数字图像与机器视觉基础补充(2)
人工智能与机器学习作业
1. 学习参考资料上提供的各种示例代码,完成数字图像处理与图像文件的操作。
1)将彩色图像文件转换为灰度文件(使用opencv和不使用opencv两个方式);
2)将彩色图像(RGB)转为HSV、HSI 格式。
3)(选做)打开车牌图片文件,将车牌数字分割为单个的字符图片 (使用opencv和不使用opencv两个方式)
一、将彩色图片转换为灰度图片
- 引入包以及文件路径
#文件路径
#导入相关包
import cv2
import numpy as np
source_path="F:\\jupyter\\source\\picture\\Lena\\lena.jpg"
- 使用opencv,直接读取为灰度图片
#使用opencv
#直接读取灰度图片
cv_read=cv2.imread(source_path,0)
cv2.imshow('lena',cv_read)
cv2.waitKey(0)
- 使用opencv,读取彩色,再转为灰度
#读取彩色图片,后面转换为灰度
cv_read=cv2.imread(source_path)
cv_gray=cv2.cvtColor(cv_read,cv2.COLOR_BGR2GRAY)#灰度化
cv2.imshow('lena',cv_gray)
cv2.waitKey(0)
- 不使用opencv的转换函数
#不使用opencv
row,col,channel=cv_read.shape
lena_gray=np.zeros((row,col))
for r in range(row):
for l in range(col):
lena_gray[r,l]=1/3*cv_read[r,l,0]+1/3*cv_read[r,l,1]+1/3*cv_read[r,l,2]
cv2.imshow("lena",lena_gray.astype("uint8"))
cv2.waitKey(0)
二、将彩色图片(RGB)转换为HSV、HSI格式
1.读取图片
#使用opencv
#直接读取图片
cv_read=cv2.imread(source_path)
#转化为hsv格式
lena_hsv=cv2.cvtColor(cv_read,cv2.COLOR_BGR2HSV)
cv2.imshow('lena',lena_hsv)
cv2.waitKey(0)
- 定义函数转换
def RBG_to_HSI(rgb_img):
"""
: param rgb_img: RGB彩色图像
: return : HSI图像
"""
#保存原始图像的行列数
row=np.shape(rgb_img)[0]
col=np.shape(rgb_img)[1]
#对原始图像进行复制
hsi_img=rgb_img.copy()
#对图像进行通道拆分
B,G,R=cv2.split(rgb_img)
#把通道归一化到[0,1]
[B,G,R]=[i/255.0 for i in ([B,G,R])]
H=np.zeros((row,col))#定义H通道
I=(R+G+B)/3.0 #计算I通道
S=np.zeros((row,col))#定义S通道
for i in range(row):
den = np.sqrt((R[i]-G[i])**2+(R[i]-B[i])*(G[i]-B[i]))
thetha=np.arccos(0.5*(R[i]-B[i]+R[i]-G[i])/den)#计算夹角
h=np.zeros(col) #定义临时数组
#den>0且G>=B的元素h赋值为thetha
h[B[i]<=G[i]]=thetha[B[i]<=G[i]]
#den>0且G<=B的元素h赋值为thetha
h[G[i]<=B[i]]=2*np.pi-thetha[G[i]<=B[i]]
#den<0的元素h赋值为0
h[den==0]=0
H[i]=h/(2*np.pi) #弧度化之后赋值给H通道
for i in range(row):
min_=[]
#找出每组RGB的最小值
for j in range(col):
arr=[B[i][j],G[i][j],R[i][j]]
min_.append(np.min(arr))
min_=np.array(min_)
#计算S通道
S[i]=1-min_*3/(R[i]+B[i]+G[i])
#I为0的值直接赋值0
S[i][R[i]+B[i]+G[i]==0]=0
#扩充到255以方便显示,一般H分量在[0,2pi]之间,S和I在[0,1]之间
hsi_img[:,:,0]=H*255
hsi_img[:,:,1]=S*255
hsi_img[:,:,2]=I*255
return hsi_img
- 调用函数
#使用opencv
#读取图片
cv_read=cv2.imread(source_path)
lena_hsi=RBG_to_HSI(cv_read)
cv2.imshow('lena',lena_hsi)
cv2.waitKey(0)
三、切割车牌
- 导入函数包
#导入相关包
import cv2
import numpy as np
import os
- 定义读取和保存路径
