最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
plt.subplot(131)
plt.imshow(show_img_5)
plt.subplot(132)
plt.imshow(show_img_6)
plt.subplot(133)
plt.imshow(show_img_7)
plt.show()
图像平移
import numpy as np
matrix = np.float32([[1,0,25],[0,1,25]])
show_img_8 = cv2.warpAffine(img,matrix,(cols,rows))
matrix = np.float32([[1,0,50],[0,1,50]])
show_img_9 = cv2.warpAffine(img,matrix,(cols,rows))
matrix = np.float32([[1,0,100],[0,1,0]])
show_img_10 = cv2.warpAffine(img,matrix,(cols,rows))
plt.subplot(131)
plt.imshow(show_img_8)
plt.subplot(132)
plt.imshow(show_img_9)
plt.subplot(133)
plt.imshow(show_img_10)
plt.show()
图像裁剪
#[左上角x轴坐标:右下角x轴坐标,左上角y轴坐标:右下角y轴坐标]
show_img_11 = img[50:150,50:150]
plt.imshow(show_img_11)
plt.show()
图像翻转
srcPoints = np.float32([[0,0],[0,150],[200,200]])
canvasPoints = np.float32([[0,0],[0,150],[150,150]])
matrix = cv2.getRotationMatrix2D((0,0),0,0.5)
show_img_12 = cv2.warpAffine(img,matrix,(cols,rows))
plt.subplot(121)
plt.imshow(show_img_12)
matrix = cv2.getAffineTransform(np.array(srcPoints),np.array(canvasPoints))
show_img_13 = cv2.warpAffine(img,matrix,(cols,rows))
plt.subplot(122)
plt.imshow(show_img_13)
plt.show()
亮度与对比度变换
通过调整像素值来改变图像亮度和对比度:
f ( x ^ ) = α f ( x ) + β f(\hat x)=\alpha f(x) + \beta f(x^)=αf(x)+β
α \alpha α用于调整对比度, β \beta β用于调整亮度。
#调整亮度
show_img_14 = np.uint8(np.clip((img+20),0,255))
#调整对比度
show_img_15 = np.uint8(np.clip((1.5*img),0,254))
plt.subplot(121)
plt.imshow(show_img_14)
plt.subplot(122)
plt.imshow(show_img_15)
plt.show()
常见噪声包括高斯噪声和椒盐噪声。
高斯噪声
噪声的概率密度符合高斯分布的图片噪声称为高斯噪声。
def gasuss_noise(image, mean=0, var=0.001):
‘’’
添加高斯噪声
mean : 均值
var : 方差
‘’’
image = np.array(image/255, dtype=float)
noise = np.random.normal(mean, var ** 0.5, image.shape)
out = image + noise
if out.min() < 0:
low_clip = -1.
else:
low_clip = 0.
out = np.clip(out, low_clip, 1.0)
out = np.uint8(out*255)
#cv.imshow(“gasuss”, out)
return out
show_img_16 = gasuss_noise(img,var=0.01)
show_img_17 = gasuss_noise(img,var=0.04)
plt.subplot(121)
plt.imshow(show_img_16)
plt.subplot(122)
plt.imshow(show_img_17)
plt.show()
椒盐噪声
椒盐噪声是指图片中包含白色的盐噪声和黑色的胡椒噪声。
def sp_noise(image,prob):
‘’’
添加椒盐噪声
prob:噪声比例
‘’’
output = np.zeros(image.shape,np.uint8)
thres = 1 - prob
for i in range(image.shape[0]):
for j in range(image.shape[1]):
rdn = random.random()
if rdn < prob:
output[i][j] = 0
elif rdn > thres:
output[i][j] = 255
else:
output[i][j] = image[i][j]
return output
show_img_18 = sp_noise(img,0.01)
show_img_19 = sp_noise(img,0.05)
plt.subplot(121)
plt.imshow(show_img_18)
plt.subplot(122)
plt.imshow(show_img_19)
plt.show()
中值和均值滤波
中值滤波是使用邻域内所有像素的中位数替换中心像素,可以有效去除图像中的高斯噪声。而均值是使用邻域内所有像素的平均值替换中心像素。
show_img_20 = gasuss_noise(img,var=0.01)
show_img_20 = np.uint8(show_img_20)
show_img_21 = cv2.medianBlur(show_img_20,3)
show_img_22 = cv2.blur(show_img_20,(3,3))
plt.subplot(131)
plt.imshow(show_img_20)
plt.subplot(132)
plt.imshow(show_img_21)
plt.subplot(133)
plt.imshow(show_img_22)
plt.show()
高斯滤波
高斯滤波是使用邻域内所有像素的加权平均值替换中心像素,可以有效去除图像中的高斯噪声。
show_img_23 = cv2.GaussianBlur(show_img_20,(3,3),0)
show_img_24 = cv2.GaussianBlur(show_img_20,(7,7),0)
plt.subplot(131)
plt.imshow(show_img_20)
plt.subplot(132)
plt.imshow(show_img_23)
plt.subplot(133)
plt.imshow(show_img_24)
plt.show()
高斯双边滤波
高斯双边滤波同时考虑空间域和值域,空间域原理类似高斯滤波,值域考虑领域内像素差值计算滤波器系数:
bilateralFilter(src, n, sigmaColor, sigmaSpace, borderType)
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!