Opencv速成笔记--图像处理1

最新推荐文章于 2023-09-28 15:08:53 发布
最新推荐文章于 2023-09-28 15:08:53 发布
阅读量868 收藏
点赞数 1
分类专栏： 视觉研究 文章标签： opencv 图像处理 计算机视觉
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_57862276/article/details/124749929
版权
本文介绍了如何使用OpenCV进行颜色空间转换，如BGR到灰度和HSV，并展示了目标追踪的应用，通过BGR到HSV转换提取特定颜色对象。此外，还涵盖了图像的几何变换，包括缩放、平移、旋转和仿射变换，以及图像阈值处理，如简单阈值法和自适应阈值法。
摘要由CSDN通过智能技术生成

GOAL：

  • 如何将图片从一个颜色空间转换到另一个，例如 BGR 到 Gray，BGR 到 HSV 等。
  • 创建一个从视频中提取彩色对象的应用
  • 相关函数：cv.cvtColor() , cv.inRange()

一.改变颜色空间

1.1前言

在 OpenCV 中有超过 150 种颜色空间转换的方法。但我们仅需要研究两个最常使用的方法，他们是 BGR 到 Gray，BGR 到 HSV。
我们使用 cv.cvtColor(input_image, flag)函数进行颜色转换，其中 flag 决定了转换的类型。对于 BGR 到 Gray 转换我们令 flag 为 cv.COLOR_BGR2GRAY。 同样，对于 BGR 到 HSV, 我们令 flag 为 cv.COLOR_BGR2HSV。
示例：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
ad = r'E:\opencvdoment\pic\002.jpg'
save_ad = r'E:\opencvdoment\pic'
img = cv.imread(ad,1)
img2  = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
img3 = cv.cvtColor(img,cv.COLOR_BGR2HSV)
print(img.shape, img2.shape,img3.shape)#(265, 351, 3),(265, 351),(265, 351, 3)
plt.subplot(231),plt.imshow(img,'gray'),plt.title('orgin')
plt.subplot(232), plt.imshow(img2,'gray'), plt.title('gray')
plt.subplot(233),plt.imshow(img2,'gray'),plt.title('HSV')

pic = plt.show()

