网站建设收费价格,网站建设主要包括那些部分,哪些网站收录排名好,找片子有什么好的关键词OPENCV-0.2 学习安排图像基础像素访问和修改像素值 色彩空间转换RGB到灰度的转换RGB到HSV的转换 图像操作裁剪缩放旋转和翻转 图像滤波平滑和模糊图像边缘检测 图像变换仿射变换透视变换 总结 官方文档
学习安排
图像基础 像素#xff1a;了解像素的概念#xff0c;包括像素… OPENCV-0.2 学习安排图像基础像素访问和修改像素值 色彩空间转换RGB到灰度的转换RGB到HSV的转换 图像操作裁剪缩放旋转和翻转 图像滤波平滑和模糊图像边缘检测 图像变换仿射变换透视变换 总结 官方文档
学习安排
图像基础 像素了解像素的概念包括像素值的意义如RGB颜色空间中的R、G、B值以及如何访问和修改图像的像素值。色彩空间转换学习如何在不同的色彩空间之间转换图像例如从RGB转换到灰度、HSV色调、饱和度、亮度等。这对于图像处理的很多应用都是基础例如在特定色彩空间中更容易地进行颜色检测和跟踪。 图像操作 图像裁剪学习如何裁剪图像的特定区域。这在需要关注图像的某一部分时非常有用。缩放了解如何改变图像的尺寸包括使用不同的插值方法来优化缩放的效果。 旋转和翻转学习如何对图像进行旋转和翻转操作这对于图像校正或增强用户体验很有帮助。 图像滤波 平滑和模糊图像掌握使用不同类型的滤波器如均值滤波、高斯滤波等来平滑或模糊图像这对于去噪或降低图像的细节级别很有用。边缘检测算法学习使用如Canny边缘检测器来识别图像中的边缘。边缘检测是许多图像处理任务如图像分割、物体检测等的重要步骤。 图像变换 仿射变换了解如何使用仿射变换来进行图像的平移、缩放、旋转以及倾斜校正。透视变换学习透视变换的原理和应用如何利用透视变换进行图像的矫正和视角变换这在进行图像分析和增强现实应用中非常重要。 图像基础
像素 像素或称图像元素是构成数字图像的基本单位。每个像素包含了该点的颜色信息对于彩色图像来说通常使用RGB色彩模型其中R、G、B分别代表红色、绿色和蓝色通道的强度值。在计算机中这些值通常范围从0到255。 访问和修改像素值
代码
import cv2image cv2.imread(../image.jpg)
# 访问坐标为(0, 0)的像素值
pixel_value image[0, 0]
print(pixel_value) # 对于彩色图像这将打印出[B, G, R]值# 修改坐标为(0, 0)的像素值
image[0, 0] [255, 255, 255] # 将此像素修改为白色
print(image[0, 0])结果
色彩空间转换 色彩空间是一种用来表示、组织和创建颜色的方法。除了常见的RGB色彩空间外还有很多其他色彩空间如HSVHue, Saturation, Value/色调、饱和度、亮度、LAB等。不同的色彩空间对于某些图像处理任务更为适合。 RGB到灰度的转换
代码
import cv2image cv2.imread(../image.jpg)gray_image cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)cv2.imshow(Original Image, image)
cv2.imshow(Grayscale Image, gray_image)
cv2.waitKey(0) # 等待按键
cv2.destroyAllWindows() # 关闭窗口
结果
RGB到HSV的转换
代码
import cv2image cv2.imread(../image.jpg)hsv_image cv2.cvtColor(image, cv2.COLOR_BGR2HSV)cv2.imshow(Original Image, image)
cv2.imshow(Hsv Image, hsv_image)
cv2.waitKey(0) # 等待按键
cv2.destroyAllWindows() # 关闭窗口
结果
图像操作
裁剪 是指从原图中选择一个感兴趣的区域ROIRegion of Interest并提取出来。 通过数组切片的方式来裁剪图像。 代码
import cv2# 加载图像
image cv2.imread(../image.jpg)# 裁剪图像
# 假设我们想裁剪坐标在 x1:x2 和 y1:y2 的区域
x1, y1, x2, y2 100, 100, 300, 300
cropped_image image[y1:y2, x1:x2]
cv2.imshow(Original Image, image)
# 显示裁剪后的图像
cv2.imshow(Cropped Image, cropped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果
缩放 是改变图像尺寸的过程。 代码
import cv2# 加载图像
image cv2.imread(../image.jpg)
cv2.imshow(Original Image, image)# 将图像缩放到指定的新尺寸
new_width, new_height 200, 200
INTER_LINEAR_image cv2.resize(image, (new_width, new_height), interpolationcv2.INTER_LINEAR)
INTER_NEAREST_image cv2.resize(image, (new_width * 2, new_height * 2), interpolationcv2.INTER_NEAREST)
INTER_AREA_image cv2.resize(image, (new_width // 2, new_height // 2), interpolationcv2.INTER_AREA)
INTER_CUBIC_image cv2.resize(image, (new_width * 3, new_height * 3), interpolationcv2.INTER_CUBIC)# 显示缩放后的图像
cv2.imshow(INTER_LINEAR, INTER_LINEAR_image)
cv2.imshow(INTER_NEAREST, INTER_NEAREST_image)
cv2.imshow(INTER_AREA, INTER_AREA_image)
cv2.imshow(INTER_CUBIC, INTER_CUBIC_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果
其中 常用的插值方法包括 cv2.INTER_LINEAR线性插值适合缩放cv2.INTER_NEAREST最近邻插值速度最快cv2.INTER_AREA使用像素区域关系适合缩小图像cv2.INTER_CUBIC三次样条插值适合放大图像 旋转和翻转 旋转是将图像围绕其中心点旋转给定角度的过程. 翻转是沿水平或垂直轴反转图像。 代码
import cv2# 加载图像
image cv2.imread(../image.jpg)
