python-Opencv-利用图像运算打码图片

本文介绍了如何使用Python的OpenCV库通过图像运算进行打码操作。首先,讲解了图像基本运算,包括加法、减法、位运算等。接着,通过具体的代码示例展示了如何读取图片,生成遮罩,执行位运算加密,以及最终的图像叠加,实现了打码图片的功能。
摘要由CSDN通过智能技术生成

1、图像运算是如何理解
 

图像的基本运算:相加、相减、相乘、相除、位运算、平方根、对数、绝对值等;
图像也可以放大、缩小、旋转,
还可以截取其中的一部分作为ROI(感兴趣区域)进行操作;
各个颜色通道还可以分别提取及对各个颜色通道进行各种运算操作。
· 学习图像上的算术运算,加法,减法,位运算等。
·相关函数:cv2.add(),cv2.addWeighted()

2.如何运用图像运算进行打码图片

1:先找取图片

熊出没

 

2.进行导包

代码如下:

 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 #author:Kong DeXing
 #案例:Fu Xianjun. All Rights Reserved.
1.import cv2

2.import numpy as np

3.读图

1.shengmi = cv2.imread("xiongchumo.jpg",0)#读取图片shengmi.jpg图片

4.具体操作

1.height,width = shengmi.shape #提取shengmi.jpg的height和width 
2.mask = np.zeros((height,width),dtype=np.uint8)#生成一个height和width相同的零矩阵
3.mask[50:160,90:2

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像噪声是任何图像处理任务中的常见问题。为了消除这种噪声,图像处理实践中使用的一个广泛的方法是利用滤波器。滤波器可以应用于图像以去除噪声和增强细节。以下是如何使用PythonOpenCV来实现图像噪声消除。 首先,通过以下代码打开原始图像: ```python import cv2 import numpy as np #load image img = cv2.imread('noisy_image.jpg', 0) cv2.imshow('Original', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这里,我们使用了OpenCV的“imread”函数来加载图像。此函数具有两个参数,第一个是图像文件的名称或路径,第二个是指定加载方式的标志。由于我们需要加载灰度图像,因此标志被设置为0。 然后,我们可以尝试使用高斯滤波器进行图像去噪: ```python #apply gaussian blur blur = cv2.GaussianBlur(img, (5,5),0) cv2.imshow("Gaussian Blurred Image", blur) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这里,我们使用OpenCV的“GaussianBlur”函数来应用高斯模糊。这个函数有三个参数:输入图像,内核大小和模糊度标准差。内核大小指定模糊滤波器的大小,模糊程度取决于标准差的值。 接着,我们可以尝试使用中值滤波器: ```python #apply median blur median = cv2.medianBlur(img, 5) cv2.imshow("Median Blurred Image", median) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这里,我们使用OpenCV的“medianBlur”函数来应用中值模糊。这个函数有两个参数:输入图像和内核大小。内核大小指定模糊滤波器的大小。 最后,我们可以使用双边滤波器: ```python #apply bilateral filter bilateral = cv2.bilateralFilter(img, 5, 75, 75) cv2.imshow("Bilateral Blurred Image", bilateral) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这里,我们使用OpenCV的“bilateralFilter”函数来应用双边滤波。这个函数有四个参数:输入图像、空间高斯函数标准差、灰度值相似性高斯函数标准差和过滤器大小。 总之,滤波器是图像处理中用于去除或减少噪声的可靠工具。在本文中,我们介绍了PythonOpenCV中几种滤波器的应用,例如高斯滤波器、中值滤波器和双边滤波器。可以根据图像噪声的本质和需求选择最佳滤波器。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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