstack()、np.vstack()函数解析

blurred=np.hstack([cv.blur(image,(3,3)),cv.blur(image,(5,5)),cv.blur(image,(7,7))])

详见：Python+opencv 图像模糊
cv.blur(image,(3,3))里面的(3.3)参数为卷积核，也可以称为感受野，注意是奇数，均值平滑会在感受野内做平均，感受野越大，平滑效果越好。

cv.GaussianBlur(image,(3,3),0)

高斯平滑使用高斯来求感受野中的像素值的期望。第三个参数0表示自动计算核大小。

cv.medianBlur(image,3)

中值对去除椒盐噪声十分有用，使用感受野中像素值的中位数。

cv.bilateralFilter(image,5,21,21)

双边平滑通过引入两个高斯分布，在去除噪声的同时保留了边缘信息，处理速度相对较慢。
详见：opencv入门10:平滑和模糊-SMOOTHING AND BLURRING

结果

在这里插入图片描述

2.5边缘检测

代码

import cv2 as cv
import numpy as np
image=cv.imread("D:/picture/AAA.jpg")
blured=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
blured=cv.GaussianBlur(blured,(5,5),0)#使用高斯平滑消除噪声
canny=cv.Canny(blured,40,120)
cv.imshow("canny",canny)
cv.imshow("image",image)
cv.waitKey(0)
cv.destroyAllWindows()

注

canny=cv.Canny(blured,40,120)

Canny算子，40为低阈值，120为高阈值。
详见：opencv学习笔记（二十三）Canny边缘检测cvCanny()

结果 在这里插入图片描述

2.6人脸和眼睛检测识别

代码

import cv2 as cv
def video_demo():
     eye_cascade=cv.CascadeClassifier('C:/Users/13549/Downloads/opencv-master/data/haarcascades/haarcascade_eye.xml')#级联滤波器
     faceCascade=cv.CascadeClassifier('C:/Users/13549/Downloads/opencv-master/data/haarcascades/haarcascade_frontalface_default.xml')#分类器接受XML文件地址参数
     capture=cv.VideoCapture(0)
     while True: 
         ret,frame=capture.read()
         frame=cv.flip(frame,1)
         print(frame.shape)
         faces_rects=faceCascade.detectMultiScale(frame,scaleFactor=1.05,minNeighbors=5,minSize=(30,30),flags=cv.CASCADE_SCALE_IMAGE)
         for(x,y,w,h) in faces_rects:
                img=cv.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
                roi_gray=frame[y:y+h,x:x+w]
                roi_color=img[y:y+h,x:x+w]
                eyes=eye_cascade.detectMultiScale(roi_gray)
                for(ex,ey,ew,eh) in eyes:
                    cv.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
         cv.imshow("AAAA",frame)
         if cv.waitKey(10) & 0xFF == ord('q'):
              break
video_demo()
cv.destroyAllWindows()

注

faces_rects=faceCascade.detectMultiScale(frame,scaleFactor=1.05,minNeighbors=5,minSize=(30,30),flags=cv.CASCADE_SCALE_IMAGE)#

使用detectMultiScale方法进行目标检测，scaleFactor表示图片缩放比例，用于对图片进行多尺度金字塔创建，1.05表示在金字塔层逐层减小图片尺寸的5%；
minNeighbors表示滑窗内需要检测多少个矩形来确认有人脸；
minSize表示最小滑窗的大小，分类器不会考虑比这个值小的滑窗。
faces_rects表示有人脸的矩形框，表示为(x,y,w,h)，x,y表示左上点坐标，w,h表示宽和高。

