Python中的图像处理（第七章）Python图像的点运算处理（2）

最新推荐文章于 2023-03-09 23:44:54 发布
最新推荐文章于 2023-03-09 23:44:54 发布
阅读量350 收藏
点赞数
分类专栏： IP4:Python中的图像处理 文章标签： python 图像处理 计算机视觉 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/sinat_34897952/article/details/124853946
版权

Python中的图像处理（第七章）Python图像的点运算处理（2）

前言

随着人工智能研究的不断兴起，Python的应用也在不断上升，由于Python语言的简洁性、易读性以及可扩展性，特别是在开源工具和深度学习方向中各种神经网络的应用，使得Python已经成为最受欢迎的程序设计语言之一。由于完全开源，加上简单易学、易读、易维护、以及其可移植性、解释性、可扩展性、可扩充性、可嵌入性：丰富的库等等，自己在学习与工作中也时常接触到Python，这个系列文章的话主要就是介绍一些在Python中常用一些例程进行仿真演示！

本系列文章主要参考杨秀章老师分享的代码资源，杨老师博客主页是Eastmount，杨老师兴趣广泛，不愧是令人膜拜的大佬，他过成了我理想中的样子，希望以后有机会可以向他请教学习交流。

因为自己是做图像语音出身的，所以结合《Python中的图像处理》，学习一下Python，OpenCV已经在Python上进行了多个版本的维护，所以相比VS，Python的环境配置相对简单，缺什么库直接安装即可。本系列文章例程都是基于Python3.8的环境下进行，所以大家在进行借鉴的时候建议最好在3.8.0版本以上进行仿真。本文继续来对本书第七章的5个例程进行介绍。

一. Python准备

如何确定自己安装好了python

win+R输入cmd进入命令行程序
在这里插入图片描述
点击“确定”
在这里插入图片描述
输入：python，回车
在这里插入图片描述
看到Python相关的版本信息，说明Python安装成功。

二. Python仿真

（1）新建一个chapter07_06.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8
#By:Eastmount CSDN 2020-11-12
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取原始图像
img = cv2.imread('miao.png')

#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]

#创建一幅图像
result = np.zeros((height, width, 3), np.uint8)

#图像灰度上移变换 DB=DA+50
for i in range(height):
    for j in range(width):
        
        if (int(grayImage[i,j]+50) > 255):
            gray = 255
        else:
            gray = int(grayImage[i,j]+50)
            
        result[i,j] = np.uint8(gray)

#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

保存.py文件
输入eixt()退出python，输入命令行进入工程文件目录
在这里插入图片描述
输入以下命令，跑起工程

python chapter07_06.py

在这里插入图片描述
没有报错，直接弹出图片，运行成功！
在这里插入图片描述
在这里插入图片描述
（2）新建一个chapter07_07.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8
#By:Eastmount CSDN 2020-11-12
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取原始图像
img = cv2.imread('miao.png')

#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]

#创建一幅图像
result = np.zeros((height, width, 3), np.uint8)

#图像对比度增强变换 DB=DA*1.5
for i in range(height):
    for j in range(width):
        
        if (int(grayImage[i,j]*1.5) > 255):
            gray = 255
        else:
            gray = int(grayImage[i,j]*1.5)
            
        result[i,j] = np.uint8(gray)

#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

保存.py文件输入以下命令，跑起工程

python chapter07_07.py

在这里插入图片描述
没有报错，直接弹出图片，运行成功！
在这里插入图片描述
在这里插入图片描述
（3）新建一个chapter07_08.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8
#By:Eastmount CSDN 2020-11-12
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取原始图像
img = cv2.imread('miao.png')

#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]

#创建一幅图像
result = np.zeros((height, width, 3), np.uint8)

#图像对比度减弱变换 DB=DA*0.8
for i in range(height):
    for j in range(width):
        gray = int(grayImage[i,j]*0.8)
        result[i,j] = np.uint8(gray)

#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

保存.py文件输入以下命令，跑起工程

python chapter07_08.py

在这里插入图片描述
没有报错，直接弹出图片，运行成功！
在这里插入图片描述
在这里插入图片描述

（4）新建一个chapter07_09.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取原始图像
img = cv2.imread('miao.png')

#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]

#创建一幅图像
result = np.zeros((height, width), np.uint8)

#图像灰度反色变换 DB=255-DA
for i in range(height):
    for j in range(width):
        gray = 255 - grayImage[i,j]
        result[i,j] = np.uint8(gray)

#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

保存.py文件输入以下命令，跑起工程

python chapter07_09.py

在这里插入图片描述
没有报错，直接弹出图片，运行成功！
在这里插入图片描述
在这里插入图片描述
（5）新建一个chapter07_10.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8
#By:Eastmount CSDN 2020-11-12
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取原始图像
img = cv2.imread('miao.png')

#图像灰度转换
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#获取图像高度和宽度
height = grayImage.shape[0]
width = grayImage.shape[1]

#创建一幅图像
result = np.zeros((height, width), np.uint8)

