摘要: #计算灰度级别的累加概率,然后:当前像素值 = 当前像素的累加概率 * 255import cv2import numpy as npimg = cv2.imread('D:/pythonob/imageinpaint/img/flower.jpg',1)imgInfo = img.shapeheight = imgInfo[0]width = imgInfo[1]gray = cv2.cvtCo... 阅读全文
posted @ 2019-09-07 14:34 Bambo0 阅读(364) 评论(0) 推荐(0)
摘要: 原理:和灰度直方图一样,只是将一个灰度通道换成了三个的RGB通道import cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('D:/pythonob/imageinpaint/img/flower.jpg',1)imgInfo = img.shapeheight = imgInfo[0]width = im... 阅读全文
posted @ 2019-09-07 14:27 Bambo0 阅读(440) 评论(0) 推荐(0)
摘要: 原理:统计每个像素灰度出现的概率import cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('D:/pythonob/imageinpaint/img/flower.jpg',1)imgInfo = img.shapeheight = imgInfo[0]width = imgInfo[1]gray = c 阅读全文
posted @ 2019-09-07 12:58 Bambo0 阅读(880) 评论(0) 推荐(0)
摘要: 原理:利用opencv库的API,函数cv2.inpaint(原图像,蒙版,修复算法(cv2.INPAINT_TELEA/cv2.INPAINT_NS)) 1、基于快速行进算法 cv2.INPAINT_TELEA。 2、基于流体动力学并使用了偏微分方程 cv2.INPAINT_NS。 蒙版是一个标出 阅读全文
posted @ 2019-09-06 15:54 Bambo0 阅读(533) 评论(0) 推荐(0)
摘要: #直方图均衡化函数:equalizeHist(图像),只能对单通道进行均衡化import cv2import numpy as npimg = cv2.imread('D:/pythonob/imageinpaint/img/flower.jpg',1)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)grayEq = cv2.equalizeHist(gray... 阅读全文
posted @ 2019-09-06 12:57 Bambo0 阅读(308) 评论(0) 推荐(0)
摘要: API实现#计算直方图函数:cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]])#imaes:输入的图像# channels:选择图像的通道# mask:掩膜,是一个大小和image一样的np数组, 阅读全文
posted @ 2019-09-06 12:55 Bambo0 阅读(673) 评论(0) 推荐(0)
摘要: 图片效果图: 阅读全文
posted @ 2019-09-05 11:51 Bambo0 阅读(194) 评论(0) 推荐(0)
摘要: #线段绘制函数:cv2.line(原图像,起始点,终点,线条粗细,线头圆滑)#矩形绘制函数:cv2.rectangle(原图像,左上角,右下角,颜色,线条宽度(值为-1时表示填充))#圆形绘制函数:cv2.circle(原图像,圆心位置,半径,颜色,线条宽度(值为-1时表示填充))#圆弧绘制函数:cv2.cllise(原图像,圆心位置,(长轴,短轴),偏转角度,起始角度,终止角度,颜色,线条宽度( 阅读全文
posted @ 2019-09-05 11:17 Bambo0 阅读(289) 评论(0) 推荐(0)
摘要: 原理: 1、获取图像的灰度(gray)图片2、设计一个小方框(4x4 or 8x8 or 10x10等),统计每个小方框的像素值3、将0-255的灰度值划分成几个等级,并把第二步处理的结果映射到所设置的各个等级中,并计数4、找到每个方框中灰度等级最多的所有的像素,并且求取这些像素的均值5、用统计出来 阅读全文
posted @ 2019-09-04 17:04 Bambo0 阅读(182) 评论(0) 推荐(0)
摘要: 原理:相邻像素值相减(或当前像素值减去右下的像素值),然后加上128,得到中间值灰色 因为相邻点基本上都是rgb比较相似的,所以相似的点的处理结果基本上临近128,而不相近颜色的值则偏离128较远,所以可以得到一个类似于浮雕的图像。 新的像素值 = 旧的像素值 - (旧的像素值+1) + 128,如 阅读全文
posted @ 2019-09-04 16:22 Bambo0 阅读(264) 评论(0) 推荐(0)