Python图像处理——计算机视觉中常用的图像预处理

概述

在计算机视觉项目中，使用样本时经常会遇到图像样本不统一的问题，比如图像质量，并非所有的图像都具有相同的质量水平。在开始训练模型或运行算法之前，通常需要对图像进行预处理，以确保获得最佳的结果。图像预处理包括调整大小和裁剪到降噪和归一化的各种技术。涉及的库有OpenCV、Pillow和scikit-image等。

图像预处理

图像预处理是将原始图像数据操作成可用和有意义格式的过程。它允许消除不希望的失真并增强计算机视觉应用所需的特定品质。预处理是准备图像数据输入到机器学习模型之前的重要步骤。

常用的图像预处理：

1. 调整大小： 将图像调整到统一的大小对机器学习算法的正常运行至关重要。可以使用OpenCV的resize()方法来调整图像大小。

2. 灰度化： 将彩色图像转换为灰度可以简化图像数据，并减少一些算法的计算需求。cvtColor()方法可以用来将RGB转换为灰度。

3. 降噪： 可以应用平滑、模糊和过滤技术来去除图像中不希望的噪声。常用的降噪方法包括GaussianBlur()和medianBlur()方法。

4. 归一化： 将像素的强度值调整到期望的范围通常在0到1之间，这可以提高机器学习模型的性能。scikit-image的Normalize()可以用来进行此操作。

5. 二值化： 通过阈值处理将灰度图像转换为黑白。OpenCV中的threshold()方法用于二值化图像。

6. 对比度增强： 可以使用直方图均衡化调整图像的对比度。equalizeHist()方法增强了图像的对比度。

图像加载与转换

处理图像之前，首先是加载图像，然后是把图像转换到需要用的到数据空间，以便它们可以被库处理。这里常用到OpenCV和Pillow。

加载
使用OpenCV加载图像：

import cv2
image = cv2.imread('path/to/image.jpg')
1
2

这将把图像加载为NumPy数组。OpenCV加载的图像在BGR颜色空间中，如果需要，可能需要将其转换为RGB。

使用Pillow加载图像：

from PIL import Image
image = Image.open('path/to/image.jpg')
1
2

这将加载图像并将其存储为PIL图像对象。Pillow支持的图像格式更加丰富，包括PSD、ICO和WEBP等。

在颜色空间之间转换：

如果需要在不同的颜色空间之间转换图像，可以使用OpenCV或Pillow提供的函数能直接转换。例如，将BGR转换为灰度图像：

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
1

或者将RGB转换为HSV：

image = image.convert('HSV')
1

图像尺寸

调整和裁剪图像尺寸是图像预处理的非常重要第一步。由于图像具有不同的形状和大小，但许多机器学习算法通常需要标准大小的输入。因此，经常需要将图像调整和裁剪到特定的尺寸，如256x256或512X512像素。在Python中，OpenCV或Pillow库提供了图像的调整大小和裁剪方法。

使用OpenCV时，可以使用resize()函数来调整图像的大小。例如：

import cv2
img = cv2.imread('original.jpg')
resized = cv2.resize(img, (512, 512))
1
2
3

这将把图像调整为512x512像素。

要裁剪图像为正方形，可以计算裁剪的中心位置，并使用OpenCV的crop()函数。
例如：

height, width = img.shape[:2]
size = min(height, width)
x = (width - size) // 2
y = (height - size) // 2
cropped = img[y:y+size, x:x+size]
1
2
3
4
5

使用Pillow时，可以使用Image.open()和resize()函数。
例如：

from PIL import Image
img = Image.open('original.jpg')
resized = img.resize((224, 224))
1
2
3

要裁剪图像，可以使用img.crop()函数。
例如：

width, height = img.size
size = min(width, height)
left = (width - size) // 2
top = (height - size) // 2
right = (width + size) // 2
bottom = (height + size) // 2
cropped = img.crop((left, top, right, bottom))
1
2
3
4
5
6
7

将图像调整大小和裁剪到标准尺寸是非常重要的，这样可以确保机器学习模型能够高效地处理图像，并提高结果的准确性。因此，花时间来精心调整和裁剪图像将会得到更好的模型性能。

