[opencv][python] 学习手册2：练习代码1

最新推荐文章于 2022-11-28 17:57:34 发布
最新推荐文章于 2022-11-28 17:57:34 发布
阅读量200 收藏
点赞数
分类专栏： 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/weixin_37834269/article/details/111830118
版权

[opencv][python] 学习手册2：练习代码1

19_毛玻璃效果.py
20_浮雕效果.py
21_绘制形状.py
22_绘制文字.py
23_绘制文字_贴图.py
24_图片调亮.py
25_图片调亮_滑动条.py

文章目录

19_毛玻璃效果.py

原理

  • 毛玻璃的效果和马赛克效果其实是非常相似的, 只不过毛玻璃效果是从附近的颜色块中,随机的去选择一个颜色值作为当前像素点的值!
  • 以4x4的块大小为例,遍历每个像素点的时候, 当前像素点的颜色值,随机从它附近4x4的区域内选择一个颜色值作为当前像素点的值!

在这里插入图片描述

代码

"""
需求：
对整幅图像进行毛玻璃处理

具体做法
毛玻璃效果是从附近的颜色块中,随机的去选择一个颜色值作为当前像素点的值!
需要偏移量变量，这个变量确定毛玻璃的毛化效果

算法
1. 计算当前像素点 row 的偏移量
2. 计算当前像素点 col 的偏移量
3. row，col 越界处理
4. 对当前像素进行赋值

流程
1. 读取图像，并获取信息
2. 创建一个与原图像大小通道相同的画布
3. 定义毛化偏移量 offset（随机点的取值范围）
4. 对图像进行毛化处理
5. 显示图像，等待按键
"""

import cv2 as cv
import numpy as np
import numpy.random as rnd

# 1. 读取图像，并获取信息
filename = r"../img/lena.jpg"
src = cv.imread(filename, cv.IMREAD_COLOR)
src_h = src.shape[0]
src_w = src.shape[1]

# 2. 创建一个与原图像大小通道相同的画布
# dst = np.zeros((src_h, src_w, 3), np.uint8)
dst = np.zeros(src.shape, src.dtype)

# 3. 定义毛化偏移量 offset（随机点的取值范围）
offset = 10

# 4. 对整幅图像进行毛化处理
for row in range(src_h):
    for col in range(src_w):
        # 1-2. 计算当前像素点 row, col 的偏移量
        row_offset = row + rnd.randint(0, offset)
        col_offset = col + rnd.randint(0, offset)
        # 3. row，col 越界处理，因为 offset 为正，所以只有右下越界
        if row_offset >= src_h:
            row_offset = row - 1
        if col_offset >= src_w:
            col_offset = col - 1
        # 4. 对当前像素进行赋值
        dst[row, col] = src[row_offset, col_offset]

# 5. 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("dst", dst)

key = cv.waitKey(0)
print("key = ", key)

运行结果
在这里插入图片描述

20_浮雕效果.py

原理

  • 图像模糊是因为图像中物体的边缘轮廓不明显, 再进一步理解就是物体边缘灰度变化不强烈,层次感不强。
  • 那么反过来, 如果物体轮廓边缘灰度变化明显些, 层次感强些图像就清晰一些。
  • 灰度变化强度定义：在微积分中, 微分就是求函数的变化率,即导数(梯度). 梯度可以把它理解为颜色变化的强度, 更直白一点说梯度相当于是2个相邻像素之间的差值!

在这里插入图片描述

  • 第一行数据, 在X轴方向上,颜色值都为100,并没有看到任何的边缘
  • 在Y轴方向上, 可以看到100和50之间有明显的边缘,这个就是梯度
  • opencv中实现浮雕效果,只需套用公式: gray = gray0 - gray1 + 120
  • 相邻像素值之差可以体现边缘的突变或者称为梯度
  • 末尾加上120只是为了增加像素值的灰度
  • 运算的过程中,还需要注意计算结果有可能小于0或者大于255

代码

"""
需求：
对整幅图像进行浮雕效果处理（锐化处理）（对图像进行梯度处理）

具体做法
微分就是求函数的变化率,即导数（梯度）.
其实梯度我们可以把它理解为颜色变化的强度,
更直白一点说梯度相当于是2个相邻像素之间的差值!