#图像灰度非线性变换：DB=DA×DA/255
for i in range(height):
    for j in range(width):
        gray = int(grayImage[i,j])*int(grayImage[i,j]) / 255
        result[i,j] = np.uint8(gray)

#显示图像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

保存.py文件输入以下命令，跑起工程

python chapter07_10.py

在这里插入图片描述
没有报错，直接弹出图片，运行成功！
在这里插入图片描述
在这里插入图片描述

三. 小结

本文主要介绍在Python中调用OpenCV库对图像进行像素点的处理，比如灰度上移，灰度对比度增强，灰度对比度降低，反色变换，灰度变换等等操作。由于本书的介绍比较系统全面，所以会出一个系列文章进行全系列仿真实现，下一篇文章将继续介绍第七章节的5例仿真实例，感兴趣的还是建议去原书第七章深入学习理解。每天学一个Python小知识，大家一起来学习进步阿！

mozun2020
关注
专栏目录
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
盼小辉丶的博客
08-10 22万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
[Python从零到壹] 四十三.图像增强及运算篇之图像点运算和图像灰度化处理
杨秀璋的专栏
02-18 1万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，第一篇文章是图像点运算的灰度化处理知识，包括各种灰度算法的实现，以及灰度线性变换和灰度非线性变换。希望文章对您有所帮助，如果有不足之处，还请海涵。
Python 3.7基于PIL 数字图像处理.基础操作
图像编辑小学徒
08-17 2041
1.读取与存储操作 PIL 的 open() 函数用于创建 PIL 图像对象，比如读取一张图片： from PIL import Image//调用PIL库 读取图片 1. img = Image.open(‘photo’test.jpg’) 注意：在该路径下必须有phototest图片，否则会出错，这个路径一般默认为你所创建工程的文件。 存储图片 save() 方法用于保存图像...
用python opencv找图片上的小圆点的个数的代码。
r081r096的博客
03-09 609
用python opencv找图片上的小圆点的个数的代码。
Python计算机视觉——基本图像操作和处理
gjy_hahaha的博客
03-13 2686
文章目录图像基本操作读取并显示图像创建图像缩略图复制和粘贴图像区域调整尺寸和旋转绘制图像、点和线图像轮廓和直方图图像轮廓图像直方图基本原理绘制方法灰度变换直方图均衡化基本原理实现过程高斯滤波基本原理实现过程 图像基本操作 读取并显示图像 在读取图像时，我们可以使用PIL（Python Imaging Library, 图像处理类库）中的函数进行操作，PIL中最重要的模块为Image，要读取一幅图像，我们可以使用Image.open进行操作。 from PIL import Image pil_im = Im
python opencv 画点_python-opencv获取二值图像轮廓及中心点坐标的代码
weixin_39617044的博客
11-28 788
原标题：python-opencv获取二值图像轮廓及中心点坐标的代码groundtruth = cv2.imread(groundtruth_path)[:, :, 0]h1, w1 = groundtruth.shapecontours, cnt = cv2.findContours(groundtruth.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_...
python计算机视觉课程实验_Python计算机视觉编程-第一章 图像处理基础
weixin_39683163的博客
11-24 193
图像处理基础测试1：PIL：Python图像处理类库PIL（Python Imaging Library，图像处理库）提供了通用的图像处理功能，以及大量有用的基本图像操作。PIL库已经集成在Anaconda库中，推荐使用Anaconda，简单方便，常用库都已经集成。也可以安装python(x,y)，但是我一直安装失败，所以就没有装，没有安装也可以自己导入，比如我就是用的pycharm自己导入。如果...
[Python从零到壹] 三十六.图像处理基础篇之图像算术与逻辑运算详解
杨秀璋的专栏
01-25 9775
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。上一篇文章介绍了如何使用OpenCV绘制各类几何图形，包括cv2.line()、v2.circle()、cv2.rectangle()、cv2.ellipse()、cv2.polylines()、cv2.putText()函数。这篇文章将详细讲解图像算法运算与逻辑运算，包括图像加法、图像减法、图像与运算、图像或运算、图像非运算与图像异或运算。让我们来对比下这些运算在图像中能实现什么样的效果。
Python图像处理【2】探索Python图像处理库
热门推荐
qq_30167691的博客
11-28 6万+
和多数编程任务类似，在编写图像处理应用程序时，我们无需重复“造轮子”的过程，利用 Python 强大且丰富的第三方库能够大量缩减应用程序的编写时间，达到事半功倍的效果。在本节中，我们将学习使用不同的 Python 库实现一些常见的图像处理、变换和可视化技术，这些技术通常可以用作更复杂的图像处理任务的基本预处理/后处理步骤。
《从零到壹Python图像处理及识别》
最新发布
03-19
