python下openCV学习笔记（二）图像灰度转化，模糊化，边缘检测，膨胀与腐蚀

---

一、图像的灰度化

很多时候我们在进行图像处理的时候，需要使用灰度图像，为什么使用灰度图像？从目前已知的知识来看，灰度图像相较于彩色图像处理起来更快，灰度化之后矩阵维数下降，运算速度大幅度提高，并且梯度信息仍然保留。但是若使用关于颜色的算法就当然的不能对 图像进行灰度化

import cv2

img = cv2.imread("img/bingbing_is_mine.jpg")

imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  #对图像进行灰度化，两个参数，第一个指图像数据，
												#第二个参数指灰度

cv2.imshow("imgGray",imgGray)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用cvtColor()方法对图像进行颜色空间转换（HSV，HSI等颜色空间转换），也可以向灰度转换。在openCV中，使用BGR来指代RGB颜色，所以COLOR_BGR2GRAY表示转换为灰度（RGB to Gray？）

---

二、图像的模糊化

import cv2


img = cv2.imread("img/bingbing_is_mine.jpg")

imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

imgBlur = cv2.GaussianBlur(imgGray,(7,7),0)  #使用高斯滤波对图像进行模糊化处理

cv2.imshow("imgBefore",imgGray)
cv2.imshow("imgAfter",imgBlur)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用GaussianBlur()方法对图像进行平滑（模糊）处理，上面代码展示是对灰度图像的模糊化处理。
什么是高斯滤波？形象点说就是用一个模板（高斯核）对图像从左到右，从上到下遍历过去。类似于CNN神经网络。
常用的参数是 cv2.GaussianBlur(src, (blur1, blur2), 0)：
第一个参数指的是原图像，
第二个参数高斯核大小，一般是奇数，其中越大则模糊程度越大，（1,1）则表示不处理，两个数可以不同。
第三个参数指的是标准差，一般取0。

---

三、图像的边缘检测

import cv2

img = cv2.imread("img/bingbing_is_mine.jpg")

imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

imgBlur = cv2.GaussianBlur(imgGray,(5,5),0)

imgCanny1 = cv2.Canny(imgBlur,100,150)   #边缘检测代码
imgCanny2 = cv2.Canny(imgBlur,50,100)

cv2.imshow("imgBefore",imgCanny1)  
cv2.imshow("imgAfter",imgCanny2)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用Canny()函数对图像进行边缘检测。在使用高斯滤波去除图像噪点消除影响后，可以对图像进行边缘检测。常用参数cv2.Canny(src, thresh1, thresh2) ：
第一个参数：src表示输入的图片，
第二个参数：thresh1表示最小阈值，
第三个参数：thresh2表示最大阈值，双阈值用于删选边缘信息。
下图是不同阈值之间的比较，可以看出在最大阈值和最小阈值都偏小的情况下，我们可以看出右边的冰冰比左边的冰冰拥有更多的轮廓信息，但也容易存在非边缘点的信息。

四、图像的膨胀与腐蚀

import cv2
import  numpy as np

img = cv2.imread("img/bingbing_is_mine.jpg")
kernel = np.ones((5,5),np.uint8)

imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur = cv2.GaussianBlur(imgGray,(5,5),0)
imgCanny = cv2.Canny(imgBlur,50,100)

imgDialation = cv2.dilate(imgCanny,kernel,iterations=1)  #膨胀
imgEroded = cv2.erode(imgDialation,kernel,iterations=1)  #腐蚀

cv2.imshow("imgBefore",imgCanny)
cv2.imshow("imgAfter1",imgDialation)
cv2.imshow("imgAfter2",imgEroded)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.dilate()与cv2.erode()分别是图像的膨胀与腐蚀，这里一般有三个参数：
第一个参数是原图像，第二个参数是核的大小，第三个参数是迭代次数。
这里我仅运行过一次代码并未深入学习。

下图中第一张图为边缘检测图，第二张图为膨胀图像，第三章为膨胀图像的腐蚀图像。