算法（水平方向）
1. 获取前一个像素的值
2. 获取当前像素的值
3. 计算梯度（微分，颜色突变）：当前像素值 - 前一个像素值
4. 对梯度结果进行调节（补偿增量）
5. 将处理过的梯度结果赋值到当前像素位置


流程
1. 读取图像，并获取信息，转化成灰度图
2. 创建单通道同尺寸画布
3. 对原图进行梯度处理
4. 显示图像，等待按键
"""

import cv2 as cv
import numpy as np

# 1. 读取图像，并获取信息，转化成灰度图
filename = r"../img/lena.jpg"
src = cv.imread(filename, cv.IMREAD_COLOR)
src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
src_h = src.shape[0]
src_w = src.shape[1]

# 2. 创建一个与原图像大小通道相同的画布
# dst = np.zeros((src_h, src_w, 3), np.uint8)
dst_1 = np.zeros(src_gray.shape, src_gray.dtype)
dst_2 = np.zeros(src_gray.shape, src_gray.dtype)

# 3. 对原图进行梯度处理
for row in range(src_h):
    for col in range(src_w):
        # 1. 获取前一个像素的值（复习：索引的正序与倒序，-1表示倒序第一个元素）
        color_pre = src_gray[row, col - 1]
        # 2. 获取当前像素的值
        color_cur = src_gray[row, col]
        # 3. 计算梯度（微分，颜色突变）：int(当前像素值) - int(前一个像素值)
        gradient = int(color_cur) - int(color_pre)
        # 4. 对梯度结果进行调节（补偿增量）
        gradient = gradient + 120
        # gradient = np.uint8(gradient + 120)
        gradient = 255 if gradient > 255 else gradient
        gradient = 0 if gradient < 0 else gradient
        # 5. 将处理过的梯度结果赋值到当前像素位置z
        dst_1[row, col] = gradient

for col in range(src_w):
    for row in range(src_h):
        # 1. 获取前一个像素的值（复习：索引的正序与倒序，-1表示倒序第一个元素）
        color_pre = src_gray[row - 1, col]
        # 2. 获取当前像素的值
        color_cur = src_gray[row, col]
        # 3. 计算梯度（微分，颜色突变）：int(当前像素值) - int(前一个像素值)
        gradient = int(color_cur) - int(color_pre)
        # 4. 对梯度结果进行调节（补偿增量）
        gradient = gradient + 120
        # gradient = np.uint8(gradient + 120)
        gradient = 255 if gradient > 255 else gradient
        gradient = 0 if gradient < 0 else gradient
        # 5. 将处理过的梯度结果赋值到当前像素位置z
        dst_2[row, col] = gradient

# 如何通过掩膜进行数据筛选？
rst2 = dst_1 + dst_2
# rst = int((int(dst_1) + int(dst_2)) / 2)
# mask = rst > 255
# rst[mask] = 255
rst = np.zeros(src_gray.shape, src_gray.dtype)

for row in range(src_h):
    for col in range(src_w):
        rst[row, col] = int(dst_1[row, col]) + int(dst_2[row, col])
        rst[row, col] = 255 if rst[row, col] > 255 else rst[row, col]
        rst[row, col] = 0 if rst[row, col] < 0 else rst[row, col]

# 5. 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("dst1", dst_1)
cv.imshow("dst2", dst_2)
cv.imshow("rst", rst)
cv.imshow("rst2", rst2)

key = cv.waitKey(0)
print("key = ", key)

