OpenCV图像处理学习笔记-Day02

2024-03-27 17:04:52

OpenCV图像处理学习笔记-Day02

OpenCV图像处理学习笔记-Day02

第13课：基础知识-阈值分割

第14课：threshold函数

函数threshold

retval, dst = cv2.threshold(src, thresh, maxval, type)

retval: 阈值

dst: 处理结果

src: 原图像

thresh: 阈值

maxval: 最大值

type: 类型

代码实例

import cv2


img = cv2.imread('./img/lena512.bmp')
_, img_threshold_binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)  # Threshold Binary
_, img_threshold_binary_inverted = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
_, img_thresholds = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
_, img_threshold2zero_inv = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
_, img_threshold2zero = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)


cv2.imshow('original', img)
cv2.imshow('threshold binay', img_threshold_binary)
cv2.imshow('threshold binary inverted', img_threshold_binary_inverted)
cv2.imshow('thresholds', img_thresholds)
cv2.imshow('threshold to zero inverted', img_threshold2zero_inv)
cv2.imshow('threshold to zero', img_threshold2zero)

cv2.waitKey(0)
cv2.destroyAllWindows()

第15课：图像平滑-均值滤波

函数blur

处理结果 = cv2.blur(原始图像, 核大小)

核大小：以(宽度，高度)形式表示的元组

实例代码

import cv2


img = cv2.imread('image_dir')
img_blur = cv2.blur(img, (5, 5))

cv2.imshow('original', img)
cv2.imshow('result', img_blur)

cv2.waitKey(0)
cv2.destroyAllWindows()

第16课：图像平滑-方框滤波

函数boxFilter

处理结果 = cv2.boxFilter(原始图像, 目标图像深度, 核大小, normalize属性)

目标图像深度: int类型的目标图像深度。通常使用"-1"表示与原始图像一致。

核大小:

normalize属性: 是否对目标图像进行归一化处理。

第17课：图像平滑-高斯滤波

GaussianBlur函数

dst = cv2.GaussianBlur(src, ksize, sigmaX)

src: 原始图像

ksize: 核大小

sigmaX: X的方向方差

第18课：图像平滑-中值滤波

第19课：形态学转换-图像腐蚀

1. 基础

形态学转换主要针对的是二值图像。
两个输入对象。对象1：二值图像，对象2：卷积核

2. 函数erode

dst = cv2.erode(src, kernel, iterations)

dst: 处理结果

src: 源图像

kernel: 卷积核

iterations: 迭代次数

3. 实例代码

import cv2
import numpy as np


img = cv2.imread('image_dir')

kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(img, kernel)
erosion_ = cv2.erode(img, kernel, 9)

cv2.imshow('original', img)
cv2.imshow('erosion', erosion)

cv2.waitKey(0)
cv2.destroyAllWindows()

第20课：形态学转换-图像膨胀

dliate函数

第21课：形态学转换-开运算

import cv2
import numpy as np


img = cv2.imread('image_dir')
kernel = np.ones((5, 5), np.uint8)  # (10, 10)

img_open = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imshow('orginal', img)
cv2.imshow('result', img_open)

cv2.waitKey(0)
cv2.destroyAllWindows()

第22课：形态学转换-闭运算

第23课：形态学转换-梯度运算

第24课：形态学转换-图像顶帽

第25课：形态学转换-黑帽操作

第26课：图像梯度-sobel算子理论

第27课：sobel算子及函数使用

ddepth: 处理结果图像的深度

通常情况下，可以将该参数的值设为-1，让处理结果与原始图像保持一致

import cv2


img = cv2.imread('./img/man.bmp')

sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0)
sobelx = cv2.convertScaleAbs(sobelx)

sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1)
sobely = cv2.convertScaleAbs(sobely)

output_img = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

cv2.imshow('original', img)
cv2.imshow('output image', output_img)

cv2.waitKey()
cv2.destroyAllWindows()