目录
学习目标：
- 对图像进行预处理
- 转化为灰度图
- 二值化（阈值化）操作
- 开闭运算
- 了解 NVIDIA Jetson TX2
学习内容：
- 图像处理
- 了解tx2
学习时间：
- 2022年7月23日
学习产出：
一、图像预处理
理论依据为：g(i,j)=α∗f(i,j)+β α用于调节图像的对比度，β 用于调节图像亮度。
1.zeros函数
函数功能：创建一个指定尺寸和类型的零矩阵。
构造函数：
cv::Mat::zeros( int rows,int cols,int type) %第一种构造函数
参数1：指定行数
参数2：指定列数
参数3：指定类型
cv::Mat::zeros( Size size,int type) %第二种构造函数
参数1：指定尺寸
参数2：指定类型
2.at函数
函数功能：对指定数组元素进行操作。
构造函数：
//at的重构函数比较多，几种常用的构造函数如下:
//对于单通道
cv::Mat::at<标识符>(int i0);//对于一维数组，直接获取对应的元素
cv::Mat::at<标识符>(int row, int col);//对于二维数组，获取对应行和对应列上的元素
//标识符的类型和图像类型相关：
CV_8U ——> Mat.at<uchar>(y,x).
CV_8S ——> Mat.at<schar>(y,x).
CV_16U ——> Mat.at<ushort>(y,x).
CV_16S ——> Mat.at<short>(y,x).
CV_32S ——> Mat.at<int>(y,x).
CV_32F ——> Mat.at<float>(y,x).
CV_64F ——> Mat.at<double>(y,x).
//对于多通道，一般指三通道
cv::Mat::at<标识符>(int row, int col)[i];//i为通道数
//标识符为：
Vec<uchar, 3> Vec3b;
Vec<short, 3> Vec3s;
Vec<ushort, 3> Vec3w;
Vec<int, 3> Vec3i;
Vec<float, 3> Vec3f;
Vec<double, 3> Vec3d;
3.saturate_cast函数
函数功能：这是一个强制转换函数，即把数据从原始类型转换成另一种新类型，利用这种特性，可以充当特定的饱和函数使用。
4.代码整体
#include<opencv2\opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int pos = 0;
float alpha = 1;
float beta = 0;
Mat src, dst, dst1;
void set_brightness(int,void*) {
src = imread("test.jpg");
//cvtColor(src, src, COLOR_BGR2GRAY);
int height = src.rows;
int width = src.cols;
beta = pos;
dst = Mat::zeros(src.size(), src.type());
for (int i = 0; i < height; i++)
for (int j = 0; j < width; j++) {
if (src.channels() == 3) {//如果读入图象是rgb图像
float b = src.at<Vec3b>(i, j)[0];
float g = src.at<Vec3b>(i, j)[1];
float r = src.at<Vec3b>(i, j)[2];
dst.at<Vec3b>(i, j)[0] = saturate_cast<uchar> (b * alpha + beta);
dst.at<Vec3b>(i, j)[1] = saturate_cast<uchar> (g * alpha + beta);
dst.at<Vec3b>(i, j)[2] = saturate_cast<uchar> (r * alpha + beta);
}
else if (src.channels() == 1) {如果是灰度图像
float m = src.at<uchar>(i, j);
dst.at<uchar>(i, j) = saturate_cast<uchar> (m * alpha + beta);
}
}
imshow("out", dst);
}
int main() {
namedWindow("out", 1);//创建窗口
createTrackbar("Brightness", "out", &pos, 100, set_brightness)；//创建进度条
set_brightness(0,0);//调用设置亮度函数
imshow("input", src);
waitKey(0);
}
可以对其进行调节。
二、转化为灰度图
1.读取时灰度化处理
def img2Gray(filePath):
image = cv.imread(filePath)
cv.imshow("sourcePic",image)
gray1 = cv.imread(filePath,cv.IMREAD_GRAYSCALE)
cv.imshow("read2gray",gray1)
cv.waitKey(0)
cv.destroyAllWindows()
2.调用cvtColor灰度化处理
def img2Gray(filePath):
image = cv.imread(filePath)
cv.imshow("sourcePic",image)
gray2 = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
cv.imshow("cvtColor2gray", gray2)
cv.waitKey(0)
cv.destroyAllWindows()
3.平均值法：
def img2Gray(filePath):
image = cv.imread(filePath)
cv.imshow("sourcePic",image)
#平均值法
h, w = image.shape[:2]
gray3 = np.zeros((h, w), dtype=np.uint8)
for i in range(h):
for j in range(w):
gray3[i, j] = (int(image[i, j][0]) + int(image[i, j][1]) + int(image[i, j][2])) / 3
cv.imshow("meanGray", gray3)
4.最大值法
def img2Gray(filePath):
image = cv.imread(filePath)
cv.imshow("sourcePic",image)
#最大值法
h, w = image.shape[:2]
