Python版本图像处理学习入门

开发工具：Pycharm
开发语言：Python3.*
涉及到的三方库：cv2、random、numpy
1.打开一张图片

import cv2
image = cv2.imread("lena.tiff")
cv2.imshow("origin",image)
k = cv2.waitKey(0)
if k == 27:
    cv2.destroyAllWindows()

效果：

2.图像转换为灰度图的两种方式：
方式一：

import cv2
image = cv2.imread("lena.tiff")
dst = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray",dst)
k = cv2.waitKey(0)
if k == 27:
    cv2.destroyAllWindows()

方式二：通过写算法转换灰度图

import cv2
image = cv2.imread("lena.tiff") #读取一张图片
imgInfo = image.shape  #获取图像的宽高信息
height = imgInfo[0] #图像宽度值
width = imgInfo[1]  #图像高度值

for i in range(0,width):
    for j in range(0,height):
        r,g,b = image[i,j]
        gray = (int(r)+int(g)+int(b))/3
        image[i,j] = [gray,gray,gray]
cv2.imshow('gray',image)
k = cv2.waitKey(0)
if k == 27:
    cv2.destroyAllWindows()

效果图：

注：
灰度图常见的有三种方式：
1.采用r\g\b 三个值中的一个值作为灰度值
2.将r、g、b加权求出一个值作为灰度图的灰度值
3.r、g、b求出均值作为灰度值
参考链接：https://blog.csdn.net/saltriver/article/details/79677116
这里就不附代码了

3.灰度图二值化图像

import cv2
image = cv2.imread("lena.tiff") #读取一张图片
imgInfo = image.shape  #获取图像的宽高信息
height = imgInfo[0] #图像宽度值
width = imgInfo[1]  #图像高度值
valve = 140  #阈值
grayImage = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
for i in range(0,width):
    for j in range(0,height):
        r,g,b = image[i,j]
        gray = (int(r)+int(g)+int(b))/3
        if valve<gray:
            image[i, j] = [255, 255, 255]
        else:
            image[i, j] = [0, 0, 0]
cv2.imshow('bina_gray',image)
k = cv2.waitKey(0)
if k == 27:
    cv2.destroyAllWindows()

4.高斯模糊图像

import cv2
image = cv2.imread("lena.tiff") #读取一张图片
imgInfo = image.shape  #获取图像的宽高信息
height = imgInfo[0] #图像宽度值
width = imgInfo[1]  #图像高度值
dst = cv2.GaussianBlur(image,(9,9),4.5)
cv2.imshow('GaussianBlur',dst)
k = cv2.waitKey(0)
if k == 27:
    cv2.destroyAllWindows()

效果图：

5.Canny 边缘检测

import cv2
image = cv2.imread("lena.tiff") #读取一张图片
imgInfo = image.shape  #获取图像的宽高信息
height = imgInfo[0] #图像宽度值
width = imgInfo[1]  #图像高度值
edges = cv2.Canny(image,200,500)
cv2.imshow('Canny Detect',edges)
k = cv2.waitKey(0)
if k == 27:
    cv2.destroyAllWindows()

效果图：