目录
1.图像阈值
res,dst = cv2.threshold(src, thresh, maxval, type)
- src: 输入图,只能输入单通道图像,通常来说为灰度图
- dst: 输出图
- thresh: 阈值
- maxval: 当像素值超过了阈值(或者小于阈值,根据type来决定),所赋予的值
- type:二值化操作的类型,包含以下5种类型: cv2.THRESH_BINARY; cv2.THRESH_BINARY_INV; cv2.THRESH_TRUNC; cv2.THRESH_TOZERO;cv2.THRESH_TOZERO_INV
- cv2.THRESH_BINARY 超过阈值部分取maxval(最大值),否则取0
- cv2.THRESH_BINARY_INV THRESH_BINARY的反转
- cv2.THRESH_TRUNC 大于阈值部分设为阈值,否则不变
- cv2.THRESH_TOZERO 大于阈值部分不改变,否则设为0
- cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转
1.首先读取一张图片,并转为灰度图片
import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
img=cv2.imread('image/cat.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
2.代入,输出图像
一些超过阈值,取255的为白色,取0的为黑色
ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)
titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]
for i in range(6):
plt.subplot(2, 3, i + 1) #创建一个两行三列的网格,i用来确定图片的位置
plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
2.图像平滑
图像平滑分为均值滤波,方框滤波,高斯滤波,和中值滤波。
- 均值滤波:卷积核与图像中的值进行内积,再除以卷积核的大小
- 方框滤波:与均值滤波相比,不用除以卷积核的大小即可。但容易超255.
- 高斯滤波:类似高斯分布,与中间值越近,效果越好。高斯模糊的卷积核里的数值是满足高斯分布的,相当于更重视中间的。
- 中值滤波:将所有值从小到大进行排列,寻找中间的值
读取一张带有白色点缀的图片
img = cv2.imread('image/lenaNoise.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
均值滤波:
blur = cv2.blur(img, (3, 3))
cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()
方框滤波:
box = cv2.boxFilter(img,-1,(3,3), normalize=False) #-1表示输出图像的深度与输入图像相同
cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()
可以看到这张图片中白色占了大部分,说明方框滤波很容易越界255
高斯滤波:
aussian = cv2.GaussianBlur(img, (5, 5), 1) #1为标准差
cv2.imshow('aussian', aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()
中值滤波:
median = cv2.medianBlur(img, 5) # 中值滤波
cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()
展示除方框滤波的所有图片
res = np.hstack((blur,aussian,median)) #横向展示图片,np.vstack纵向展示
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
从上面三张图片可以看到中值滤波的效果最好。