图像归一化

在处理图像数据时，将像素值归一化以保持一致的亮度并提高对比度是很重要的。这使得图像更适合分析，并允许机器学习模型独立于光照条件学习模式。

重新缩放像素值：
最常见的归一化技术是将像素值重新缩放到0到1的范围内。这是通过将所有像素除以最大像素值（通常对于RGB图像为255）来完成的。例如：

import cv2
Img = cv2.imread('image.jpg')
normalized = Img / 255.0
1
2
3

这将把所有像素缩放到0和1之间，0为黑色，1为白色。

直方图均衡化：
另一个有用的技术是直方图均衡化。这通过在整个范围内展开像素强度来改善对比度。可以使用OpenCV进行应用：

eq_img = cv2.equalizeHist(img)
1

这对于对比度低且像素值集中在狭窄范围内的图像效果很好。

对于某些算法，将像素值归一化到零均值和单位方差是有用的。这可以通过减去均值并缩放到单位方差来完成：

mean, std = cv2.meanStdDev(img)
std_img = (img - mean) / std
1
2

这将使图像围绕零居中，标准差为1。

还有一些更复杂的归一化技术，但这三个方法——重新缩放到0-1范围、直方图均衡化和标准化——涵盖了基础知识，并将为的图像数据准备好大多数机器学习应用。确保对你的训练和测试数据应用相同的归一化，以获得最佳结果。

图像滤波

图像滤波的作用是平滑图像、去除噪声、增强图像等。滤波操作可以通过应用各种类型的滤波器来实现，其中包括线性滤波器（如均值滤波、高斯滤波）和非线性滤波器（如中值滤波）等。

高斯模糊：
高斯模糊过滤器减少图像中的细节和噪声。它通过对每个像素及其周围像素应用高斯函数来“模糊”图像。这可以帮助平滑边缘和细节，为边缘检测或其他处理技术做准备。

中值模糊：
中值模糊过滤器适用于从图像中去除盐和胡椒噪声。它的工作原理是用邻近像素的中值替换每个像素。这可以帮助平滑孤立的噪声像素，同时保留边缘。

拉普拉斯滤波器：
拉普拉斯滤波器用于检测图像中的边缘。它通过检测强度变化迅速的区域来工作。输出将是一个突出显示边缘的图像，然后可以用于边缘检测。这有助于识别和提取图像中的特征。

锐化掩蔽：
锐化掩蔽是一种用于锐化细节和增强图像边缘的技术。它的工作原理是从原始图像中减去模糊版本的图像。这放大了边缘和细节，使图像看起来更清晰。锐化掩蔽可以在特征提取或对象检测之前用于锐化细节。

双边滤波器：
双边滤波器在保留边缘的同时平滑图像。它通过考虑像素的空间接近度和颜色相似性来实现这一点。空间上靠近且颜色相似的像素将一起平滑。空间上远离或颜色差异很大的像素不会被平滑。这导致了一个具有锋利边缘的平滑图像。双边滤波器在边缘检测之前的噪声减少中可能有用。

使用分割技术检测和移除背景

检测和移除图像的背景是许多计算机视觉任务中的重要预处理步骤。分割可以将前景主题与背景分离，得到只包含主题的清晰图像。

在Python中，使用OpenCV和scikit-image进行图像分割有几种常见方法：

1. 阈值化（Thresholding）：阈值化是将图像转换为二值图像的方法。通过选择一个阈值，像素值高于阈值的被标记为前景，低于阈值的被标记为背景。你可以使用OpenCV的cv2.threshold()函数应用阈值化。

import cv2

# 读取图像
img = cv2.imread('image.jpg', 0)  # 以灰度模式读取图像

# 应用阈值化
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 显示结果
cv2.imshow('Thresholded Image', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12

2. 边缘检测（Edge Detection）：边缘检测可以找到图像中的边缘，即对象之间的边界。Canny边缘检测是一种流行的算法，你可以使用OpenCV的cv2.Canny()函数来实现。

import cv2

# 读取图像
img = cv2.imread('image.jpg', 0)  # 以灰度模式读取图像

# Canny边缘检测
edges = cv2.Canny(img, 100, 200)

# 显示结果
cv2.imshow('Canny Edge Detection', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12

3. 区域生长（Region Growing）：区域生长是一种从种子点开始，逐步将相邻像素添加到区域中的方法。你可以使用scikit-image的skimage.segmentation.region_growing()函数来实现。

from skimage.segmentation import region_growing
import matplotlib.pyplot as plt

# 读取图像
img = plt.imread('image.jpg')

# 区域生长
seed = (100, 100)
region = region_growing(img, seed)

# 显示结果
plt.imshow(region, cmap='gray')
plt.axis('off')
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

4. 分水岭算法（Watershed Algorithm）：分水岭算法将图像视为地形图，通过模拟水流的流动来分割图像。你可以使用scikit-image的skimage.segmentation.watershed()函数来实现。

from skimage.segmentation import watershed
from skimage.feature import peak_local_max
from scipy import ndimage
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
img = plt.imread('image.jpg')