pic_folder='D:\\rgzn\\'
pic_one="cp.BMP"
save_path='D:\\rgzn\\cp\\'
- 创建文件夹
#创建文件夹
def mkdir(path):
folder=os.path.exists(path)
if not folder:#判断是否存在
os.makedirs(path)
- 路径构建
#图片路径构建及创建文件夹
plate_numbers=pic_folder+pic_one
s_path=save_path+pic_one
mkdir(s_path)
- 读取文件
plate=cv2.imdecode(np.fromfile(plate_numbers,dtype=np.uint8),-1)
cv2.imshow("carband",plate)
cv2.waitKey(0)
得到:
6. 对图片进行灰度化和二值化处理
#对图片进行处理,进行二值化
plate_gauss=cv2.GaussianBlur(plate,(5,5),0)#高斯降噪
plate_gray=cv2.cvtColor(plate_gauss,cv2.COLOR_BGR2GRAY)#灰度化
thre,plate_bw=cv2.threshold(plate_gray,170,255,cv2.THRESH_BINARY)#二值化
cv2.imshow("cell",plate_bw)
cv2.waitKey(0)
得到:
- 闭运算
#闭运算,填充空洞
#构造一个全1的5*5的矩阵
kernel=np.ones((8,8),int)#设置形态学操作卷积的大小
plate_close=cv2.morphologyEx(plate_bw,cv2.MORPH_CLOSE,kernel)
cv2.imshow("cell",plate_close)
cv2.waitKey(0)
得到:
- 腐蚀运算
#腐蚀运算,消除掉中间那颗螺丝的影响
#构造一个全1的5*5的矩阵
kernel=np.ones((3,3),int)#设置形态学操作卷积的大小
plate_corr=cv2.erode(plate_close,kernel,iterations=1)
cv2.imshow("cell",plate_corr)
cv2.waitKey(0)
得到:
- 切割并保存
#切割图片并保存
def cutting(start,end,order,src,path):
dst=src[:,start-3:end+3]
file_name=path+str(order)+'.jpg'
cv2.imencode(".jpg",dst)[1].tofile(file_name)
- 利用findContours进行切割
plate_count,hir=cv2.findContours(plate_corr,cv2.RETR_EXTERNAL ,cv2.CHAIN_APPROX_NONE)
#检测所有轮廓,所有轮廓建立一个等级树结构。
plate_read=cv2.imdecode(np.fromfile(plate_numbers,dtype=np.uint8),-1)
result=plate_read
for i in range(len(plate_count)):
cnt=plate_count[i]
x,y,w,h=cv2.boundingRect(cnt)
save_path_o=s_path+'/opencv/'
mkdir(save_path_o)
cutting(x,x+w,i,plate_read,save_path_o)
11.不使用opencv,手动切割
#flag是用来判断字符个数的,当flag为7时,就代表已经全部识别完了
#word是用来判断一个字的开始和结束,开始时word会加1,结束时word也会加一,所以为2就检测完了一个字
flag=0
word=0
word_start=0
word_end=0
word_color=False#判断某一列中是否有字体的颜色
save_path_a=s_path+'/artificial/'
plate_read=cv2.imdecode(np.fromfile(plate_numbers,dtype=np.uint8),-1)
for i in range(len(plate_corr[0])):#遍历每一列
word_color=False
if 255 in plate_corr[:,i]:
word_color=True
if word_color==True and word==0:#如果检测到字体的颜色,word+1
word+=1
word_start=i
elif word_color==False and word==1:#判断字结束
word+=1
word_end=i+3
flag+=1
mkdir(save_path_a)
cutting(word_start,word_end,flag,plate_read,save_path_a)
if word==2:
word=0
word_start=0
word_end=0
if flag==7:
break
- 结果:
手动切割: opencv:
四、总结
熟悉了opencv处理图片的一些操作