cv2.imshow(Original Image, image)
# 旋转图像
center (image.shape[1] // 2, image.shape[0] // 2) # 图像中心点
angle 90 # 旋转角度
scale 1.0 # 缩放比例
rotation_matrix cv2.getRotationMatrix2D(center, angle, scale)
rotated_image cv2.warpAffine(image, rotation_matrix, (image.shape[1], image.shape[0]))# 翻转图像
flipped_image cv2.flip(image, 1) # 1表示水平翻转0表示垂直翻转# 显示旋转和翻转后的图像
cv2.imshow(Rotated Image, rotated_image)
# cv2.waitKey(0)
# cv2.destroyAllWindows()cv2.imshow(Flipped Image, flipped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果
图像滤波
平滑和模糊图像 图像的平滑和模糊处理通常用于去除噪声或降低图像的细节。 可以通过各种低通滤波器LPF来实现低通滤波器有助于去除图像中的高频内容如边缘、噪声等 代码
import cv2# 加载图像
image cv2.imread(../image.jpg)
cv2.imshow(Original Image, image)
blur cv2.blur(image, (5, 5)) # 使用5x5的核进行均值滤波
gaussian_blur cv2.GaussianBlur(image, (5, 5), 0) # 5x5高斯核标准差由函数自动计算
median_blur cv2.medianBlur(image, 5) # 核大小为5cv2.imshow(blur, blur)
cv2.imshow(gaussian_blur, gaussian_blur)
cv2.imshow(median_blur, median_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果
边缘检测 边缘检测是图像处理中用于识别图像中对象边界的技术。它主要依赖于检测图像亮度的突变这些突变通常对应于图像中的边缘。 代码
import cv2# 加载图像
image cv2.imread(../image.jpg)
cv2.imshow(Original Image, image)
# Sobel算子在水平和垂直方向上检测边缘
sobelx cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize5) # 水平方向
sobely cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize5) # 垂直方向
sobel_combined cv2.addWeighted(cv2.convertScaleAbs(sobelx), 0.5, cv2.convertScaleAbs(sobely), 0.5, 0) # 合并
# Canny边缘检测Canny算法是一种流行的边缘检测算法因为它是自适应的且效果较好。
edges cv2.Canny(image, 100, 200) # 最小阈值100最大阈值200cv2.imshow(Sobelx, sobelx)
cv2.imshow(Sobely, sobely)
cv2.imshow(sobel_combined, sobel_combined)
cv2.imshow(edges, edges)
cv2.waitKey(0)
cv2.destroyAllWindows()结果 图像变换
仿射变换 仿射变换Affine Transformation是一种二维图像变换它包括旋转、缩放、平移和倾斜等变换。仿射变换的特点是直线在变换后仍然是直线平行线仍然保持平行但圆形可能变为椭圆。 代码
import cv2
import numpy as np# 加载图像
image cv2.imread(../image.jpg)
cv2.imshow(Original Image, image)
rows, cols, ch image.shape# 原图中的三个点及其在输出图像中的目标位置
pts1 np.float32([[50, 50], [200, 50], [50, 200]])
pts2 np.float32([[10, 100], [200, 50], [100, 250]])# 生成仿射变换矩阵并应用它
M cv2.getAffineTransform(pts1, pts2)
dst cv2.warpAffine(image, M, (cols, rows))cv2.imshow(Affine Transformation, dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果
透视变换 透视变换Perspective Transformation允许图像进行更复杂的变形比如从一个视角到另一个视角的变换可以用来模拟相机视角的改变例如实现全景图的拼接。在透视变换中需要指定图像上的四个点及其对应在输出图像中的位置。 代码
import cv2
import numpy as np# 加载图像
image cv2.imread(../image.jpg)
cv2.imshow(Original Image, image)
rows, cols, ch image.shape# 假设pts1是图像上的四个点pts2是变换后的目标位置
pts1 np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
pts2 np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])# 生成透视变换矩阵并应用它
M cv2.getPerspectiveTransform(pts1, pts2)
dst cv2.warpPerspective(image, M, (300, 300))cv2.imshow(Perspective Transformation, dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果
总结
在本次图像处理基础学习阶段深入了解像素和色彩空间转换的概念包括如何在RGB、灰度和HSV等色彩空间之间转换图像。图像的基本操作技巧如裁剪、缩放、旋转和翻转这些操作是图像处理中不可或缺的部分。此外我通过均值滤波、高斯滤波和中值滤波等方法对图像进行平滑和模糊处理以及利用Sobel算子和Canny算法进行边缘检测这些滤波和边缘检测技术对于去除噪声和提取图像特征极为重要。最后仿射变换和透视变换这两种图像变换技术能够进行更复杂的图像形变和视角变换。