如想得到其他 flag 值，只需要在 Python 终端中输入如下命令：

import cv2 as cv
flags = [i for i in dir(cv) if i.startswith('COLOR_')]#['COLOR_BAYER_BG2BGR', 'COLOR_BAYER_BG2BGRA', 'COLOR_BAYER_BG2BGR_EA', 'COLOR_BAYER_BG2BGR_VNG', 'COLOR_BAYER_BG2GRAY', 'COLOR_BAYER_BG2RGB', 'COLOR_BAYER_BG2RGBA', 'COLOR_BAYER_BG2RGB_EA', 'COLOR_BAYER_BG2RGB_VNG', 'COLOR_BAYER_BGGR2BGR', 'COLOR_BAYER_BGGR2BGRA', 'COLOR_BAYER_BGGR2BGR_EA', 'COLOR_BAYER_BGGR2BGR_VNG', 'COLOR_BAYER_BGGR2GRAY', 'COLOR_BAYER_BGGR2RGB', 'COLOR_BAYER_BGGR2RGBA', 'COLOR_BAYER_BGGR2RGB_EA', 'COLOR_BAYER_BGGR2RGB_VNG', 'COLOR_BAYER_GB2BGR', 'COLOR_BAYER_GB2BGRA', 'COLOR_BAYER_GB2BGR_EA', 'COLOR_BAYER_GB2BGR_VNG', 'COLOR_BAYER_GB2GRAY', 'COLOR_BAYER_GB2RGB', 'COLOR_BAYER_GB2RGBA', 'COLOR_BAYER_GB2RGB_EA', 'COLOR_BAYER_GB2RGB_VNG', 'COLOR_BAYER_GBRG2BGR', 'COLOR_BAYER_GBRG2BGRA', 'COLOR_BAYER_GBRG2BGR_EA', 'COLOR_BAYER_GBRG2BGR_VNG', 'COLOR_BAYER_GBRG2GRAY', 'COLOR_BAYER_GBRG2RGB', 'COLOR_BAYER_GBRG2RGBA', 'COLOR_BAYER_GBRG2RGB_EA', 'COLOR_BAYER_GBRG2RGB_VNG', 'COLOR_BAYER_GR2BGR', 'COLOR_BAYER_GR2BGRA', 'COLOR_BAYER_GR2BGR_EA', 'COLOR_BAYER_GR2BGR_VNG', 'COLOR_BAYER_GR2GRAY', 'COLOR_BAYER_GR2RGB', 'COLOR_BAYER_GR2RGBA', 'COLOR_BAYER_GR2RGB_EA', 'COLOR_BAYER_GR2RGB_VNG', 'COLOR_BAYER_GRBG2BGR', 'COLOR_BAYER_GRBG2BGRA', 'COLOR_BAYER_GRBG2BGR_EA', 'COLOR_BAYER_GRBG2BGR_VNG', 'COLOR_BAYER_GRBG2GRAY', 'COLOR_BAYER_GRBG2RGB', 'COLOR_BAYER_GRBG2RGBA', 'COLOR_BAYER_GRBG2RGB_EA', 'COLOR_BAYER_GRBG2RGB_VNG', 'COLOR_BAYER_RG2BGR', 'COLOR_BAYER_RG2BGRA', 'COLOR_BAYER_RG2BGR_EA', 'COLOR_BAYER_RG2BGR_VNG', 'COLOR_BAYER_RG2GRAY', 'COLOR_BAYER_RG2RGB', 'COLOR_BAYER_RG2RGBA', 'COLOR_BAYER_RG2RGB_EA', 'COLOR_BAYER_RG2RGB_VNG', 'COLOR_BAYER_RGGB2BGR', 'COLOR_BAYER_RGGB2BGRA', 'COLOR_BAYER_RGGB2BGR_EA', 'COLOR_BAYER_RGGB2BGR_VNG', 'COLOR_BAYER_RGGB2GRAY', 'COLOR_BAYER_RGGB2RGB', 'COLOR_BAYER_RGGB2RGBA', 'COLOR_BAYER_RGGB2RGB_EA', 'COLOR_BAYER_RGGB2RGB_VNG', 'COLOR_BGR2BGR555', 'COLOR_BGR2BGR565', 'COLOR_BGR2BGRA', 'COLOR_BGR2GRAY', 'COLOR_BGR2HLS', 'COLOR_BGR2HLS_FULL', 'COLOR_BGR2HSV', 'COLOR_BGR2HSV_FULL', 'COLOR_BGR2LAB', 'COLOR_BGR2LUV', 'COLOR_BGR2Lab', 'COLOR_BGR2Luv', 'COLOR_BGR2RGB', 'COLOR_BGR2RGBA', 'COLOR_BGR2XYZ', 'COLOR_BGR2YCR_CB', 'COLOR_BGR2YCrCb', 'COLOR_BGR2YUV', 'COLOR_BGR2YUV_I420', 'COLOR_BGR2YUV_IYUV', 'COLOR_BGR2YUV_YV12', 'COLOR_BGR5552BGR', 'COLOR_BGR5552BGRA', 'COLOR_BGR5552GRAY', 'COLOR_BGR5552RGB', 'COLOR_BGR5552RGBA', 'COLOR_BGR5652BGR', 'COLOR_BGR5652BGRA', 'COLOR_BGR5652GRAY', 'COLOR_BGR5652RGB', 'COLOR_BGR5652RGBA', 'COLOR_BGRA2BGR', 'COLOR_BGRA2BGR555', 'COLOR_BGRA2BGR565', 'COLOR_BGRA2GRAY', 