参考:
1、http://docs.opencv.org/3.3.0/ 官方文档api
2、http://docs.opencv.org/3.3.0/d6/d00/tutorial_py_root.html 官方英文教程
3、https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html
4、https://github.com/makelove/OpenCV-Python-Tutorial# 进阶教程
5、https://docs.opencv.org/3.3.0/index.html 官方英文教程
6、https://github.com/abidrahmank/OpenCV2-Python-Tutorials
7、https://www.learnopencv.com/
8、http://answers.opencv.org/questions/ OpenCV论坛
9、https://github.com/opencv/opencv 官方github
10、https://github.com/abidrahmank/OpenCV2-Python-Tutorials
注:安装的版本 opencv_python-3.3.0-cp36-cp36m-win_amd64.whl
参考:https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html
计算摄影
在这里,您将学习与计算摄影相关的不同OpenCV功能,如图像去噪等。
图像去噪
图像去噪在OpenCV
OpenCV提供了这种技术的四个变体。cv2.fastNlMeansDenoising() - 使用单个灰度图像
cv2.fastNlMeansDenoisingColored() - 使用彩色图像。
cv2.fastNlMeansDenoisingMulti() - 适用于在短时间内捕获的图像序列(灰度图像)
cv2.fastNlMeansDenoisingColoredMulti() - 与上述相同,但用于彩色图像。
共同参数是:
h:参数决定滤波器强度。 较高的h值可以更好的消除噪音,但也会删除图像的细节。 (10可以)
hForColorComponents:与h相同,但仅适用于彩色图像。 (通常与h相同)
templateWindowSize:应该是奇数。 (推荐7)
searchWindowSize:应该是奇数。 (推荐21)
有关这些参数的更多详细信息,请访问其他资源的第一个链接。
我们将在这里展示2和3。
1. cv2.fastNlMeansDenoisingColored()
如上所述,它用于从彩色图像中去除噪声。 (预计噪声为高斯)。 见下面的例子:
import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('die.png') dst = cv2.fastNlMeansDenoisingColored(img,None,10,10,7,21) plt.subplot(121),plt.imshow(img) plt.subplot(122),plt.imshow(dst) plt.show()
2. cv2.fastNlMeansDenoisingMulti()
import numpy as np import cv2 from matplotlib import pyplot as plt cap = cv2.VideoCapture('vtest.avi') # create a list of first 5 frames img = [cap.read()[1] for i in range(5)] # convert all to grayscale gray = [cv2.cvtColor(i, cv2.COLOR_BGR2GRAY) for i in img] # convert all to float64 gray = [np.float64(i) for i in gray] # create a noise of variance 25 noise = np.random.randn(*gray[1].shape)*10 # Add this noise to images noisy = [i+noise for i in gray] # Convert back to uint8 noisy = [np.uint8(np.clip(i,0,255)) for i in noisy] # Denoise 3rd frame considering all the 5 frames dst = cv2.fastNlMeansDenoisingMulti(noisy, 2, 5, None, 4, 7, 35) plt.subplot(131),plt.imshow(gray[2],'gray') plt.subplot(132),plt.imshow(noisy[2],'gray') plt.subplot(133),plt.imshow(dst,'gray') plt.show()
图像修复
代码
我们需要创建与输入图像相同大小的掩码,其中非零像素对应于要被修补的区域。 一切都很简单。 我的图像被一些黑色笔画降级(我手动添加)。 我用Paint工具创建了一个相应的笔画。
import numpy as np import cv2 img = cv2.imread('messi_2.jpg') mask = cv2.imread('mask2.png',0) dst = cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA) cv2.imshow('dst',dst) cv2.waitKey(0) cv2.destroyAllWindows()
![Inpainting result](http://opencv-python-tutroals.readthedocs.io/en/latest/_images/inpaint_result.jpg)