opencv(day two)

weixin_57848499

已于 2022-10-22 19:58:17 修改

阅读量493

点赞数

分类专栏：人工智能文章标签： opencv python 计算机视觉

于 2022-10-22 11:06:37 首次发布

本文链接：https://blog.csdn.net/weixin_57848499/article/details/127458897

版权

人工智能专栏收录该内容

2 篇文章 0 订阅

订阅专栏

这篇博客介绍了图像处理中的颜色过滤和形态学变换技术。首先，通过设置HSV阈值对红色进行过滤，然后利用腐蚀、膨胀、开操作和闭操作等形态学方法对图像进行处理，以消除噪声和增强目标特征。此外，还提到了均值滤波、高斯滤波和中值滤波等滤波技术在减少图像噪声方面的作用。

摘要由CSDN通过智能技术生成

1.颜色过滤

import numpy as np
import cv2

#lower_red和upper_red是黑色HSV阈值
lower_red = np.array([0,0,0])
upper_red = np.array([180,255,46])
img = cv2.imread("D:\\color_filtering.jpg",cv2.IMREAD_COLOR)
#颜色过滤后的对象hsv
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
#cv2.inrange()函数可以设定阈值
mask = cv2.inRange(hsv,lower_red,upper_red)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.imshow('mask',mask)
cv2.waitKey(0)
#销毁动作，因为是两张图片，所以用destoryAllWindows,不用destoreWindow
cv2.destroyAllWindows()

2.形态变换

先对原图的黑色进行过滤，过滤后分别进行服饰，膨胀，开操作，比操作

腐蚀：让滑块滑动（此处滑块的大小为5×5像素的）。如果滑块内所有的像素都是白色的，那么得到白色，否则得到黑色。腐蚀有助于消除一些白色噪声

膨胀：于腐蚀相反，如果整个滑块不全部是黑色的，就会转成白色。

开操作：先腐蚀后膨胀，消除二值图像中小的白色干扰区域

比操作：先膨胀后腐蚀，消除二值图像中小的黑色干扰区域

import cv2
import numpy as np
lower_red = np.array([0,0,0])
upper_red = np.array([180,255,46])

img = cv2.imread("D:\\color_filtering.jpg",cv2.IMREAD_COLOR)

hsv = cv2.cvtColor(img,cv2.COLOR_RGB2HSV)
mask = cv2.inRange(hsv,lower_red,upper_red)

kernel = np.ones((5,5),np.uint8)
#腐蚀
erosion = cv2.erode(mask,kernel,iterations=1)
#膨胀
dilation = cv2.dilate(mask,kernel,iterations=1)
#开操作
opening = cv2.morphologyEx(mask,cv2.MORPH_OPEN,kernel)
#闭操作
closing = cv2.morphologyEx(mask,cv2.MORPH_CLOSE,kernel)
#显示
cv2.imshow('erosion',erosion)
cv2.waitKey(0)
cv2.imshow('dilation',dilation)
cv2.waitKey(0)
cv2.imshow('opening',opening)
cv2.waitKey(0)
cv2.imshow('closing',closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

礼帽：开操作-原始

黑帽：原始-闭操作

均值滤波(减少图片的噪声)：blur=cv2.blur(img,(3,3))

方框滤波：基本和均值一样，可以选择归一化

box=cv2.boxFilter(img,-1,(3,3),normalize=True)(ps:如果normailze为false可能会产生像素值月结的情况，如果像素值大于255，则直接取255)

高斯滤波：高斯滤波的卷积核里的数值是满足高斯分布，相当于更重视中间的

aussian=cv2.GuassianBlur(img,(3,3),1)

中值滤波：先当于取中值来代替