'COLOR_BGRA2RGB', 'COLOR_BGRA2RGBA', 'COLOR_BGRA2YUV_I420', 'COLOR_BGRA2YUV_IYUV', 'COLOR_BGRA2YUV_YV12', 'COLOR_BayerBG2BGR', 'COLOR_BayerBG2BGRA', 'COLOR_BayerBG2BGR_EA', 'COLOR_BayerBG2BGR_VNG', 'COLOR_BayerBG2GRAY', 'COLOR_BayerBG2RGB', 'COLOR_BayerBG2RGBA', 'COLOR_BayerBG2RGB_EA', 'COLOR_BayerBG2RGB_VNG', 'COLOR_BayerBGGR2BGR', 'COLOR_BayerBGGR2BGRA', 'COLOR_BayerBGGR2BGR_EA', 'COLOR_BayerBGGR2BGR_VNG', 'COLOR_BayerBGGR2GRAY', 'COLOR_BayerBGGR2RGB', 'COLOR_BayerBGGR2RGBA', 'COLOR_BayerBGGR2RGB_EA', 'COLOR_BayerBGGR2RGB_VNG', 'COLOR_BayerGB2BGR', 'COLOR_BayerGB2BGRA', 'COLOR_BayerGB2BGR_EA', 'COLOR_BayerGB2BGR_VNG', 'COLOR_BayerGB2GRAY', 'COLOR_BayerGB2RGB', 'COLOR_BayerGB2RGBA', 'COLOR_BayerGB2RGB_EA', 'COLOR_BayerGB2RGB_VNG', 'COLOR_BayerGBRG2BGR', 'COLOR_BayerGBRG2BGRA', 'COLOR_BayerGBRG2BGR_EA', 'COLOR_BayerGBRG2BGR_VNG', 'COLOR_BayerGBRG2GRAY', 'COLOR_BayerGBRG2RGB', 'COLOR_BayerGBRG2RGBA', 'COLOR_BayerGBRG2RGB_EA', 'COLOR_BayerGBRG2RGB_VNG', 'COLOR_BayerGR2BGR', 'COLOR_BayerGR2BGRA', 'COLOR_BayerGR2BGR_EA', 'COLOR_BayerGR2BGR_VNG', 'COLOR_BayerGR2GRAY', 'COLOR_BayerGR2RGB', 'COLOR_BayerGR2RGBA', 'COLOR_BayerGR2RGB_EA', 'COLOR_BayerGR2RGB_VNG', 'COLOR_BayerGRBG2BGR', 'COLOR_BayerGRBG2BGRA', 'COLOR_BayerGRBG2BGR_EA', 'COLOR_BayerGRBG2BGR_VNG', 'COLOR_BayerGRBG2GRAY', 'COLOR_BayerGRBG2RGB', 'COLOR_BayerGRBG2RGBA', 'COLOR_BayerGRBG2RGB_EA', 'COLOR_BayerGRBG2RGB_VNG', 'COLOR_BayerRG2BGR', 'COLOR_BayerRG2BGRA', 'COLOR_BayerRG2BGR_EA', 'COLOR_BayerRG2BGR_VNG', 'COLOR_BayerRG2GRAY', 'COLOR_BayerRG2RGB', 'COLOR_BayerRG2RGBA', 'COLOR_BayerRG2RGB_EA', 'COLOR_BayerRG2RGB_VNG', 'COLOR_BayerRGGB2BGR', 'COLOR_BayerRGGB2BGRA', 'COLOR_BayerRGGB2BGR_EA', 'COLOR_BayerRGGB2BGR_VNG', 'COLOR_BayerRGGB2GRAY', 'COLOR_BayerRGGB2RGB', 'COLOR_BayerRGGB2RGBA', 'COLOR_BayerRGGB2RGB_EA', 'COLOR_BayerRGGB2RGB_VNG', 'COLOR_COLORCVT_MAX', 'COLOR_GRAY2BGR', 'COLOR_GRAY2BGR555', 'COLOR_GRAY2BGR565', 'COLOR_GRAY2BGRA', 'COLOR_GRAY2RGB', 'COLOR_GRAY2RGBA', 'COLOR_HLS2BGR', 'COLOR_HLS2BGR_FULL', 'COLOR_HLS2RGB', 'COLOR_HLS2RGB_FULL', 'COLOR_HSV2BGR', 'COLOR_HSV2BGR_FULL', 'COLOR_HSV2RGB', 'COLOR_HSV2RGB_FULL', 'COLOR_LAB2BGR', 'COLOR_LAB2LBGR', 'COLOR_LAB2LRGB', 'COLOR_LAB2RGB', 'COLOR_LBGR2LAB', 'COLOR_LBGR2LUV', 'COLOR_LBGR2Lab', 'COLOR_LBGR2Luv', 'COLOR_LRGB2LAB', 'COLOR_LRGB2LUV', 'COLOR_LRGB2Lab', 'COLOR_LRGB2Luv', 'COLOR_LUV2BGR', 'COLOR_LUV2LBGR', 'COLOR_LUV2LRGB', 'COLOR_LUV2RGB', 'COLOR_Lab2BGR', 'COLOR_Lab2LBGR', 'COLOR_Lab2LRGB', 'COLOR_Lab2RGB', 'COLOR_Luv2BGR', 'COLOR_Luv2LBGR', 'COLOR_Luv2LRGB', 'COLOR_Luv2RGB', 'COLOR_M_RGBA2RGBA', 'COLOR_RGB2BGR', 'COLOR_RGB2BGR555', 