最近在学数字图像处理,图像基础包括以下部分:
导入库
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
图片展示函数
def show(img):
if img.ndim == 2:
plt.imshow(img,cmap='gray')
else:
plt.imshow(cv.cvtColor(img,cv.COLOR_RGB2BGR))
plt.show()
图像的矩阵表示
A = np.random.randint(0,256,(2,4),dtype=np.uint8)
print(A)
show(A)
B = np.random.randint(0,256,(2,4,3),dtype=np.uint8)
print(B)
show(B)
结果如下图所示:
通道合并与分离
img = cv.imread('C:\PerfLogs\pc.jpg')
b,g,r = cv.split(img)#分离
show(b)
show(g)
show(r)
img_new = cv.merge([b,g,r])#合并通道
分离后的三通道显示出来的图像
合并后的图片为:
彩色图转灰度图
gray1 = 0.299*b + 0.587*g + 0.114*r
#opencv自己提供的函数实现彩色图转灰度图
img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
show(np.hstack([gray1,img_gray])
图像的二值化
thresh = 125
gray2[gray2>thresh] = 255
gray2[gray2<=thresh] = 0
#opencv自带的函数
ignore,img_bin = cv.threshold(gray2,125,200,cv.THRESH_BINARY)
两图像的加减乘除
#图片的加载+调整图片大小
obj = cv.imread('C:\PerfLogs\pc.jpg',0)
obj = cv.resize(obj,(550,550),)#调整图片大小
bg = cv.imread('C:\PerfLogs\pc1.jpg',0)
bg = cv.resize(bg,(550,550),)
mask = cv.imread('C:\PerfLogs\pc2.jpg',0)
mask = cv.resize(mask,(550,550),)
noise = cv.imread('C:\PerfLogs\pc3.jpg',0)
noise = cv.resize(noise,(550,550),)
图像根据一定比例相加
img_add1 = cv.add(noise*0.5,bg*0.5)
img_add2 = cv.addWeighted(noise,0.5,bg,0.5,0)#opencv自带的函数
show(np.hstack([img_add1,img_add2]))
两图像相减
img_sub = img_add2 - noise*0.5
show(np.hstack([bg,img_sub*2]))
两图像相乘
mask = mask/255.#归一化
img_mul = obj*mask
img_mul2 = cv.multiply(obj*1.0,mask)
show(np.hstack([img_mul,img_mul2]))
两图像相除
img_div = obj/(np.float64(noise)+1)
img_div2 = cv.divide(obj,noise+1)
show(np.hstack([img_div,img_div2]))
(不知道弄了啥)
图像的线性和非线性变换
图像的线性变换
#线性变换
img = cv.imread('C:\PerfLogs\pc.jpg',0)
b = 20
k=2
img2 = b+k*img.astype(np.int32)
show(np.hstack([img,img2]))
图像的非线性变换
img01 = img/255
img05 = np.power(img01,0.5) * 255
img15 = np.power(img01,1.5) * 255
show(np.hstack([img05 , img , img15]))
由三张图片对比可得,幂次越小,图片越亮,幂次越大,图片越暗。符合如下的图像。