7.29任务反馈 王可

1.Task：

        task1： 将视频流读入，将其中连续两帧图片进行做差处理，保存做差后的图片。

              代码如下：

import cv2 #opencv的缩写为cv2
import matplotlib.pyplot as plt # matplotlib库用于绘图展示
import numpy as np   # numpy数值计算工具包
vc = cv2.VideoCapture('、home/wang300404/opencv/test.mp4')
c=1
while open: # 如果正常打开，则不停循环读取
    ret, frame = vc.read()
    if frame is None: # 视频读完以后的下一帧为空
        break
    if ret == True:
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 读取的图片转换成黑白的   
        cv2.imwrite('/home/wang300404/video_picture'+str(c)+'.jpg')
        c=c+1
        if cv2.waitKey(1) & 0xFF == 27: # 把视频的每一帧保存，0xFF为退出键ESC
            break
vc.release() # release()完成与 open() 相反的工作.释放 open() 向内核申请的所有资源
cv2.destroyAllWindows() # 销毁所有窗口

-----------------------------读取视频，并把每一帧作为照片保存------------------------

# 读取图片
img1 = cv2.imread("/home/wang30040/video_picture/jietu1.jpg")
img2= cv2.imread("./home/wang30040/video_picture/jietu2.jpg")
# 转灰度图
img1_gray= cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
img2_gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
     
res= cv2.absdiff(gray_cur, gray_base)
cv2.imshow("res ", res )
cv2.waitKey(0)

             结果如下：

          task2： 选择一张图片进行图像的锐化、增强，并将这两张图片与原图进行拼接显示。

          锐化代码如下（使用傅里叶变换高通滤波实现）

                        

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('home/wang300404/opencvtest/le.jpg',0)
img_float32 = np.float32(img)

dft = cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)

rows, cols = img.shape
crow, ccol = int(rows/2), int(cols/2) # 中心位置

# 高通滤波
mask = np.ones((rows,cols,2),np.uint8)
mask[crow-30:crow+30,ccol-30:ccol+30] = 0 # 中间区域置 0，外面的区域置 1
fshift = dft_shift * mask
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])

plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Input Image'), plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(img_back,cmap='gray')
plt.title('Result'),plt.xticks([]),plt.yticks([])

 

 

         锐化效果如下：

        

           增强代码如下：（使用自适应直方图均衡化实现）

          

img=cv.imread('/home/wang300404/opencvtest/le.jpg')
clahe = cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8)) # 自适应均衡化方法生成出来    
res_clahe = clahe.apply(img) # 方法应用到输入图片当中
res = np.hstack((img,res_clahe))
cv2.imshow('res',res)
cv2.waitKey(0)

         增强效果如下：

          

 

 

-----------------------------------------------------------------------------------------------------------------分界线 分界线------------------------------------------------------------------------------------------------------------------------------2.学习进度汇报及近期思考

   本周进行了opencv的学习，一开始也准备手撕文档，但opencv看文档确实有点抽象，后来还是乖乖回去刷视频，刚开始入门的一些基本操作如图片导入视频导入，图像的一些基本操作，形态学操作等还是可以掌握，从边缘检测开始就对原理有点蒙圈了，从傅里叶变换开始，原理中的各种高数知识和线代知识有点头晕，而且课程在讲解过程中也只讲了每一步是做什么的，不知道这样做的原因是什么，或者说怎么想到去这样做的，所以从傅里叶变换开始后面的如直方图，角点检测，sift算法（尤其是这个，得到特征点之后的操作基本都没看懂），特征匹配对原理都是一知半解的听完然后跑一下代码。所以虽然opencv的操作视频基本都刷完了，当感觉还是一个很蒙圈的状态，不知道怎么用。周末准备刷一下视频中的实战案例，看看能不能将这些技术与现实结合一下。