'COLOR_RGB2BGR565', 'COLOR_RGB2BGRA', 'COLOR_RGB2GRAY', 'COLOR_RGB2HLS', 'COLOR_RGB2HLS_FULL', 'COLOR_RGB2HSV', 'COLOR_RGB2HSV_FULL', 'COLOR_RGB2LAB', 'COLOR_RGB2LUV', 'COLOR_RGB2Lab', 'COLOR_RGB2Luv', 'COLOR_RGB2RGBA', 'COLOR_RGB2XYZ', 'COLOR_RGB2YCR_CB', 'COLOR_RGB2YCrCb', 'COLOR_RGB2YUV', 'COLOR_RGB2YUV_I420', 'COLOR_RGB2YUV_IYUV', 'COLOR_RGB2YUV_YV12', 'COLOR_RGBA2BGR', 'COLOR_RGBA2BGR555', 'COLOR_RGBA2BGR565', 'COLOR_RGBA2BGRA', 'COLOR_RGBA2GRAY', 'COLOR_RGBA2M_RGBA', 'COLOR_RGBA2RGB', 'COLOR_RGBA2YUV_I420', 'COLOR_RGBA2YUV_IYUV', 'COLOR_RGBA2YUV_YV12', 'COLOR_RGBA2mRGBA', 'COLOR_XYZ2BGR', 'COLOR_XYZ2RGB', 'COLOR_YCR_CB2BGR', 'COLOR_YCR_CB2RGB', 'COLOR_YCrCb2BGR', 'COLOR_YCrCb2RGB', 'COLOR_YUV2BGR', 'COLOR_YUV2BGRA_I420', 'COLOR_YUV2BGRA_IYUV', 'COLOR_YUV2BGRA_NV12', 'COLOR_YUV2BGRA_NV21', 'COLOR_YUV2BGRA_UYNV', 'COLOR_YUV2BGRA_UYVY', 'COLOR_YUV2BGRA_Y422', 'COLOR_YUV2BGRA_YUNV', 'COLOR_YUV2BGRA_YUY2', 'COLOR_YUV2BGRA_YUYV', 'COLOR_YUV2BGRA_YV12', 'COLOR_YUV2BGRA_YVYU', 'COLOR_YUV2BGR_I420', 'COLOR_YUV2BGR_IYUV', 'COLOR_YUV2BGR_NV12', 'COLOR_YUV2BGR_NV21', 'COLOR_YUV2BGR_UYNV', 'COLOR_YUV2BGR_UYVY', 'COLOR_YUV2BGR_Y422', 'COLOR_YUV2BGR_YUNV', 'COLOR_YUV2BGR_YUY2', 'COLOR_YUV2BGR_YUYV', 'COLOR_YUV2BGR_YV12', 'COLOR_YUV2BGR_YVYU', 'COLOR_YUV2GRAY_420', 'COLOR_YUV2GRAY_I420', 'COLOR_YUV2GRAY_IYUV', 'COLOR_YUV2GRAY_NV12', 'COLOR_YUV2GRAY_NV21', 'COLOR_YUV2GRAY_UYNV', 'COLOR_YUV2GRAY_UYVY', 'COLOR_YUV2GRAY_Y422', 'COLOR_YUV2GRAY_YUNV', 'COLOR_YUV2GRAY_YUY2', 'COLOR_YUV2GRAY_YUYV', 'COLOR_YUV2GRAY_YV12', 'COLOR_YUV2GRAY_YVYU', 'COLOR_YUV2RGB', 'COLOR_YUV2RGBA_I420', 'COLOR_YUV2RGBA_IYUV', 'COLOR_YUV2RGBA_NV12', 'COLOR_YUV2RGBA_NV21', 'COLOR_YUV2RGBA_UYNV', 'COLOR_YUV2RGBA_UYVY', 'COLOR_YUV2RGBA_Y422', 'COLOR_YUV2RGBA_YUNV', 'COLOR_YUV2RGBA_YUY2', 'COLOR_YUV2RGBA_YUYV', 'COLOR_YUV2RGBA_YV12', 'COLOR_YUV2RGBA_YVYU', 'COLOR_YUV2RGB_I420', 'COLOR_YUV2RGB_IYUV', 'COLOR_YUV2RGB_NV12', 'COLOR_YUV2RGB_NV21', 'COLOR_YUV2RGB_UYNV', 'COLOR_YUV2RGB_UYVY', 'COLOR_YUV2RGB_Y422', 'COLOR_YUV2RGB_YUNV', 'COLOR_YUV2RGB_YUY2', 'COLOR_YUV2RGB_YUYV', 'COLOR_YUV2RGB_YV12', 'COLOR_YUV2RGB_YVYU', 'COLOR_YUV420P2BGR', 'COLOR_YUV420P2BGRA', 'COLOR_YUV420P2GRAY', 'COLOR_YUV420P2RGB', 'COLOR_YUV420P2RGBA', 'COLOR_YUV420SP2BGR', 'COLOR_YUV420SP2BGRA', 'COLOR_YUV420SP2GRAY', 'COLOR_YUV420SP2RGB', 'COLOR_YUV420SP2RGBA', 'COLOR_YUV420p2BGR', 'COLOR_YUV420p2BGRA', 'COLOR_YUV420p2GRAY', 'COLOR_YUV420p2RGB', 'COLOR_YUV420p2RGBA', 'COLOR_YUV420sp2BGR', 'COLOR_YUV420sp2BGRA', 'COLOR_YUV420sp2GRAY', 'COLOR_YUV420sp2RGB', 'COLOR_YUV420sp2RGBA', 'COLOR_mRGBA2RGBA']
print( flags )