该资源是作者在华为云撰写《从零到壹Python图像处理及识别》电子书的源代码，希望对...第二部分是图像运算和图像增强（共17章）：包括图像点运算、灰度变换、形态学处理、直方图绘制、图像均衡化、平滑锐化等内容。 第
数字图像处理python基础–图片读入显示/图像的逻辑运算/缩放/旋转翻转平移/代数运算/二值化
12-20
数字图像处理基础一、基本操作图片的读入与显示pillowmatplotlibcv2图像的逻辑运算图像缩放图像的旋转与翻转图像的平移图像的代数运算图像的位运算+掩膜简单二值化大津阈值二值化 一、基本操作 图片的读入与显示 pillow 使用pillow的image读入，然后显示 from PIL import Image lina= Image.open('lina.jpg') lina.show() 转为灰度图，并且保存 graylina= lina.convert('L') graylina.save('graylina.jpg') graylina.show() matplotlib 2.
Python OpenCV处理图像之图像像素点操作
12-24
本文实例为大家分享了Python OpenCV图像像素点操作的具体代码，供大家参考，具体内容如下 0x01. 像素 有两种直接操作图片像素点的方法： 第一种办法就是将一张图片看成一个多维的list，例如对于一张图片im，想要操作第四行第四列的像素点就直接 im[3,3] 就可以获取到这个点的RGB值。 第二种就是使用 OpenCV 提供的 Get1D、 Get2D 等函数。 推荐使用第一种办法吧，毕竟简单。 0x02. 获取行和列像素 有一下四个函数： cv.GetCol(im, 0): 返回第一列的像素 cv GetCols(im, 0, 10): 返回前 10 列 cv.Get
Python中的图像处理（第七章）Python图像的点运算处理（3）
sinat_34897952的博客
05-26 391
Python中的图像处理（第七章）Python图像的点运算处理（3）前言一. Python准备二. Python仿真三. 小结 前言 随着人工智能研究的不断兴起，Python的应用也在不断上升，由于Python语言的简洁性、易读性以及可扩展性，特别是在开源工具和深度学习方向中各种神经网络的应用，使得Python已经成为最受欢迎的程序设计语言之一。由于完全开源，加上简单易学、易读、易维护、以及其可移植性、解释性、可扩展性、可扩充性、可嵌入性：丰富的库等等，自己在学习与工作中也时常接触到Python，这个系列
OpenCV-Python学习笔记（使用opencv识别物体的位置，找到中心点位）
qq_42145185的博客
11-18 4万+
使用opencv识别物体的位置，找到中心点位： 步骤：先拿到图像-->进行高斯滤波-->进行灰度处理-->进行二值化-->进行开运算-->轮廓提取-->计算中心点位 效果图如下： 代码如下： import cv2 import numpy as np #读取图片 def ReadImg(): img = cv2.imread('1.p......
计算轮廓面积和中心点(python-opencv)
puqian13的博客
11-13 1万+
轮廓面积和中心点的计算。
image vb6 图片自适应_Python人工智能使用OpenCV进行图片形状的中心检测
weixin_39624705的博客
12-10 611
我们都知道正方形(长方形)的中心是2条对角线的交点，圆的中心是一个圆的圆心，如何在对象检测以及图片检测与识别领域，判断一个形状的中心，便是计算机视觉领域中的一个基础检测中心检测Opencv+python 实现物体形状的质心检测OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。OpenCV的建立是为了给计算机视觉应用提供一个...
python opencv 找到图像的中心点坐标_26、opencv图像坐标变换
weixin_39830313的博客
11-27 2761
迄今为止所看到的仿射和透视变换实际上是一个更一般过程的具体实例。这两种转换都具有相同的基本行为：它们从源图像中的一个位置获取像素，并将它们映射到目标图像中的另一个位置。事实上，还有其他有用的操作具有相同的结构。下面看看OpenCV如何实现映射转换。1、从笛卡尔转换为极坐标cv :: cartToPolar()： 要从笛卡尔坐标映射到极坐标，使用函数cv :: cartToPolar()：cv::c...
数字图像处理python实现-形态学处理
图像弟弟的博客
02-10 4620
内容简介腐蚀膨胀开闭运算击中与击不中细化骨架提取裁剪距离变换 腐蚀 膨胀 开闭运算 击中与击不中 细化 骨架提取 裁剪 距离变换
Python中的图像处理（第三章）数字图像处理基础（2）
sinat_34897952的博客
05-18 593
Python中的图像处理（第三章）数字图像处理基础（2）前言一. Python准备二. Python仿真三. 小结 前言 随着人工智能研究的不断兴起，Python的应用也在不断上升，由于Python语言的简洁性、易读性以及可扩展性，特别是在开源工具和深度学习方向中各种神经网络的应用，使得Python已经成为最受欢迎的程序设计语言之一。由于完全开源，加上简单易学、易读、易维护、以及其可移植性、解释性、可扩展性、可扩充性、可嵌入性：丰富的库等等，自己在学习与工作中也时常接触到Python，这个系列文章的话主要
Python图像处理源码实现：预处理与增强技巧
2. Python在图像处理中的应用： - Python语言因其简洁的语法和强大的库支持，在图像处理领域得到了广泛的应用。Python提供的图像处理库如Pillow、OpenCV、NumPy等，使得复杂的图像处理任务变得简单。 - Python脚本...
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

mozun2020

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