# 计算距离变换
distance = ndimage.distance_transform_edt(img)

# 寻找峰值
local_maxi = peak_local_max(distance, indices=False, footprint=np.ones((3, 3)), labels=img)

# 应用分水岭算法
markers = ndimage.label(local_maxi)[0]
labels = watershed(-distance, markers, mask=img)

# 显示结果
plt.imshow(labels, cmap='nipy_spectral')
plt.axis('off')
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

通过分割，可以从图像中隔离出主题。分割是一个关键的第一步，它允许将计算机视觉模型集中在图像最重要的部分——前景主题上。

数据集增强

数据增强是一种通过生成新的图像来人为扩展数据集大小的技术，有助于减少过拟合并提高模型的泛化能力。常见的图像数据增强包括：

1. 翻转和旋转：对图像进行水平或垂直翻转，以及90度、180度、270度的旋转，可以生成新的数据点。这样做可以使模型更好地适应不同的视角和方向。

2. 裁剪：将图像裁剪到不同的大小和比例，可以创建具有不同视野的新图像。随机裁剪和特定比例的裁剪都是常见的方法。

3. 颜色调整：调整图像的亮度、对比度、色调和饱和度可以创建具有不同外观的图像。但要小心，不要使图像过度扭曲，以免模型混淆。

4. 图像叠加：在图像上叠加透明图像、纹理或噪声可以创建原始数据的变化。例如，添加水印、标志、污垢或高斯噪声等。

5. 结合技术：结合多种增强技术可以进一步扩展数据集。例如，结合翻转、旋转、裁剪和颜色调整，可以生成更多样化的图像。

通过数据增强，可以扩展数据集的大小，而无需收集更多的原始图像。这有助于减少过拟合并提高模型的性能，同时也有助于节省训练时间和成本。但要注意不要过度增强，以免导致图像失真或模型混淆。

预处理步骤

对于图像项目项目，选择正确的预处理技术取决于数据的特点和项目的目标。常见的预处理步骤：

1. 调整大小：将图像调整到统一的大小对机器学习算法至关重要。通常，图像会被调整为相同的高度和宽度，例如28x28或64x64像素。你可以使用OpenCV或Pillow库中的resize()方法来实现。

2. 颜色转换：将图像转换为灰度或黑白可以简化分析并减少噪声。使用OpenCV中的cvtColor()方法将图像从RGB转换为灰度。对于黑白图像，可以使用阈值化来实现。

3. 降噪：使用高斯模糊、中值模糊和双边过滤等技术可以减少噪声并平滑图像。OpenCV中的GaussianBlur()、medianBlur()和bilateralFilter()方法可以实现这些过滤器。

4. 归一化：将像素值归一化到标准范围，例如0到1或-1到1，有助于算法更好地工作。你可以使用scikit-image中的normalize()方法来实现。

5. 对比度增强：对于对比度较低的图像，可以使用直方图均衡化来提高对比度。OpenCV中的equalizeHist()方法可以执行此任务。

6. 边缘检测：在图像中找到边缘或轮廓对于许多计算机视觉任务很有用。OpenCV中的Canny()方法中的Canny边缘检测器是一个常用的选择。

关键是根据项目的需求选择适当的预处理技术。从基本的调整大小开始，然后尝试不同的方法来改进图像质量，最终找到最适合你项目的预处理流程。通过实验，你将找到一个理想的预处理工作流程。

图像预处理常见问题

Python支持图像格式：

Python通过OpenCV和Pillow等库支持的一些主要格式包括：

• JPEG：常见的有损图像格式
• PNG：适用于具有透明度的图像的无损图像格式
• TIFF：适用于高颜色深度图像的无损图像格式
• BMP：未压缩的光栅图像格式

如何时调整图像大小：

当以下情况时，应该调整图像大小：

• 图像太大，无法高效处理。减小大小可以加快处理速度。
• 图像需要匹配机器学习模型的输入大小。
• 图像需要在特定大小的屏幕或网页上显示。

常用的图像滤波：

一些流行的降噪技术包括：

• 高斯模糊：使用高斯滤波器模糊图像并减少高频噪声。
• 中值模糊：用邻近像素的中值替换每个像素。有效去除盐和胡椒噪声。
• 双边滤波器：在保留边缘的同时模糊图像。它可以在保留锐利边缘的同时去除噪声。

OpenCV支持哪些颜色空间：

OpenCV支持RGB、HSV、LAB和灰度颜色空间。你可以使用cvtColor函数在颜色空间之间转换。例如：

# 将RGB转换为灰度
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

# 将RGB转换为HSV
hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)

# 将RGB转换为LAB
lab = cv2.cvtColor(img, cv2.COLOR_RGB2LAB)
1
2
3
4
5
6
7
8

转换到不同的颜色空间对于某些计算机视觉任务（如阈值化、边缘检测和对象跟踪）很有用。