1.2目标追踪

现在我们知道了如何将 BGR 图片转化为 HSV 图片，我们可以使用它去提取彩色对象。HSV 比 BGR 在颜色空间上更容易表示颜色。在我们的应用中，我们会尝试提取一个蓝色的彩色对象，方法为：

  1. 提取每一视频帧
  2. 将 BGR 转化为 HSV 颜色空间。
  3. 我们用蓝色像素的范围对该 HSV 图片做阈值
  4. 现在提取出了蓝色对象，我们可以随意处理图片了

示例：

import cv2 as cv
import numpy as np

cap = cv.VideoCapture(0)

while 1:
    ret, frame = cap.read()
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    lower = np.array([50,50, 110])
    upper = np.array([255, 255, 255])

    mask = cv.inRange(hsv, lower, upper)

    res = cv.bitwise_and(frame, frame, mask = mask)

    cv.imshow('frame',frame)
    cv.imshow('mask', mask)
    cv.imshow('res',res)
    t = cv.waitKey(5) & 0xff
    if t==ord('q'):
        break

cv.destroyAllWindows()

效果：自己看

1.3找到HSV值取追踪

1.3.1前言：

这在 stackoverflow.com 中是经常见到的问题。 这个问题非常简单，你可以使用相同的函数：cv.cvtColor()。 不需要输入图片，你只需要输入你需要的 BGR 值即可。
示例代码：

import numpy as np
import cv2 as cv

green = np.uint8([[[0,255,0 ]]])
hsv_green = cv.cvtColor(green,cv.COLOR_BGR2HSV)
print( hsv_green )

现在你可以取 [H-10, 100,100] 和 [H+10, 255, 255] 分别作为上界和下界. 除此之外，你可以使用任何图像编辑工具（如 GIMP）或任何在线转换器来查找这些值，但不要忘记调整 HSV 范围。

二.图像的几何变换

2.1目标：

  1. 相关操作：平移，旋转，仿射变换
  2. 相关函数：cv.getPerspectiveTransform

2.2变换

Opencv提供了2个转换函数，cv.warpAffine 和 cv.warpPerspective ,可以进行各种转换，cv.warpAffine 采用23变换矩阵,而cv.warpPerspective 采用33变换矩阵作为输入。

2.3缩放

即调整图片的大小，cv.resize() 函数。其内部的一个参数，一般缩小用cv.INTER_AREA，放大用cv.INTER_CUBIC 和cv.INTER_LINEAR。
示例：

import numpy as np
import cv2 as cv

ad = r'E:\opencvdoment\pic\001.jpg'
img = cv.imread(ad)

res = cv.resize(img, None, fx= 0.5,fy= 0.5, interpolation=cv.INTER_AREA)

cv.imshow('res',res)
cv.waitKey(0)
cv.destroyAllWindows()

2.4平移变换cv.warpAffine(）

import numpy as np
import cv2 as cv

ad = r'E:\opencvdoment\pic\001.jpg'
img = cv.imread(ad，0)

M = np.float32([[1,0,100],[0,1,50]])
rows ,cols = img.shape
dst = cv.warpAffine(img,M,(cols, rows))

cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

2.5旋转 cv.getRotationMatrix2D

示例：

import numpy as np
import cv2 as cv

ad = r'E:\opencvdoment\pic\001.jpg'
img = cv.imread(ad,0)

rows, cols = img.shape
M = cv.getRotationMatrix2D(((cols-1)/2.0, (rows-1)/2.0),90, 1)
res = cv.warpAffine(img,M,(cols, rows))
cv.imshow('res',res)
cv.waitKey(0)
cv.destroyAllWindows()

