OpenCV图像处理基础（变换和去噪），2024最新Python面试题及答案

#将图像转换为灰度图像

show_img_1 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

plt.imshow(show_img_1,cmap=plt.cm.gray)

#打印图像形状

print(show_img_1.shape)

plt.show()

图像变换

---

图像变换在深度学习中常用于图像增强。

仿射变换

仿射变换可以进行缩放、旋转、平移、裁剪和翻转。总计而言，仿射变换会保留图中直线的平直性和平行性。表示成矩阵形式：

[ x ^ y ^ 1 ] = [ a 1 a 2 t 1 a 3 a 4 t 2 0 0 1 ] × [ x y 1 ]

$$\begin{bmatrix} \hat x \\ \hat y \\ 1 \end{bmatrix}$$ = $$\begin{bmatrix} a_1 & a_2 & t_1 \\ a_3 & a_4 & t_2 \\ 0 & 0 & 1 \end{bmatrix}$$ \times $$\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}$$ ⎣⎡​x^y​1​⎦⎤​=⎣⎡​a1​a3​0​a2​a4​0​t1​t2​1​⎦⎤​×⎣⎡​xy1​⎦⎤​

其中 [ a 1 a 2 a 3 a 4 ]

$$\begin{bmatrix} a_1 & a_2\\ a_3 & a_4 \end{bmatrix}$$ [a1​a3​​a2​a4​​]表示缩放和旋转变化， [ t 1 t 2 ] $$\begin{bmatrix} t_1 \\ t_2 \end{bmatrix}$$ [t1​t2​​]表示平移变化。

在OpenCV中可以使用WarpAffine函数进行仿射变换。

wrapAffine(src, M, dsize, flags, borderMode, borderValue)

参数：

src: 源图像

M: 仿射变换矩阵

dsize: 输出图像大小

flags: 插值方式

borderMode: 边界像素模式

borderValue: 边界填充值

同时为了更方便的使用，使用函数getRotationMatrix2D可以方便生成变换矩阵：

getRotationMatrix2D(center, angle, scale)

参数：

center: 旋转中心

angle: 旋转角度

scale: 缩放系数

图像缩放

show_img_3 = cv2.resize(img, (200,200))

plt.imshow(show_img_3)

plt.show()

rows, cols, _ = img.shape

matrix = cv2.getRotationMatrix2D((cols/2,rows/2),0,0.5)

show_img_4 = cv2.warpAffine(img,matrix,(cols,rows))

plt.imshow(show_img_4)

plt.show()

图像旋转

matrix = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)

show_img_5 = cv2.warpAffine(img,matrix,(cols,rows))

matrix = cv2.getRotationMatrix2D((cols/2,rows/2),180,1)

show_img_6 = cv2.warpAffine(img,matrix,(cols,rows))

matrix = cv2.getRotationMatrix2D((cols/2,rows/2),270,1)

show_img_7 = cv2.warpAffine(img,matrix,(cols,rows))

plt.subplot(131)

plt.imshow(show_img_5)

plt.subplot(132)

plt.imshow(show_img_6)

plt.subplot(133)

plt.imshow(show_img_7)

plt.show()

图像平移

import numpy as np

matrix = np.float32([[1,0,25],[0,1,25]])

show_img_8 = cv2.warpAffine(img,matrix,(cols,rows))

matrix = np.float32([[1,0,50],[0,1,50]])

show_img_9 = cv2.warpAffine(img,matrix,(cols,rows))

matrix = np.float32([[1,0,100],[0,1,0]])

show_img_10 = cv2.warpAffine(img,matrix,(cols,rows))

plt.subplot(131)

plt.imshow(show_img_8)

plt.subplot(132)

plt.imshow(show_img_9)

plt.subplot(133)

plt.imshow(show_img_10)

plt.show()

图像裁剪

#[左上角x轴坐标:右下角x轴坐标,左上角y轴坐标:右下角y轴坐标]

show_img_11 = img[50:150,50:150]

plt.imshow(show_img_11)

plt.show()

图像翻转

srcPoints = np.float32([[0,0],[0,150],[200,200]])

canvasPoints = np.float32([[0,0],[0,150],[150,150]])

matrix = cv2.getRotationMatrix2D((0,0),0,0.5)

show_img_12 = cv2.warpAffine(img,matrix,(cols,rows))

plt.subplot(121)

plt.imshow(show_img_12)

matrix = cv2.getAffineTransform(np.array(srcPoints),np.array(canvasPoints))

show_img_13 = cv2.warpAffine(img,matrix,(cols,rows))

plt.subplot(122)

plt.imshow(show_img_13)

plt.show()

亮度与对比度变换

通过调整像素值来改变图像亮度和对比度：

f ( x ^ ) = α f ( x ) + β f(\hat x)=\alpha f(x) + \beta f(x^)=αf(x)+β

α \alpha α用于调整对比度， β \beta β用于调整亮度。

#调整亮度

show_img_14 = np.uint8(np.clip((img+20),0,255))

#调整对比度

show_img_15 = np.uint8(np.clip((1.5*img),0,254))

plt.subplot(121)

plt.imshow(show_img_14)

plt.subplot(122)

plt.imshow(show_img_15)

plt.show()

图像去噪

---

常见噪声包括高斯噪声和椒盐噪声。

高斯噪声

噪声的概率密度符合高斯分布的图片噪声称为高斯噪声。

def gasuss_noise(image, mean=0, var=0.001):

‘’’

添加高斯噪声

mean : 均值

var : 方差

‘’’

image = np.array(image/255, dtype=float)

noise = np.random.normal(mean, var ** 0.5, image.shape)

out = image + noise

if out.min() < 0:

low_clip = -1.

else:

low_clip = 0.

out = np.clip(out, low_clip, 1.0)

out = np.uint8(out*255)

#cv.imshow(“gasuss”, out)

return out

show_img_16 = gasuss_noise(img,var=0.01)

show_img_17 = gasuss_noise(img,var=0.04)

plt.subplot(121)

plt.imshow(show_img_16)

plt.subplot(122)

plt.imshow(show_img_17)

plt.show()

椒盐噪声

椒盐噪声是指图片中包含白色的盐噪声和黑色的胡椒噪声。

def sp_noise(image,prob):

‘’’

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/知新_RL/article/detail/554666