zjh12312311的博客

边缘检测一般的方法，可以先得到灰度图，然后使用高斯模糊GaussianBlur，再用拉普拉斯函数Laplacian做边缘函数就好这里使用更简单的方法，用Canny做:Canny其实用了五个步骤， 高斯lü’bo（用来去噪），计算梯度，边缘上使用非最大抑制NMS，在检测到的边缘上使用双阈值去除假阳性，分析所有边缘和其连接保留真正的边缘import numpy as npimport matplotlib.pyplot as pltimport cv2img = cv2.imread('1.jpg

均值滤波这种滤波方法就是取一个像素的邻域内各像素的平均值作为滤波结果import cv2import matplotlib.pyplot as pltimg = cv2.imread('1.jpg')plt.imshow(img)<matplotlib.image.AxesImage at 0x21b6dbb1518>img_mean = cv2.blur(img, (11,11))plt.imshow(img_mean)<matplotlib.image.Ax

图像的直方图使用 alcHist函数，画图像的直方图，统计整张图的某像素值的数量import cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('1.jpg')hist = cv2.calcHist([img], [2], None, [256], [0,256]) #img要用[]括起来， 第二个参数是通道，256是灰度级的个数，最后一个为像素值的范围plt.plot(hist)plt.show()

图像的几何变换一、 缩放resize， interpolation选择插值方法二、 平移warpAffine, 注意平移矩阵的设置三、 旋转getRotationMatrix2D得到M，用warpAffine四、 镜像变换 flip， 注意flipCode参数import cv2import numpy as npimport matplotlib.pyplot as plt平移img = cv2.imread('1.jpg')plt.imshow(img)<matplotl

图像色彩通道的分离和混合使用split 和 mergeimport cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('1.jpg')img2 = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)# cv2.imshow('img2',img2)# cv2.waitKey(0)# plt.imshow(img)r,g,b = cv2.split(img2)cv2.imsho

灰度图变彩图一、遍历，加两个通道二、使用智能填充 预定义好的Colormap，使用applyColorMapimport cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('1.jpg')r,g,b = cv2.split(img)plt.imshow(r,cmap='gray')im_color = cv2.applyColorMap(r, cv2.COLORMAP_JET) # 有不同的填充

彩图变灰度图一、可以用 imread的时候选择0二、使用cvtColor 功能是对图像进行颜色空间变换三、二值化使用threshold为了方便显示，使用plt，使用cv2也可以，注释了import cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('1.jpg',0)# cv2.imshow('img2.bmp',img)plt.imshow(img,cmap ='gray')cv2.waitKe