2.6放射变换

在仿射变换中，原始图像中的所有平行线在输出图像中仍然是平行的。为了找到变换矩阵，我们需要从输入图像中取三个点及其在输出图像中的对应位置。然后 cv.getAffineTransform 将创建一个 2x3 矩阵，该矩阵将传递给 cv.warpAffine 。
示例：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

ad = r'E:\opencvdoment\pic\001.jpg'
img = cv.imread(ad)

rows, clos, ch =img.shape
print(img.shape)

p1 = np.float32([[50,50], [200,50], [50,200]])
p2  =np.float32([[10,100],[200,50],[100,250]])

M = cv.getAffineTransform(p1,p2)
res = cv.warpAffine(img,M,(clos,rows))

plt.subplot(121),plt.imshow(img), plt.title('origin')
plt.subplot(122),plt.imshow(res),plt.title('now')
plt.show()

2.7透视变换

对于透视变换，首先需要一个33的变换矩阵。即使在转换之后，直线也保持直西安。要找到这个变换矩阵，需要输入图像上的4个点和输出图像上的对应点。在这四点中，任意3点不应该共线，然后通过cv.getPersepectiveTransform 找到变换矩阵。然后对这个33的变换矩阵使用cv.warpPerspective
示例：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

ad = r'E:\opencvdoment\pic\001.jpg'
img = cv.imread(ad)

rows, clos, ch =img.shape

p1 = np.float32([[56,65],[168,23],[28,211],[123,206]])
p2 =np.float32([[0,0], [225,0],[0,212],[255,212]])
M =cv.getPerspectiveTransform(p1,p2)
res = cv.warpPerspective(img,M,(clos, rows))
plt.subplot(121),plt.imshow(img),plt.title('origin')
plt.subplot(122),plt.imshow(res),plt.title('res')
plt.show()

三.图像阈值

3.1 GOAL:

  1. 简单的阈值法，自动适应阈值法，Otsu阈值法
  2. 相关函数：cv.threshold , cv.adaptiveThreshold

3.2简单阈值法：

此方法是直截了当的，即如果像素值大于一定的阈值，则赋为另一个值，否则是另一个值，使用的函数时cv.threshold，参数如下：

  1. 原图像
  2. 阈值，用于对像素值分类
  3. maxval，像素值超过阈值时所设定的值
  4. 阈值类型，如下
    cv.THRESH_BINARY
    cv.THRESH_BINARY_INV
    cv.THRESH_TRUNC
    cv.THRESH_TOZERO
    cv.THRESH_TOZERO_INV

阈值类型的详细内容请查资料。

cv.threshold 函数返回2个值，其一为retval ,其二为阈值图像。
示例：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

ad = r'E:\opencvdoment\pic\001.jpg'
img =cv.imread(ad)

ret,thr1 = cv.threshold(img, 100,255,cv.THRESH_BINARY)
ret,thr2 = cv.threshold(img,100,255,cv.THRESH_BINARY_INV)
ret,thr3 = cv.threshold(img,100,255,cv.THRESH_TRUNC)
ret,thr4 = cv.threshold(img,100,255,cv.THRESH_TOZERO)
ret,thr5 = cv.threshold(img,100,255,cv.THRESH_TOZERO_INV)

titles =['origin','t1','t2','t3','t4','t5']
imgs = [img,thr1,thr2,thr3,thr4,thr5]

for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(imgs[i],'gray')
    plt.title([titles[i]])

plt.show()

效果图下：
在这里插入图片描述

3.3自适应阈值

3.3.1前言

在前一节中，我们使用一个全局变量作为阈值。但在图像在不同区域具有不同照明条件的条件下，这可能不是很好。在这种情况下，我们采用自适应阈值。在此，算法计算图像的一个小区域的阈值。因此，我们得到了同一图像不同区域的不同阈值，对于不同光照下的图像，得到了更好的结果。

3.3.2 cv.adaptiveThreshold()

三个参数如下：

  1. Adaptive Methord计算阈值的方法：

    cv.ADAPTIVE_THRESH_MEAN_C阈值是指邻居地区的平均值
    cv.ADAPTIVE_THRESH_THRESH_GAUSSIAN_C阈值是权重为高斯窗的邻域值的加权和。