运行结果
在这里插入图片描述

21_绘制形状.py

代码

import cv2 as cv
import numpy as np

# 创建一个画布
dst = np.zeros((600, 800, 3), np.uint8)

# 绘制线段 1.图片 2.起始点 3.结束点 4.颜色 5.粗细
cv.line(dst, (95, 30), (480, 30), (0, 0, 255), 4)
# 绘制线段 1.图片 2.起始点 3.结束点 4.颜色 5.粗细 6.线条类型，抗锯齿
cv.line(dst, (95, 60), (480, 60), (0, 255, 255), 4, cv.LINE_AA)

# 绘制三角形 3 条线段
cv.line(dst, (70, 500), (150, 420), (255, 0, 0), 2, cv.LINE_AA)
cv.line(dst, (150, 420), (250, 500), (0, 255, 0), 2, cv.LINE_AA)
cv.line(dst, (250, 500), (70, 500), (0, 0, 255), 2, cv.LINE_AA)

# 绘制矩形  1.图像  2.左上角 3.右下角   4.颜色  5.粗细，若为负数则为填充 6.线条类型
cv.rectangle(dst, (72, 130), (200, 200), (255, 0, 0), 2, cv.LINE_AA)

cv.rectangle(dst, (72, 230), (200, 400), (255, 0, 0), -1, cv.LINE_AA)

# 绘制圆形 1.图像 2.圆心  3.半径  4.颜色  5.粗细 6.类型
cv.circle(dst, (380, 290), 100, (255, 0, 0), -1, cv.LINE_AA)

cv.imshow("dst", dst)
cv.waitKey(0)

运行结果
在这里插入图片描述

22_绘制文字.py

代码

"""
todo
用于物体识别
"""

import cv2 as cv

src = cv.imread("../img/room.jpg", cv.IMREAD_COLOR)

# 绘制矩形
cv.rectangle(src, (376, 160), (674, 234), (200, 200, 0), 2, cv.LINE_AA)

# 绘制文字: 1.图像 2.文本，不能有中文,3.起始位置 4.字体类型         5. 缩放  6.颜色 7.粗细  8.类型
cv.putText(src, 'www.baidu.com', (379, 151), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv.LINE_AA)

cv.circle(src, (379, 151), 2, (255, 255, 0), -1)

cv.imshow("src", src)

cv.waitKey(0)

运行结果
在这里插入图片描述

23_绘制文字_贴图.py

代码

"""
需求：todo
1. 将原图的特定区域框起来，并绘制文本
2. 将目标图像绘制到原图的指定位置
"""

import cv2 as cv

src = cv.imread("../img/room.jpg", cv.IMREAD_COLOR)

# 绘制矩形
cv.rectangle(src, (376, 160), (674, 234), (200, 200, 0), 2, cv.LINE_AA)

# 绘制文字: 1.图像 2.文本，不能有中文,3.起始位置 4.字体类型         5. 缩放  6.颜色 7.粗细  8.类型
cv.putText(src, 'this is a block', (379, 151), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv.LINE_AA)

cv.circle(src, (379, 151), 2, (255, 255, 0), -1)

# 读取lena图片
lena = cv.imread("../img/lena.jpg")

# 图像下采样
lena = cv.pyrDown(lena)
height = lena.shape[0]
width = lena.shape[1]
# 贴图 获取到lena图像中的每一个像素
for row in range(height):
    for col in range(width):
        # 获取lena图中的颜色值
        color = lena[row, col]

        # 将颜色值填充到原图中的某个位置
        offsetRow = 150
        offsetCol = 100

        src[offsetRow + row, offsetCol + col] = color

cv.imshow("lena", lena)
cv.imshow("src", src)

cv.waitKey(0)

运行结果
在这里插入图片描述

24_图片调亮.py

代码

"""
需求：
1. 读取图像，获取信息
2. 定义增量变量
3. 遍历每一个像素点，将像素值调高
4. 显示图像，等待按键
"""

import cv2 as cv
import numpy as np

# # 通过 图像 * 数值 进行图像颜色调节
# # 创建一个黑色的图像
# dst = np.ones((600, 400, 1), np.uint8)
# cv.imshow("dst1", dst)
#
# dst *= 100
# cv.imshow("dst2", dst)
#
# dst *= 2
# cv.imshow("dst3", dst)
#
# key = cv.waitKey(0)
# print("key = ", key)


