中cv2高斯函数_[机器学习]cv2图像处理

本文首发于个人blog：http://booleflow.com/

主要基于OpenCV

以下所有代码在mac python3 jupyter notebook下测试通过。

#!/usr/bin/env python
# -*- coding:utf-8 -*-

from __future__ import division
from __future__ import print_function
%matplotlib inline
# 本文中主要使用cv2处理图片，但不利于在notebook中展示，所以使用plt输出前做简单处理
def img_convert(cv2_img):
    """
    cv2使用BGR，plt使用RGB
    包含灰度，3通道，4通道
    下面这个不好使
    ret_img = cv2.cvtColor(ret_img, cv2.COLOR_BGR2RGB)
    """
    if len(cv2_img.shape) == 2:
        return cv2_img
    elif len(cv2_img.shape) == 3 and cv2_img.shape[2] == 3:
        b, g, r = cv2.split(cv2_img)
        return cv2.merge((r, g, b))
    elif len(cv2_img.shape) == 3 and cv2_img.shape[2] == 4:
        b, g, r, a = cv2.split(cv2_img)
        return cv2.merge((r, g, b, a))
    else:
        return cv2_img

阈值

threshold 简单阈值

介绍

顾名思义，通过阈值处理，大于为1，小于则为0，使用函数cv2.threshold()。参数解释如下：

ret, dst = cv2.threshold (src, thresh, maxval, type)

• src：源图片，必须是单通道
• dst：输出图
• thresh：阈值，取值范围0～255
• maxval：填充色，取值范围0～255
• type：阈值类型，具体见下表

type还可以写为如下：

type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV

实现

import numpy as np
import cv2
import matplotlib.pyplot as plt
ori_img = cv2.imread('../Fast_neural_style/img_d2cfac63.jpeg')
# 现转化为单通道图
img_gray = cv2.cvtColor(ori_img, cv2.COLOR_RGB2GRAY)

imgs = [ori_img] + [img_gray]
title = ['ori_img', 'img_gray']
# 简单阈值处理
for typ in range(0, 5, 1):
    _, thresh = cv2.threshold(img_gray, 150, 255, type=typ)
    title.append('type_' + str(typ))
    imgs = imgs + [thresh]
# 可视化
plt.figure(figsize=(12,6))
for i in range(7):
    plt.subplot(2, 4, i + 1), plt.imshow(img_convert(imgs[i]), 'gray')
    plt.title(title[i])
plt.show()

adaptiveThreshold 自适应阈值

介绍

简单阈值对图片对处理过于简单粗暴，特别是对对色彩复杂图片，处理后很多细节都无法复现。自适应阈值则根据图像上的每个小区域计算与其对应的阈值，不同区域采用不同阈值。可使用cv2.adaptiveThreshold()实现。参数解释如下：

dst = cv2.adaptiveThreshold(src, maxval, thresh_type, type, Block Size, C)

• src：源图片，只能输入单通道图像
• dst： 输出图
• maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
• thresh_type： 阈值的计算方法，包含以下2种类型：cv2.ADAPTIVE_THRESH_MEAN_C，阈值即取相邻领域的平均值； cv2.ADAPTIVE_THRESH_GAUSSIAN_C，阈值同样取自相邻领域，只是不再是平均值，而是加权平均，权重为一个高斯窗口
• type：二值化操作的类型，与固定阈值函数相同，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV.
• Block Size： 图片中分块的大小
• C ：阈值计算方法中的常数项

实现

ret, th1 = cv2.threshold(img_gray, 150, 255, cv2.THRESH_BINARY)
th2 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 9, 12)
th3 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 9, 12)

plt.figure(figsize=(8, 8))
plt.subplot(221), plt.imshow(img_convert(ori_img), cmap='gray'), plt.title('original_img')
plt.subplot(222), plt.imshow(img_convert(th1), cmap='gray'), plt.title('th_binary')
plt.subplot(223), plt.imshow(img_convert(th2), cmap='gray'), plt.title('mean')
plt.subplot(224), plt.imshow(img_convert(th3), cmap='gray'), plt.title('gauss')
plt.show()