  2. 2.Block Size 计算阈值的窗口区域大小。

  3. C 一个常数，从平均值或加权平均值中减去该值。

示例：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

ad = r'E:\opencvdoment\pic\001.jpg'
img =cv.imread(ad,0)

ret,t1 = cv.threshold(img,120,255,cv.THRESH_BINARY)

t2 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C,\
                          cv.THRESH_BINARY,11,2)
t3 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,\
                          cv.THRESH_BINARY,11,2)
imgs =[img,t1,t2,t3]
titles = ['origin','t1','t2','t3']

for i in range(4):
    plt.subplot(2,2,i+1),plt.imshow(imgs[i],'gray')
    plt.title([titles[i]])

plt.show()

效果：
在这里插入图片描述

mood在这里插入图片描述

dai _ tu
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python OpenCV中色彩空间的转换类型
GarfieldEr007的专栏
05-05 3863
OpenCV中具有的色彩空间转换类型有很多，编写一个简单的Python程序，OpenCV下所支持的色彩空间转换类型 Python程序： # -*- coding: utf-8 -*- import cv2 import numpy flags = [i for i in dir(cv2) if i.startswith('COLOR_')] print flags 输出结果如下
第4章：色彩空间类型转换
weixin_57440207的博客
01-23 3129
第四章：色彩空间类型转换one. 色彩空间基础知识：1. GRAY色彩空间：2. XYZ色彩空间3. YCrCb色彩空间3. HSV色彩空间4. HLS 色彩空间5. CIEL * a * b *色彩空间6. CIEL * u * v *色彩空间7. Bayer色彩空间two. 类型转换函数：three. 类型转换实例four. HSV色彩空间讨论：1. 获取指定颜色：2. 标记指定颜色：five. alpha通道： 色彩空间称为颜色空间、彩色空间、颜色模型、彩色系统、彩色模型、色彩模型等。 常见的色彩空间
【CV】BN（Batch Normalization）的原理与使用【原作者和后期推翻】
学无止境、积少成多、厚积薄发
12-15 1467
Q：神经网络在开始训练之前，为啥要对数据做Normalization？ A： 神经网络学习过程的本质是为了学习数据的分布，一方面，训练集train set和测试集test set的分布不同，网络的泛化能力则大大降低；另一方面，在梯度下降训练过程中，每批的数据分布不相同，网络就要在每次迭代的时候去学习以适应不同的分布，这样训练速度会大大降低。这就是为什么要对数据进行Normalization。 【BN不是拍脑子想出来的点子，BN的来源：研究表明，图像处理中进行白化（对输入input数据分布变换到 0均值，单位
OpenCV拜耳变换名称对应pattern
propor的专栏
04-25 363
OpenCV,拜尔变换
OpenCV实现BGR2BayerGB/BG格式的转换
$firecat利白的代码足迹$
08-19 1720
OpenCV没有提供从BGR生成Bayer格式的接口,需要自己写。BGGR排列 -> RG格式。RGGB排列 -> BG格式。GRBG排列 -> GB格式。GBRG排列 -> GR格式。
OPENCV中Bayer转BGR
热门推荐
放飞梦想，展望未来
01-04 2万+
Bayer格式是相机内部的原始图片，一般后缀名为.raw，一般bayer格式的图片绿色格式的像素是r和g像素的和。很多软件都可以查看, 比如PS。我们相机拍照下来存储在存储卡上的.jpeg或其它格式的图片，都是从.raw格式转化过来的。如下图，为bayer色彩滤波阵列，由一半的G，1/4的R，1/4的B组成。 1、bayer格式插值红蓝算法实现 每一个像素仅仅包括了光谱的一
opencv-4.6.0-vc14-vc15.exe
02-02
OpenCV（开源计算机视觉库）是一个广泛使用的计算机视觉和机器学习软件库，它包含了超过2500个优化过的算法，适用于图像处理、计算机视觉以及人工智能领域的开发。这个压缩包"opencv-4.6.0-vc14-vc15.exe"很可能是...
opencv-python-4.10.0.84.tar.gz
最新发布
06-26
1. 图像处理基础：包括读取、显示、保存图像，以及对图像进行基本操作，如灰度转换、直方图均衡化、色彩空间转换等。 2. 图像滤波：提供各种滤波器，如高斯滤波、中值滤波、双边滤波等，用于平滑图像、去除噪声或...
opencv-python-4.10.0.82.tar.gz
06-08
总之，"opencv-python-4.10.0.82.tar.gz"是一个包含OpenCV-Python最新版本的压缩包，为Python开发者提供了强大的计算机视觉功能，包括基本的图像处理、深度学习模型的集成和执行，以及广泛的机器学习应用。...
