python opencv圖像處理基本操作示例詳解

Posted on by

1.圖像基本操作

①讀取圖像

②顯示圖像

該函數中，name是顯示窗口的名字，可輸入任意字符串，img就是讀取的圖片矩陣。

waitKey()意思是圖片停留的時間，若設為0，則會一直保留直到關閉圖片。

③視頻讀取

使用VideoCapture方法讀取視頻，若可以成功讀取，則vc.read()返回的第一個參數就是True，否則為False。返回的第二個參數frame就是讀取的視頻圖片。此時隻能讀取一張。

該函數可以將讀取的圖片按照設定的速度依次展示，cv.waitKey中的數值越小，展示的速度越快。

gray處隻是把圖片設置成瞭灰度圖像，直接用frame展示也可以，就是原圖。最後的0xFF==27就是ESC鍵，按下這個鍵就會退出。

④圖像截取

因為圖像讀取的是矩陣，因此使用矩陣的截取方法即可。

⑤顏色通道提取及還原

CV讀取圖像的時候，彩色是BGR而非RBG，使用split以及merge方法進行提取和還原。

通過將其他通道設置為0，即可展示隻保留某一顏色通道的圖像。

⑥邊界填充

指定大小後，有不同的填充方法，通過borderType來進行設置。

⑦數值計算

若通過矩陣計算方式直接相加，則當結果超過255的時候，會進行取餘操作。

若通過cv.add方法，則超過255的會全部截斷為255

圖像尺寸的修改：cv.resize(圖像矩陣，尺寸長寬元組)

⑧圖像融合

通過cv.addWeighted對圖像進行融合，參數分別為：第一張圖，權值，第二張圖，權值，微調的度。給的權值相當於對圖像取瞭個透明度。兩張圖會直接重疊在一起。

2.閾值與平滑處理

①設定閾值並對圖像處理

通過cv.threshold對圖像進行閾值處理，上面的代碼中，127就是閾值，255是最大值。後面是處理的方法，比如BINARY是處理為0和1，即顯示的圖片隻有黑和白。加上INV就是反轉過來，也就是白和黑。

②圖像平滑-均值濾波

blur方法，傳入的第一個參數是圖像，第二個是核大小。 也就是以多大的范圍去處理圖像，比如3*3或者5*5等。

③圖像平滑-方框濾波

④圖像平滑-高斯濾波

⑤圖像平滑-中值濾波

對lena圖像通過以上的濾波方式進行濾波，發現中值濾波的效果最好，因為中值濾波會直接舍棄掉噪音，而其他的濾波方式都是需要考慮噪音在內，並進行計算的。

3.圖像的形態學處理

①腐蝕操作

kernel依舊是核，跟上面的一樣，代表處理的范圍大小。erode方法中的參數分別為：待處理的圖像，核，迭代次數。每一次迭代都會侵蝕掉一部分圖像。因此如果有細的毛刺會直接被侵蝕掉，粗的線條會變細。迭代次數越多，侵蝕的部分越大。

②膨脹操作

該操作相當於腐蝕操作的逆操作。會把原來的內容擴展。如果原來的圖就帶毛刺，膨脹後毛刺會變大。

③開運算和閉運算

開閉運算其實就是膨脹和腐蝕運算的結合，有一個先後順序，如上圖。都是通過morphologyEx方法來實現的，改變其中的參數即可。

4.圖像梯度處理

①梯度運算

梯度就是膨脹-腐蝕所得到的邊界。依舊是morphologyEx方法來實現。

②禮帽與黑帽

禮帽 = 原始輸入-開運算結果

黑帽 = 閉運算-原始輸入

其實就是把上面兩種運算包裝成瞭函數

③圖像的梯度處理

三種算子：Sobel, Scharr, Laplacian

上面代碼中Sobel算子和Scharr算子輸入的參數為：待處理的圖片，圖像深度（通常指定為-1就可以），x方向，y方向

因此若隻指定x為1，其實是計算瞭一半。需要把數值修改為絕對值，並計算y=1,x=0的情況下的另一半，兩者融合起來，才會是完整的處理。

Scharr算子：把左右數值變大，結果更明顯。

Laplacian算子：對變化更敏感，對噪音點也敏感。通常不單獨使用拉普拉斯算子。原理是中心點和周圍點比較，不需要輸入x和y。

5.邊緣檢測

①Canny邊緣檢測

流程：

1.使用高斯濾波器，平滑圖像，濾除噪聲
2.計算圖像中每個像素點的梯度強度和方向
3.應用非極大值抑制，以消除邊緣檢測帶來的雜散效應
4.應用雙閾值檢測來確定真實的和潛在的邊緣
5.通過抑制孤立的弱邊緣完成最終的邊緣檢測

以上是兩種邊緣檢測的對比，結果如下

該方法會設置兩個閾值，大於高閾值的地方保留，低於低閾值的地方舍棄，在高低之間的地方，若和保留的地方有鏈接則保留，否則舍棄。

可以看出，閾值設定的高的時候，細節變少。低的時候，細節變多。

以上就是python opencv圖像處理基本操作示例詳解的詳細內容，更多關於python opencv圖像處理的資料請關註WalkonNet其它相關文章！

推薦閱讀：