opencv multiply_OpenCV源码系列|图像去摩尔纹

9571f8fac76245103dab6cc387a9ca41.png

摩尔纹

e489ff2c2f00a28341ce990224c22b44.png

去摩尔纹(不知能否看出区别)

b2eea0482844e6c96d7f369e0d4da6e0.png

代码实现:

#include "opencv2/opencv.hpp"typedef cv::Mat Mat;Mat image_add_border( Mat &src ){
        int w=2*src.cols;    int h=2*src.rows;    std::cout << "src: " << src.cols << "*" << src.rows << std::endl;    cv::Mat padded;    //扩充src的边缘,将图像变大,然后以各种外插方式自动填充图像边界,就可以处理边界的情况了    copyMakeBorder( src, padded, 0, h-src.rows, 0, w-src.cols,                    cv::BORDER_CONSTANT, cv::Scalar::all(0));    padded.convertTo(padded,CV_32FC1);    std::cout << "opt: " << padded.cols << "*" << padded.rows << std::endl;    return padded;}//transform to center 中心化void center_transform( cv::Mat &src ){
        for(int i=0; i        float *p = src.ptr<float>(i);        for(int j=0; j            p[j] = p[j] * pow(-1, i+j);        }    }}//对角线交换内容void zero_to_center(cv::Mat &freq_plane){
        //这里为什么&上-2具体查看opencv文档    //其实是为了把行和列变成偶数 -2的二进制是11111111.......10 最后一位是0    int cx=freq_plane.cols/2;    int cy=freq_plane.rows/2;//以下的操作是移动图像  (零频移到中心)    cv::Mat part1_r(freq_plane, cv::Rect(0,0,cx,cy));  //元素坐标表示为(cx,cy)    cv::Mat part2_r(freq_plane, cv::Rect(cx,0,cx,cy));    cv::Mat part3_r(freq_plane, cv::Rect(0,cy,cx,cy));    cv::Mat part4_r(freq_plane, cv::Rect(cx,cy,cx,cy));    cv::Mat tmp;    part1_r.copyTo(tmp);  //左上与右下交换位置(实部)    part4_r.copyTo(part1_r);    tmp.copyTo(part4_r);    part2_r.copyTo(tmp);  //右上与左下交换位置(实部)    part3_r.copyTo(part2_r);    tmp.copyTo(part3_r);}void show_spectrum( cv::Mat &complexI ){
        cv::Mat tem
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要使用 OpenCV 处理 DICOM 图像,你需要先将 DICOM 文件读入内存中,然后将其转换为 OpenCV Mat 对象。可以使用 pydicom 库来读取 DICOM 文件,然后使用 OpenCV 的 cv2.imread() 函数将其转换为 Mat 对象。 以下是一个简单的示例代码,演示如何读取 DICOM 文件并将其转换为 OpenCV Mat 对象: ```python import cv2 import pydicom # 读取 DICOM 文件 ds = pydicom.dcmread('path/to/dicom/file.dcm') # 将 DICOM 数据转换为 OpenCV Mat 对象 img = ds.pixel_array.astype('uint16') img = cv2.normalize(img, None, 0, 65535, cv2.NORM_MINMAX) img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) ``` 对于将照片转换为素描风格,可以使用 OpenCV 中的 Pencil Sketch 算法。该算法包括两个步骤:首先将图像转换为灰度图像,然后应用高斯模糊和 Sobel 滤波器来生成素描效果。 以下是一个简单的示例代码,演示如何将照片转换为素描风格: ```python import cv2 # 读取图像 img = cv2.imread('path/to/image.jpg') # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 应用高斯模糊 gray_blur = cv2.GaussianBlur(gray, (21, 21), 0) # 应用 Sobel 滤波器 sobelx = cv2.Sobel(gray_blur, cv2.CV_64F, 1, 0, ksize=5) sobely = cv2.Sobel(gray_blur, cv2.CV_64F, 0, 1, ksize=5) sobel = cv2.addWeighted(sobelx, 1, sobely, 1, 0) # 反转颜色并应用归一化阈值 sketch = 255 - cv2.threshold(sobel, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1] sketch = cv2.normalize(sketch, None, 0, 255, cv2.NORM_MINMAX) # 显示结果 cv2.imshow('Original', img) cv2.imshow('Sketch', sketch) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这将显示原始图像和转换后的素描图像。你可以调整算法的参数来获得不同的效果。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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