读取图片灰度值区间python_python opencv，读取彩色图像，提取三通道，图像二值化，提取图像的边缘...

python opencv，读取彩色图像，提取三通道，图像二值化，提取图像的边缘

python opencv

1,读取图像

2，图像变矩阵

3，图像转灰度图像

4，彩色图像是3D数组

5，灰度图像是2D数组

6，彩色图像是3个2D数组

7，彩色图像有3个通道，提取3个通道

#Copyright

通道0

通道1

通道2

总结：

1个彩色图像，可以分解为3个灰度图像

3个灰度图像合起来是一个彩色图像

通道2图像，观察到花很白。如果

图像很白，说明对应的像素值大。

所以，做一个二值处理。

当像素值大于180，显示255

当像素值小于等于180，显示为0

created[created>180]=255
created[created<=180]=0

、

这个图像就是2值图像。

什么是2值图像，就是里面只有黑和白。

通道3变成了2值图像以后，有什么变化。

在通道3，

看到有花，有枝条，有朦胧的一个背景。

在二值图像，

就看到了花。

花尾巴部分，变成了白色，原来是灰色。

枝条没有了。

朦胧的背景也没有了

所以，二值图像，消除了枝条。

消除了朦胧的背景。

只显示了我们关心的花。

仔细观察图像变化，很重要！

对于二值图像，显示边缘。

什么是边缘。

举例：

000011100

左边连续的0，都是黑

所以0-0=0

右边-左边

01

左边是0，右边是1

这里就是边缘了

右边-左边=1

111连续的1，都是白色

10

这里是边缘，因为从1变0

00

都是黑

按照这个道理。

修改二值图像，提取边缘

for i in range(0,rows):
    for j in range(0,cols-1):
        #created[i,j]=created[i,j+1]-created[i,j]# 0-0 255-255 255-0 0-255
        if(created[i,j+1]<=created[i,j]):
            created[i,j]=0
        else:
            created[i,j]=255

现在图像里面，只有一些白色的线条。

白色的面积小了很多了。

而且这些白色线条，组成了花的轮廓。

for 

读者可以更换其他图像试试，看看效果

总结：

对图像处理的步骤

1，彩色图像

2，提取3个通道

3，把第三通道的图像做二值化，阈值自己可以调整的

4，把二值化图像，提取了边缘