# 1. 读取图像，获取信息
filename = r"../img/lena.jpg"
src = cv.imread(filename, cv.IMREAD_COLOR)
src_h = src.shape[0]
src_w = src.shape[1]

# 2. 定义增量变量
offset = 50

# 3. 遍历每一个像素点，将像素值调高
dst = np.zeros(src.shape, src.dtype)

for row in range(src_h):
    for col in range(src_w):
        # B, G, R = src[row, col][0], src[row, col][1], src[row, col][2]
        color = src[row, col]
        # 修改每个通道像素值
        B = int(color[0]) + offset
        G = int(color[1]) + offset
        R = int(color[2]) + offset
        # 溢出处理
        B = 255 if B > 255 else B
        G = 255 if G > 255 else G
        R = 255 if R > 255 else R
        # 修改原图像
        dst[row, col] = (B, G, R)

# 4. 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("dst", dst)

key = cv.waitKey(0)
print("key = ", key)

运行结果
在这里插入图片描述

25_图片调亮_滑动条.py

代码

"""
需求：
1. 读取图像，获取信息
2. 定义增量变量
3. 遍历每一个像素点，将像素值调高
4. 显示图像，等待按键


将图像调节代码封装成一个函数，change_brightness
在通过 cv 的 createTrackbar api 调用这个函数

疑问，如何调用多参数回调函数

"""

import cv2 as cv
import numpy as np


# # 通过 图像 * 数值 进行图像颜色调节
# # 创建一个黑色的图像
# dst = np.ones((600, 400, 1), np.uint8)
# cv.imshow("dst1", dst)
#
# dst *= 100
# cv.imshow("dst2", dst)
#
# dst *= 2
# cv.imshow("dst3", dst)
#
# key = cv.waitKey(0)
# print("key = ", key)

# todo. 多参数回调函数如何传参？
# def change_brightness(img_src, img_dst, offset):
#     height = img_src.shape[0]
#     width = img_src.shape[1]
#     for row in range(height):
#         for col in range(width):
#             # B, G, R = src[row, col][0], src[row, col][1], src[row, col][2]
#             color = src[row, col]
#             # 修改每个通道像素值
#             B = int(color[0]) + offset
#             G = int(color[1]) + offset
#             R = int(color[2]) + offset
#             # 溢出处理
#             B = 255 if B > 255 else B
#             G = 255 if G > 255 else G
#             R = 255 if R > 255 else R
#             # 修改原图像
#             img_dst[row, col] = (B, G, R)
#     # 每一次调节显示图像
#     cv.imshow("dst", img_dst)

def change_brightness(offset):
    global src, dst
    for row in range(src_h):
        for col in range(src_w):
            # B, G, R = src[row, col][0], src[row, col][1], src[row, col][2]
            color = src[row, col]
            # 修改每个通道像素值
            B = int(color[0]) + offset
            G = int(color[1]) + offset
            R = int(color[2]) + offset
            # 溢出处理
            B = 255 if B > 255 else B
            G = 255 if G > 255 else G
            R = 255 if R > 255 else R
            # 修改原图像
            dst[row, col] = (B, G, R)
    # 每一次调节显示图像
    cv.imshow("dst", dst)


def on_track_bar(img, offset):
    print("img = ", img)
    print("offset = ", offset)


# 1. 读取图像，获取信息
filename = r"../img/lena.jpg"
src = cv.imread(filename, cv.IMREAD_COLOR)
src_h = src.shape[0]
src_w = src.shape[1]

