图像处理笔记《未完待续》

最新推荐文章于 2024-06-13 00:30:00 发布

潘聪明

最新推荐文章于 2024-06-13 00:30:00 发布

阅读量944

点赞数

分类专栏：图像处理

本文链接：https://blog.csdn.net/weixin_44719615/article/details/105987122

版权

图像处理专栏收录该内容

9 篇文章 9 订阅

订阅专栏

怎么寻找最优二值化值：（可以是固定值或动态值）

点操作：.线性点操作：F（D）=aD+b 若a>1,则对比度增强，contrast increased

非线性点操作：F（x）=x+C（D-x） D:最大化灰度水平maximun grey level

图像之间的加减乘除：（应用：去噪声，背景去除）

几何操作：（应用：图像的放大，缩小，旋转）插值算法：最近邻插值法，多项式差值

数字图像的三要素：

pixel（picture element 像素）

Grey level（灰度值）

Coordinates（坐标）

标准的图像处理流程：

low level (image filtering )————intermediate level(图像分割)————high level(图像识别)

1.灰度直方图

.图像灰度值直方图的应用: 灰度值直方图中两个峰之间的谷底即为二值化的最佳阈值）

原始图片

灰度直方图

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('D:/pan.jpg').convert('L'))

plt.figure("lena")
arr=img.flatten()
n, bins, patches = plt.hist(arr, bins=256, normed=1, facecolor='green', alpha=0.75)  
plt.show()

效果

彩色图片的直方图

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
src=Image.open('D:/pan.jpg')
r,g,b=src.split()

plt.figure("lena")
ar=np.array(r).flatten()
plt.hist(ar, bins=256, normed=1,facecolor='r',edgecolor='r')
ag=np.array(g).flatten()
plt.hist(ag, bins=256, normed=1, facecolor='g',edgecolor='g')
ab=np.array(b).flatten()
plt.hist(ab, bins=256, normed=1, facecolor='b',edgecolor='b')
plt.show()

2.二值化：

（寻找最优的二值化值可以将图像的轮廓清晰的显现出来）即图片上只有两个灰度值，一般用0和255这两个灰度值。

怎么寻找最优二值化值：（可以是固定值或动态值）

若在灰度直方图上有双峰值，峰值之间的最小值一般就是最优的二值化分界点

寻找最优二值化值算法的初始值经常定义为一个mean值，即图像中灰度值的平均值。

寻找最优二值化算法：1.Isodata 算法

2.OTSU算法（大松算法）：

3.entropy算法：（熵算法）

4.triangle算法：

上述的方法都是求解的fixed 二值化值

######固定的fixed二值化值
import cv2 as cv
import matplotlib.pyplot as plt
im = cv.imread('D:/pan.jpg')
imgray = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
retval,dst = cv.threshold(imgray,90,255,cv.THRESH_TOZERO)
plt.imshow(dst,'gray')
plt.show()

结果图：

具体参数的意义参见官网：https://docs.opencv.org/4.1.2/d7/d1b/group__imgproc__misc.html#ggaa9e58d2860d4afa658ef70a9b1115576a147222a96556ebc1d948b372bcd7ac59

5.自适应的二值化算法（动态二值化值）：

######自适应算法求取二值化值

import cv2 as cv
import matplotlib.pyplot as plt
im = cv.imread('D:/pan.jpg')
imgray = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
im_at_mean = cv.adaptiveThreshold(imgray,255, cv.ADAPTIVE_THRESH_MEAN_C,
                                  cv.THRESH_BINARY,29,13)
plt.imshow(im_at_mean,'gray')
plt.show()

具体参数的意义参见官网：https://docs.opencv.org/4.1.2/d7/d1b/group__imgproc__misc.html#ggaa9e58d2860d4afa658ef70a9b1115576a147222a96556ebc1d948b372bcd7ac59

结果图：