随笔分类 - 图像处理
摘要：图像毛玻璃特效 图像毛玻璃特效是用图像邻域内随机一个像素点的颜色来代替当前像素点颜色的过程，从而为图像增加一个毛玻璃模糊的特效。 src = cv2.imread("rose.jpg") dst = np.zeros_like(src) rows, cols = src.shape[:2] #定义偏
阅读全文
摘要：图像向下取样 在图像向下取样中，使用最多的是高斯金字塔。它将对图像Gi进行高斯核卷积，并删除图像中所有的偶数行和列，最终缩小图像，其中高斯卷积核运算就是对整幅图像进行加权平均的过程，每一个像素点的值，都是由其本身和领域内的其他像素值经过加权平均后得到。 dst = cv2.pyRdown(src,
阅读全文
摘要：Roberts算子 Roberts算子即为交叉微分算法，它是基于交叉差分的梯度算法，通过局部差分计算检测边缘线条。常用来处理具有陡峭的第噪声图像，当图像边缘接近于正45度或负45度时，该算法处理效果更理想，其缺点时对边缘的定位不太准确，提取的边缘线条较粗。 在Python中，Roberts算子主要是
阅读全文
摘要：图像灰度上移变换 该算法将实现图像灰度值的上移，从而提升图像的亮度，由于图像的灰度值位于0到255之间，需要对灰度值进行溢出判断。 代码如下: import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread
阅读全文
摘要：图像开运算 图像开运算是图像依次经过腐蚀，膨胀处理后的过程。图像被腐蚀后，去除了噪声，但是也压缩了图像；接着对腐蚀过的图像进行膨胀处理，可以去除噪声，并保留原有图像。 开运算=膨胀 图像开运算主要使用函数morphologyEx,它是形态学拓展的一组函数，其参数cv2.MORPH_OPEN对应开运算
阅读全文
摘要：图像腐蚀 1.基础理论 形态学转换主要针对的是二值图像(0/1)图像类似于领域被蚕食，将图像中的高亮区域白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。主要包括两个输入对对象： 二值图像，卷积核（卷积核是腐蚀中的关键数组，采用numpy库组成）卷积核的中心点逐个像素扫描原始图像。 被扫描到的
阅读全文
摘要：图像的二值化或阈值化（Binarization）旨在提取图像中的目标物体，将背景以及噪声区分开来。通常会设定一个阈值T，通过T将图像的像素划分为两类：大于T的像素群和小于T的像素群。灰度转换处理后的图像中，每个像素都只有一个灰度值，其大小表示明暗程度。二值化处理可以将图像中的像素划分为两类颜色，常用
阅读全文
摘要：图像缩放 图像缩放主要是调用resize()函数实现，result = cv2.resize(src, dsize[, result[.fx, fy[,interpolation]]]) 其中src表示原始图像,dsize表示缩放大小, fx,fy也可以表示缩放大小倍数,他们两个设置一个即可实现图像
阅读全文
摘要：图像加法运算 1:借助Numpy库进行加法运算；运算方式为: 目标图像 = 图像1 + 图像2，运算结果进行取模运算 当像素值 <=255 时，结果图像1+图像2 eg: 120 + 48 =168 当像素值 >= 255 时，结果为对255取模的结果 eg: (255+56) %255=56 2:
阅读全文
摘要：主要讲解Python调用OpenCV实现图像平滑，包括四个算法：均值滤波、方框滤波、高斯滤波和中值滤波. 给图像增加噪声: import cv2 import numpy as np def test10(): img = cv2.imread("result.jpg", cv2.IMREAD_UN
阅读全文
摘要：获取图像属性 1: 形状-shape: 通过shape关键字获取图像的形状，返回包含行数、列数、通道数的元祖。其中灰度图像返回行数和列数，彩色图像返回行数、列数和通道数 import cv2 img = cv2.imread("result.jpg", cv2.IMREAD_UNCHANGED) #
阅读全文
摘要：传统读取像素方法 灰度图像(返回的值即为该位置的像素值): p = img[位置参数] eg: p = img[88, 142] BGR图像(返回B,G,R的值) 代码如下: import cv2 def test(): img = cv2.imread("result.jpg", cv2.IMRE
阅读全文
摘要：一.图像基础知识 图像是由像素组成的，如同图像中的小方格，每个小方格都会有一个明确的位置坐标和色彩数值。所以图像所展示的样子取决于色彩值和位置，像素是图像中最小的单位，每个点阵图像包含了一定的像素，这些像素决定了图像在屏幕中所展现的大小。常用的图像分为： 二值图像，灰度图像和彩色图像。 彩色图像:
阅读全文
摘要：图片是由像素点矩阵组成的，对图片的操作即为对像素点矩阵的操作。只要在这个像素点矩阵中找到这个像素点的位置，比如第x行，第y列，所以这个像素点在这个像素点矩阵中的位置就可以表示成（x，y）,因为一个像素点的颜色由红、绿、蓝三个颜色变量表示(R,G,B)，所以我们通过给这三个变量赋值，来改变这个像素点的
阅读全文
浙公网安备 33010602011771号