gray4 = np.zeros((h, w), dtype=np.uint8) # 创建一个h行w列的二维list
for i in range(h):
for j in range(w):
gray4[i, j] = max(image[i, j][0], image[i, j][1], image[i, j][2])
cv.imshow("maxGray",gray4)
5.分量法
def img2Gray(filePath):
image = cv.imread(filePath)
cv.imshow("sourcePic",image)
#分量法:
gray6 = cv.imread(filePath, cv.IMREAD_COLOR)
for i in range(gray6.shape[0]):
for j in range(gray6.shape[1]):
gray6[i, j] = gray6[i, j, 0]
cv.imshow("componentGray",gray6)
6.加权平均法
def img2Gray(filePath):
image = cv.imread(filePath)
cv.imshow("sourcePic",image)
#加权平均分
h, w = image.shape[:2]
gray5= np.zeros((h, w), dtype=np.uint8)
for i in range(h):
for j in range(w):
# Y = 0．3R + 0．59G + 0．11B
# 通过cv格式打开的图片，像素格式为 BGR
gray5[i, j] = 0.3 * image[i, j][2] + 0.11 * image[i, j][0] + 0.59 * image[i, j][1]
cv.imshow("weightedGray",gray5)
三、二值化（阈值化）操作
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(int argc, char* argv[]){
Mat img;
img = imread("C:\\Users\\86139\\Desktop\\target1.png");
if (img.empty())
{
printf("could not load the picture...");
}
// 转为二值图
threshold(img, img, 100, 255, THRESH_BINARY);
imshow("Binarization", img);
waitKey(0);
return 0;
}图像是由矩阵构成，矩阵中每个点的RGB值都不一样，呈现出来的色彩不一样，最终整体呈现给我们的就是一张彩色的图像。所谓”二值化处理“就是将矩阵中每个点的RGB值（0，0，0）[黑色]或者（255，255，255）[白色]简单阈值是选取一个全局阈值，然后把整幅图像分成非黑即白的二值图像，灰度值大于阈值就赋为255反之为0。
ret,mask = cv2.threshold(img2gray,175,255,cv2.THRESH_BINAR)
返回值一： 阈值，（Otsu‘s二值化会用到）
返回值二： 处理以后的图像
参数一: 初始图像
参数二：设定的阈值
参数三：当图像像素置超过我们的设定的阈值时赋为255
参数四 : 设定的二值化类型二值化的效果会因为上一步是否进行通道相减或其他操作以及threshold函数中阈值设置而产生偏差。下面直接利用之前灰度化之后的图像进行二值化。
GaussianBlur(gray, gray, Size(3, 3), 1);
threshold(gray, dst, 100, 255, THRESH_BINARY_INV);
imshow("dst", dst);
四、开闭运算
知识点补充：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(int argc, char* argv[]){
Mat img;
img = imread("C:\\Users\\86139\\Desktop\\target2.png");
if (img.empty())
{
printf("could not load the picture...");
}
Mat element;
Mat dstImage;
element = getStructuringElement(MORPH_RECT, Size(4, 4)); //Size选择要处理的精度，越大处理的越多
morphologyEx(img, dstImage, MORPH_OPEN, element);
imshow("open", dstImage);
waitKey(0);
return 0;
}处理结果：
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(int argc, char* argv[]){
Mat img;
img = imread("C:\\Users\\86139\\Desktop\\target2.png");
if (img.empty())
{
printf("could not load the picture...");
}
Mat element;
Mat dstImage;
element = getStructuringElement(MORPH_RECT, Size(4, 4)); //Size选择要处理的精度，越大处理的越多
morphologyEx(img, dstImage, MORPH_CLOSE, element);
imshow("close", dstImage);
waitKey(0);
return 0;
}处理结果：
开闭运算:
//上面同上，不再赘述//
element = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(dst, dst, MORPH_CLOSE, element);
imshow("morphology", dst);
waitKey(0);
return 0;
}
处理结果：
其实所有处理结果还有另一种二值化操作的不做赘述。
五、英伟达 Jetson TX2
Jetson TX2是NIVDIA瞄准人工智能在Jetson TK1和TX1推出后的升级
TX2的GPU和CPU都进行了升级，内存增加到了8GB、存储增加到了32GB，支持Wifi和蓝牙，编解码支持H.265，体型同样小巧。
据NVIDIA官方介绍，Jetson TX2提供两种运行模态：一种是MAX Q，能效比能达到最高，是上一代的TX1的2倍，功耗在7.5W以下;另一种是MAX P，性能可以做到最高，能效比同样可以做到前一代的2倍，功耗则在15W以下。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
