《深度学习》 OpenCV 计算机视觉入门 （中篇）

目录

一、OpenCV函数使用

1、改变像素值

2、图像切片合并

1）直接截取相加

2）使用cv2.add合并

3）此时亮度太高了，需要降低亮度

3、边界填充

1）常数填充

2）镜面反射填充（复制交界处）

3）镜面反射填充（删除交界处）

4）边框像素值代替

5）边框上下左右像素替换

4、阈值处理

1）cv2.THRESH_BINARY

2）cv2.THRESH_BINARY_INV

3）cv2.THRESH_TRUNC

4）cv2.THRESH_TOZERO

5）cv2.THRESH_TOZERO_INV

6）展示代码

二、总结

1、图片的切片（Image Slicing）

2、边界填充（Boundary Padding）

3、阈值处理（Thresholding）

---

一、OpenCV函数使用

1、改变像素值

        通过赋值语句增加或者减去像素值

import cv2  # 导入库
a = cv2.imread('girl.jpg')  # 导入图像
b = a + 10  # 将图片所有像素值增加10
cv2.imshow('aa',b)  # 展示图片
cv2.waitKey(10000)
cv2.destroyAllWindows()

运行结果如下：    (图片来源网络，如若侵权敬请联系删除)

2、图像切片合并

1）直接截取相加

a = cv2.imread('girl.jpg')  # 读取a、b两张图片
b = cv2.imread('girl1.jpg')
c = a[100:400,200:600] + b[300:600,200:600]  # 截取一部分图片合并到一张图片中，截取大小必须一致
cv2.imshow('a+b',c)  # 展示图片
cv2.waitKey(10000)
cv2.destroyAllWindows()

2）使用cv2.add合并

a = cv2.imread('girl.jpg')  # 读取a、b两张图片
b = cv2.imread('girl1.jpg')
c = cv2.resize(a,(600,400))  # 分别截取两张图片中相同尺寸图片
d = cv2.resize(b,(600,400))
e = cv2.add(c,d)  # 将截取出的两个图片合并
cv2.imshow('c+d',e)
cv2.waitKey(10000)
cv2.destroyAllWindows()

运行结果为：

3）此时亮度太高了，需要降低亮度

        只需在上述代码中增加下面这一部分即可

cc = cv2.addWeighted(c,0.5,d,0.5,10)  # 亮度为10，改变为其50%
cv2.imshow('cc',cc)
cv2.waitKey(10000)
cv2.destroyAllWindows()

其运行结果为：

3、边界填充

        使用方法 cv2.copyMakeBorder()，更改参数来完成不同填充

1）常数填充

        borderType=cv2.BORDER_CONSTANT

import cv2
b = cv2.imread('girl1.jpg')
a = cv2.resize(b,(400,600))
top,bottom,left,right = 50,50,50,50


# 增加页边框像素为常数，需在给一个给定参数，value为像素值
constant = cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(0,250,0))
cv2.imshow("constant",constant)
cv2.waitKey(0)

运行结果为：

2）镜面反射填充（复制交界处）

  borderType = cv2.BORDER_REFLECT

只需要将上述后续部分更改为下列代码即可

reflect = cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
cv2.imshow("reflect",reflect)
cv2.waitKey(0)

运行结果如下：

3）镜面反射填充（删除交界处）

  borderType=cv2.BORDER_REFLECT101

reflect101 = cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
cv2.imshow("reflect101",reflect101)
cv2.waitKey(0)

运行结果如下：

4）边框像素值代替

  borderType=cv2.BORDER_REPLICATE

replicate = cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
cv2.imshow("replicate",replicate)
cv2.waitKey(0)

运行结果如下：

5）边框上下左右像素替换

  borderType=cv2.BORDER_WRAP

wrap = cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_WRAP)
cv2.imshow("wrap",wrap)
cv2.waitKey(0)

运行结果如下：

4、阈值处理

        使用函数 cv2.threshold（ ）通过调整其内参数更改图像阈值

1）cv2.THRESH_BINARY

        大于阈值的像素点设置为maxval，小于等于阈值的像素点设置为0。

2）cv2.THRESH_BINARY_INV

        大于阈值的像素点设置为0，小于等于阈值的像素点设置为maxval。

3）cv2.THRESH_TRUNC

        大于阈值的像素点设置为阈值，小于等于阈值的像素点保持原值不变。

4）cv2.THRESH_TOZERO

        大于阈值的像素点保持原值不变，小于等于阈值的像素点设置为0。

5）cv2.THRESH_TOZERO_INV

        大于阈值的像素点设置为0，小于等于阈值的像素点保持原值不变。

6）展示代码

import cv2
img1 = cv2.imread('girl1.jpg',cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img1,(600,400))
# 像素值大于150，将其转变为255，小于等于150的转变为0
ret,binary = cv2.threshold(img,150,255,cv2.THRESH_BINARY)
# 像素值大于150，转变成0，小于等于150的转变为255
ret1,binaryinv = cv2.threshold(img,150,255,cv2.THRESH_BINARY_INV)
# 像素值大于150，转变成150，小于等于150的保持不变
ret2,trunc = cv2.threshold(img,150,255,cv2.THRESH_TRUNC)
# 像素值大于150，保持不变，小于等于150的设置为0
ret3,tozero = cv2.threshold(img,150,255,cv2.THRESH_TOZERO)
# 像素值大于150，设置为0，小于等于150的保持不变
ret4,tozeroinv = cv2.threshold(img,150,255,cv2.THRESH_TOZERO_INV)

cv2.imshow('a',binary)
cv2.imshow('b',binaryinv)
cv2.imshow('c',trunc)
cv2.imshow('d',tozero)
cv2.imshow('e',tozeroinv)

cv2.waitKey(0)

运行结果为：

二、总结

1、图片的切片（Image Slicing）

        图片的切片是指将图片分割成多个部分，可以按照不同的方式进行切片，如按照固定大小切片、按照特定的行和列切片或者按照特定的区域切片。图片的切片可以用于图像分析、目标检测和图像处理等应用。

2、边界填充（Boundary Padding）

        边界填充是指在图片周围添加额外的像素或颜色，以扩展图片的边界。常见的边界填充方法包括零填充（Zero Padding）、复制填充（Replicate Padding）和镜像填充（Mirror Padding）。边界填充可以用于保持图像的大小一致性、避免边界信息的丢失和减小边缘处理的影响。

3、阈值处理（Thresholding）

        阈值处理是指将灰度图像转换为二值图像，根据预设的阈值将像素分为两类：大于阈值的像素置为一类，小于阈值的像素置为另一类。阈值处理常用于图像分割、边缘检测和目标提取等应用。常见的阈值处理方法包括全局阈值处理、自适应阈值处理和多阈值处理。