# 3. 创建一个与原图像相同属性的画布
dst = np.zeros(src.shape, src.dtype)

# 4. 显示图像，等待按键
cv.imshow("src", src)
cv.imshow("dst", src)

# 5. 创建滑动条，并绑定 change_brightness 函数
# cv.createTrackbar("brightness", "dst", -100, 100, on_track_bar)
cv.createTrackbar("brightness", "dst", 0, 100, change_brightness)

# on_track_bar(30)

key = cv.waitKey(0)
print("key = ", key)

运行结果
在这里插入图片描述

for 循环效率很低，可以尝试采用数组广播方式

飞天牛牛
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
opencv_exercises:opencv python练习
04-30
git clone方便大家下载使用，提供本项目压缩包链接：找不到包：ModuleNotFoundError：No module named 'cv2'解决：首先要安装opencv包 pip install opencv-python，若还没有解决，需要在pycharm中引入解释器环境，...
opencv中矩阵赋值
drrlalala的专栏
03-04 7315
第一次赋值方法： float Coordinates[ ]={  0.83,0.90,0.99,0.92,0.87, 326,285,340,287,310, 21,38,25,19,27, 3.2,2.4,2.2,2.0,0.9, 0.20,0.25,0.12,0.33,0.20, 0.15,0.20,0.14,0.09,0.15, 250,180
OpenCV的setTo函数及Mat mat=labels==1详解
小伟锅的博客
07-08 3039
opencv的setTo函数是将图像设置为某个值，比如有一个Mat src，想将他的值全部设置成0，则可以src.setTo(0)   另外，setTo还有更为高级的用法： 1.对于一个已知的src，我们要将其中大于或者小于某个值的像素值设置为指定的值，则可以如下：src.setTo(0,src 2.src.setTo(颜色值,mat);这里的意思是，将mat矩阵中值为255位置与其相
【OpenCV学习】多通道矩阵的赋值和取值
weixin_34391854的博客
12-07 573
作者：gnuhpc 出处：http://www.cnblogs.com/gnuhpc/   #pragma comment( lib, "cxcore.lib" ) #include "cv.h" #include &lt;stdio.h&gt; void main() { //矩阵元素为三通道浮点数 CvMat* mat = cvCreateMat(3,3...
C++ OpenCV cv::Mat 矩阵操作
flyfish
05-03 3471
C++ OpenCV cv::Mat 矩阵操作 flyfish 文章目录C++ OpenCV cv::Mat 矩阵操作矩阵的结构创建赋值或者拷贝构造clonecopyTo 矩阵的结构 矩阵包括三部分 一是矩阵头部包括矩阵的行数，列数，维度，存储方法，矩阵地址等等 二是指向矩阵的指针 三是该指针指向的矩阵数据 矩阵数据区的样子 创建 cv::Mat A;仅仅创建了矩阵头部 A = cv::imread(“1.jpg”, 1); //这时候才开辟内存，数据区才有内容 赋值或者拷贝构造 无论是赋值cv::M
OpenCV内阈值处理方法
计算机视觉之光
06-13 906
阈值分割是指剔除图像内高于一定值或者低于一定值的像素点。例如，设定阈值为“127”，将图像内： l所有像素值大于127的像素点设为255 l所有像素值小于等于127的像素点设为0 通过上述方式，会得到一幅二值图像。如图6- 1所示，按照上述阈值分割方式将一副灰度图像处理为一幅二值图像，有效地实现了前景和背景的分离。 图6-1阈值分割示例 在OpenCV中提供了函数cv2.threshold()和函数cv2.adaptiveThreshold()实现阈值分割。 6.1 threshold...
opencv-python api手册.rar
08-19
opencv-python api手册.rar
OpenCV-Python-Tutorial::open_book: OpenCV-Python 初学者图像处理教程
05-30
面向初学者的OpenCV-Python教程教程地址:本仓库为教程中所用到的源码、图片和音视频素材等目录入门篇标题简介了解和安装OpenCV-Python度量运行时间/提升效率的几种方式图片的载入/显示和保存高保真保存图片、...
支持GPU的OpenCV-python代码
06-05