opencv图像处理-opencv图像处理之图像分割.zip
03-08
在计算机视觉领域，OpenCV（开源计算机视觉库）是一个强大的工具，它提供了丰富的函数和算法用于图像处理。图像分割是图像分析中的关键步骤，旨在将图像划分为不同的区域或对象，以便更好地理解和解释图像内容。本...
opencv图像处理-opencv图像处理算法之图像增强.zip
03-08
在计算机视觉领域，OpenCV（开源计算机视觉库）是一个广泛使用的工具，用于图像处理和计算机视觉算法的实现。本文将深入探讨OpenCV中的图像增强技术，这是图像预处理的重要环节，能够改善图像的质量，增强其视觉效果...
函数cvtColor
weixin_30613727的博客
03-08 776
功能：将图像从一个颜色空间转换到另一个颜色空间 函数原型： voidcv::cvtColor( 　　　　cv::InputArraysrc,//输入序列 　　　　cv::OutputArraydst,//输出序列 　　　　intcode,//颜色映射码 　　　　intdstCn=0//输出的通道数(0='automatic') );...
Raw格式的图片理解、读取、转换、显示、对raw10应用和COLOR_BayerBG2RGB理解
qq_45813590的博客
09-28 1万+
MIPI raw就充分利用了这6个bit位，每5个字节存储4个像素值，如图1.1所示，每格代表两个bit位，前4个红色的格子存储的是第一个像素的高8位，接着4个黄色的格子存储的是第二个像素的高8位，接着4个绿色的格子存储的是第三个像素的高8位，接着4个蓝色的格子存储的第四个像素的高8位，接着1个蓝色的格子存储的是第4个像素的低2位，接着一个绿色的格子存储的是第3个像素的低2位，接着一个个黄色的格子存储的是第2个像素的低2位，最后一个红色的格子存储的是第1个像素的低2位。每种格式种存在两个G分量。
OpenCV笔记_1.cvtColor()&Bayer色彩空间
gzn_1234的博客
05-10 2116
1、cv::cvtColor()，进行色彩空间转换，调用形式如下： void cv::cvtColor( cv::InputArray src, cv::OutputArray dst, int code, int dstCn = 0 ); 参数说明： 1.dst 表示输出图像，与原始输入图像具有同样的数据类型和深度。 2.src 表示原始输入图像。可以是8 位无符号图像、16 位无符号图像，或者单精度浮点数等。 3.code 是色彩空间转换码。 4.dstCn 是目标图
cvCvtColor实现色彩空间转换
ny1986的专栏
04-17 1076
CvtColor 色彩空间转换 void cvCvtColor( const CvArr* src, CvArr* dst, int code ); src输入的 8-bit , 16-bit 或 32-bit 单倍精度浮点数影像.dst输出的 8-bit , 16-bit 或 32-bit 单倍精度浮点数影像.code色彩空间转换，通过定义 CV_2 常数 (见下面). 函
OpenCV3中cvtColor函数颜色空间转换格式明细
cyf15238622067的博客
09-07 4446
上篇文章中说了VideoCapture将读取的到流统一转换成了BGR24；其实imread()也是将图片转换成BGR24； 如果想要进行颜色空间的转换需要使用cvtColor()函数; void cv::cvtColor( InputArray _src, OutputArray _dst, int code, int dcn ) src:这是一幅8位无符号、16位无符号(CV_16UC)、...
【OpenCV-Python】教程：3-1 颜色空间转换与抠图
11-17 922
OpenCV Python 颜色空间转换，抠图； 绿幕抠图, 将皮肤，红色裙子和绿幕分别抠出来。
Opencv学习（四）颜色空间变换之cvtColor()函数
hjxu2016的博客
07-19 8383
先看函数类型 CV_EXPORTS_W void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 ); //InputArray src:输入图像 //OutputArray dst:输出图像 //int code为颜色转换空间标志符 //int dstCn = 0:目标图像的通道数，如果该参数为0，通道数取...
bayer插值算法(2):双线性插值算法
dreamer
12-26 1460
相机生成的图像一般是bayer阵列的raw图，这时候如果转换成我们需要的rgb图像，就需要对应的bayer插值算法将丢失的rgb信息通过算法补齐。
OpenCV-Python 中文教程：图像处理入门
"该资源是OpenCV-Python的中文教程，由段力辉翻译自OpenCV的官方文档，旨在帮助Python开发者理解和应用OpenCV进行图像处理。教程详细介绍了为何选择Python以及Python与OpenCV结合的优势，并指出在Python下使用OpenCV...
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

打赏作者

dai _ tu

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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