学习笔记(02):一学即懂的计算机视觉（第一季）-图像变换实战演练

立即学习:https://edu.csdn.net/course/play/26281/327083?utm_source=blogtoedu

课程代码

 

# 图像的几何变换

import cv2

import matplotlib.pyplot as plt

import numpy as np

 

img = cv2.imread("lena.png")

# cv2.imshow("lena.png",img)

gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 实现图像的翻转和改变大小

w,h =img.shape[0:2]

resized = cv2.resize(img,(int(w/4),int(h/2)))

flipped = cv2.flip(img,-1)    # 后面的-1也可以取1,0，代表不同方向的翻转

# cv2.imshow("resized",resized)

# cv2.imshow("flipped",flipped)

 

# 距离变换

# 要先二值化，使用threshold函数

ret,thr =cv2.threshold(gray,100,255,cv2.THRESH_OTSU)

# print(ret)

# cv2.imshow("thr",thr)     # 二值化后的图像

dist =cv2.distanceTransform(thr,cv2.DIST_L2,cv2.DIST_MASK_3)

dist_norm = cv2.convertScaleAbs(dist)

# cv2.imshow("dist",dist_norm)

 

# Log-Polar变换

center =(w/2,h/2)

maxRadius =0.7*min(center)

M= w/cv2.log(maxRadius) # 尺度

print(maxRadius,M[0])

log_polar = cv2.logPolar(img,center,M[0]*0.8,cv2.INTER_LINEAR + cv2.WARP_FILL_OUTLIERS)

# cv2.imshow("log_polar",log_polar)

 

# 灰度直方图和直方图均衡化

# plt.hist(gray.ravel(),256,[0,256])

# plt.show()

# equa = cv2.equalizeHist(gray)

# cv2.imshow("equa",equa)

 

# 实现hough变换

edges = cv2.Canny(thr,50,150)   # 用canny算子进行边缘检测

cv2.imshow("edges",edges)

disp_edge =cv2.cvtColor(edges,cv2.COLOR_GRAY2BGR)

# cv2.imshow("disp_edge",disp_edge)

lines = cv2.HoughLinesP(edges, 1, 1*np.pi/180, 10)

for line in lines:

    for x1,y1,x2,y2 in line:

        cv2.line(disp_edge,(x1,y1),(x2,y2),(0,255,0),1)

    pass

 

print("Line count:",len(lines))

cv2.imshow("hough",disp_edge)

 

cv2.waitKey()

cv2.destroyAllWindows()