1、James Bowley编译好的OpenCv库，https://jamesbowley.co.uk/downloads/#OpenCV4.5.0 ...4、OpenCV是计算机视觉和机器学习软件库，功能非常强大，通过pip安装的Python版本仅支持CPU运算，可以使用该资源进行GPU运算
opencv python 2D直方图的示例代码.pdf
04-17
opencv python 2D直方图的示例代码
Python 产生任意形状的封闭图形，并将封闭区域赋值
08-17
代码用于产生任意形状的封闭图形并将封闭区域内进行赋值
opencv笔记4 遍历图像每一个像素点并赋值
baigei_master的博客
05-18 1991
程序（遍历图像每一个像素点并赋值） //头文件 #pragma once #include <iostream> #include <opencv.hpp>//opencv头文件 using namespace cv;//opencv名空间 using namespace std; //源程序 #include "tou1.h" int main(int argc, char** argv) { Mat sss = imread("1.png", 1); if (sss.
opencv图像处理-常见绘图函数
qq_45828428的博客
10-23 1892
介绍 opencv 中常用的一些绘图函数 cv.line()，cv.circle()，cv.rectangle()，cv.ellipse()，cv.putText()等。 在上述所有功能中，有一些常见的参数，如下所示: img: 要绘制形状的图像 color: 形状的颜色。对于 BGR，将其作为元组传递，例如：(255,0,0)蓝色。对于灰度，只需传递标量值即可。 thickness: 线条粗细。如果对闭合图形（如圆）传递-1(或 cv.FILLED) ，它将填充形状。默认= 1 lineType: 线
OpenCV-Python学习（11）—— OpenCV 图像几何形状绘制(cv.line、cv.circle、cv.rectangle、cv.ellipse)
止于至善
10-26 4871
绘制弧形使用椭圆绘制函数；填充图形使用thickness 的值为 -1；绘制图形不能超出图像，超出部分直接按照图像边缘截取；图像尺寸较小时，LINE_4 线型存在明显的锯齿，LINE_AA 线型更加平滑；图像尺寸较大时，则线型的影响并不大，推荐采用默认值 LINE_8。
【OpenCV 例程 300篇】213. 绘制圆形
youcans的博客
06-28 2569
函数 cv.circle() 用来在图像上绘制圆形。
cvLine函数
jinwanchiji的博客
12-28 8280
功能：画一条线段连接两个点。   函数形式：  void cvLine ( CvArr * img, CvPoint pt1, CvPoint pt2, CvScalar color, int thickness = 1, int line_type = 8, int shift = 0 )   参数列表： img :为一个图像类型的指针,指向单通道或多通道的图像
【opencv函数】cv::circle()在图像中画圆
ingy
04-23 4984
cv::circle画圆函数
cv2绘图 cv.line()，cv.circle()，cv.rectangle()，cv.ellipse()，cv.putText() python
weixin_63676550的博客
11-28 3021
cv绘图 cv.line()，cv.circle()，cv.rectangle()，cv.ellipse()，cv.putText()
OpenCV - C++ - cv::circle
热门推荐
既然选择了远方 便只顾风雨兼程 - 永强
02-28 2万+
OpenCV - C++ - cv::circle https://docs.opencv.org/4.2.0/d6/d6e/group__imgproc__draw.html 1. cv::circle C++ void cv::circle (InputOutputArray img, Point center, int radius, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0) Python i
python运行出现：cv2.error: OpenCV(4.8.1) D:\a\opencv-python\opencv-python\opencv\modules\highgui\src\wi
最新发布
12-30
根据引用内容，出现"cv2.error: OpenCV(4.8.1) D:\a\opencv-python\opencv-python\opencv\modules\highgui\src\wi"的错误是由于OpenCV库的问题导致的。可能的解决方法如下： 1. 重新安装OpenCV-Python库：可以尝试...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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