不想秃发
关注
专栏目录
opencv 图像融合
03-29
图像融合算法 程序 哦平常vzhongnengshixian
基于opencv的视频融合
qq_38448815的博客
09-23 3009
书上第四章第一个练习题： 创建一个新的图像，其高度与原始图像相同，宽度为原来视频帧的3倍，将3副图像分别复制到新的图像中： 我做成一个类： #pragma once #include"cv.h" #include "highgui.hpp" using namespace cv; #include"iostream" using namespace std; class opencv_4_...
opencv-python图像增强五：多曝光融合（方法二）
最新发布
HanWenKing的博客
08-13 720
在多曝光融合方法一中，我们首先估算相机的响应函数（CRF）。接着，利用 cv2.createCalibrateDebevec() 方法，依据相机的CRF对多曝光图像进行融合理。这一过程最终通过映射将高动态范围的图像生成平常我们常用的0-255范围的图像从而实现多曝光融合。此外，本文还将介绍一种更为直接的多曝光融合方法，它利用OpenCV提供的现成封装功能来完成融合操作，简化了多曝光融合的步骤。
opencv 图片融合
Muto_33的博客
04-22 981
#include #include using namespace cv; int main() { Mat mainimg = imread("D://图片//2.jpg");    //融合的底图片 Mat img = imread("D://图片//4.jpg");       //需要融合到目标图的图片 Mat imgroi; Rect rect(100, 1
基于opencv 的图像融合
11-24
实现图像的任意部分的融合，本人已经实现过，很好用
【Opencv】----- 图片无缝融合
guligedong的博客
06-28 2144
几种图片融合的方法
opencv入门2
04-07
《OpenCV3编程入门》是毛星云编著的一本非常适合初学者的计算机视觉学习书籍。这本书详尽地介绍了OpenCV的基本概念、核心功能以及如何使用OpenCV进行图像处理和计算机视觉应用开发。OpenCV（Open Source Computer ...
OpenCV入门教程.pdf
09-30
OpenCV 入门教程 OpenCV 是一个广受欢迎的开源计算机视觉库，它提供了很多函数，实现了很多计算机视觉算法，算法从最基本的滤波到高级的物体检测皆有涵盖。本教程旨在为初学者提供引导，使初学者快速了解 OpenCV 的...
opencv入门教程
11-17
Opencv 入门教程 Opencv 是一个计算机视觉库，提供了大量的函数和类来处理图像和视频。Opencv 的核心库（cv、cvaux）是用 C 和 C++ 编写的，因此本文档仅对用 C 和 C++ 代码的编写有效。 Opencv 编码样式指南 ...
OpenCV快速入门
06-29
**OpenCV快速入门** 在计算机科学领域，计算机视觉是一门多学科交叉的学科，它致力于研究如何使机器“看”并理解图像。OpenCV（开源计算机视觉库）是这一领域的重要工具，它提供了丰富的功能，使得开发人员可以进行...
bilibili唐宇迪老师OpenCV入门笔记
11-14
在本压缩包文件中，我们关注的是"Bilibili唐宇迪老师OpenCV入门笔记"的相关教程。唐宇迪是一位知名的计算机视觉领域讲师，他在Bilibili上分享了关于OpenCV的视频课程，帮助初学者掌握这一强大的图像处理库。OpenCV...
在opencv中将两个图像给融合，让图像叠加在一起.cpp
09-28
在opencv中将两个图像给融合，让图像叠加在一起在opencv中将两个图像给融合，让图像叠加在一起
opencv01_图像融合
轩宇的博客
04-26 131
1. 读取两张图片 2. 图片大小统一 3. 进行融合 4. qt显示
使用OpenCV实现两张图像融合在一起
CHNIM的博客
03-11 2342
图像融合技术是一种结合多个不同来源或不同传感器捕获的同一场景的图像数据，以生成一幅更全面、更高质量的单一图像的过程。这种技术广泛应用于遥感、医学影像分析、计算机视觉等多个领域。常见的图像融合技术包括基于像素级、特征级和决策级的融合方法，以及基于多尺度分解如图像金字塔的方法。
opencv基础之--图片融合
qq_15256443的博客
12-13 736
# dst = src1*a+src2*(1-a) import cv2 import numpy as np img0 = cv2.imread('image0.jpg',1) img1 = cv2.imread('image1.jpg',1) imgInfo = img0.shape height = imgInfo[0] width = imgInfo[1] # ROI roiH = i...
带你一遍过 项目实战（OpenCV--图片融合）
m0_71212744的博客
06-21 1139
本项目通过OpenCV的暴力匹配算法实现了两张图像的融合。利用特征检测和匹配，我们成功地对图像进行了配准，并通过融合技术获得了融合图像。这种方法为图像处理和拼接提供了有效工具，展示了OpenCV在图像处理领域的强大能力。
OpenCV使用教程-图像融合
weixin_44894162的博客
09-13 1988
图像融合之前需要进行图像shape调整，让图像的height、width相同；运行结果，本文将img1为尺寸模板进行融合，因此需要修改img2的尺寸；
openCV跌撞笔记（一）：图像融合
Every Effort Counts
10-26 3693
本文主要通过图像金字塔来实现图像融合。 （案例：苹果和橘子的左右融合） 原理 1. 高斯金字塔 高斯金字塔包含了一系列低通滤波器，可以对图像进行下采样（pyrDown）和上采样（pyrUp） 下采样：即缩小图片，会损失图像信息，具体步骤为： ①对图像进行高斯内核卷积 ②将所有偶数行和列去除 上采样：即放大图片，具体步骤为： ①将图像在每个方向扩大为原来的两倍，新增的行和列以0填充 ②使用先前同...
opencv学习笔记1（图像融合）
qq_41745153的博客
08-02 248
 opencv学习笔记1（图像融合） #include<iostream> #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> using namespace cv; int main() { Mat headphoto = imread("touxiang.jpg...
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