数字图像处理笔记
鲨鱼味小草莓
这个作者很懒,什么都没留下…
展开
-
python 仿射变换 伪彩上色
通过仿射变换将扭曲的图片拉正,并填上伪彩色,对应四个点的坐标可以通过imshow打开图片后将鼠标放置在相应点上来记录,也可以通过电脑中的画图软件打开然后找点。代码:import cv2import numpy as npimg = cv2.imread('3.jpg')#img2 = cv2.imread('2.jpg')'''cv2.namedWindow('img',0)cv2.namedWindow('img2',0)cv2.imshow('img',img)cv2.imshow(原创 2021-02-01 16:31:12 · 343 阅读 · 1 评论 -
python 阈值分割 给黑白图像上伪彩色
完整代码在最后。一、处理结果图1 原图像(左)和上色后图像(右)二、实现方法Opencv中提供了五种阈值分割的函数,将这五种函数均应用于源图像观察其效果。图2 五种阈值分割函数作用于原图像img1图3 阈值分割结果(左上为原图像) 发现第四种方法可以分割到完整的花瓣部分并保留细节,第五种方法即第四种的取反可以分割到叶子的部分并保留细节。取这两种方法的结果,用mapcolor上色。图4 上色算法图5 两张图上色分开的结果...原创 2021-02-01 16:27:02 · 4402 阅读 · 0 评论 -
python实现腐蚀膨胀
腐蚀膨胀是形态学的基本处理方法开运算:先腐蚀后膨胀,可消除细小物体或断开两个区域间的细小连接处。闭运算:先膨胀后腐蚀,填充物体内细小空洞,连接邻近物体和平滑边界。代码:import cv2import numpy as npfrom matplotlib import pyplot as pltdef erode_demo(pic): #gray = cv2.cvtColor(pic,cv2.COLOR_RGB2GRAY) # 原图片类型转换为灰度图像 #ret, bin.原创 2021-02-01 16:22:21 · 3330 阅读 · 0 评论 -
python实现高斯滤波
'''高斯滤波'''import cv2import numpy as np# Gaussian filterdef gaussian_filter(img, K_size=3, sigma=1.3): if len(img.shape) == 3: H, W, C = img.shape else: img = np.expand_dims(img, axis=-1) H, W, C = img.shape原创 2021-02-01 16:15:56 · 1195 阅读 · 4 评论 -
一句代码实现高斯滤波 中值滤波 双边滤波 均值滤波
均值滤波定义:均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板,即包括目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。特点:在图像去噪的同时不能很好的保留细节,会使图像明显变模糊。不适用于椒盐噪声。代码:# 均值滤波img_mean = cv2.blur(img, (25,25))中值滤波定义:中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像原创 2021-02-01 15:24:16 · 402 阅读 · 0 评论