当前位置:   article > 正文

Python-OpenCV教程丨从零开始学计算机视觉_python视觉方面图像处理怎么自学

python视觉方面图像处理怎么自学

写在前面

探索新大陆:Python&OpenCV,本文主要记录入门计算机视觉的一些简单程序。

入门篇

安装opencv库

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python
  • 1

1.生成图片

"""
作者:Want595
微信号:Want_595
公众号:Want595
"""
import cv2
import numpy as np
width = 200
height = 100
img = np.ones((height, width), np.uint8) * 255
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

这段代码使用OpenCV库创建了一个宽度为200,高度为100的空白图像,并将图像中所有像素点的值设为255(白色)。然后展示了该图像。

具体的执行过程如下:

  1. 导入cv2和numpy库。
    import cv2
    import numpy as np

  2. 定义图像的宽度和高度。在这里,宽度为200,高度为100。
    width = 200
    height = 100

  3. 使用numpy库的ones函数创建一个指定大小的全为1的数组,并将数组中的元素类型转换为8位无符号整数。
    img = np.ones((height, width), np.uint8) * 255

    • 参数(height, width)指定数组的维度,即图像的高度和宽度。
    • 参数np.uint8表示数组中元素的数据类型为8位无符号整数。
    • * 255 表示将所有元素的值乘以255,即将所有像素点的值设为255。
  4. 使用cv2.imshow函数显示创建的图像。该函数的参数为展示图像的窗口名称和图像数据。
    cv2.imshow("img", img)

  5. 等待按下任意键后关闭窗口。使用cv2.waitKey函数,该函数返回按键的ASCII码。当按下任意键后,cv2.waitKey函数将返回一个非负数,通过与0xFF进行按位与操作,将返回值转换为一个8位整数。
    cv2.waitKey()

  6. 关闭所有窗口。使用cv2.destroyAllWindows函数,该函数用于销毁已创建的所有窗口。
    cv2.destroyAllWindows()

这段代码的作用是创建一个指定大小的空白图像,并将图像中所有像素点的值设为255,即将图像填充为白色。然后展示该图像,以便可以看到所创建图像的效果。

2.转换色彩空间

1

"""
作者:Want595
微信号:Want_595
公众号:Want595
"""
import cv2
image = cv2.imread("Pikachu.jpg")
cv2.imshow("RGB", image)
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("HSV", hsv_image)
cv2.waitKey()
cv2.destroyAllWindows()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

这段代码使用OpenCV库读取了一张名为"Pikachu.jpg"的彩色图片,并展示了该图片的原始版本以及转换为HSV颜色空间的版本。

具体的执行过程如下:

  1. 使用cv2.imread函数读取图片。该函数的参数是要读取的图片路径。读取的图片会被存储为一个numpy数组。
    image = cv2.imread("Pikachu.jpg")

  2. 使用cv2.imshow函数显示图片的原始版本。该函数的参数为展示图片的窗口名称和图像数据。
    cv2.imshow("RGB", image)

  3. 使用cv2.cvtColor函数将图片转换为HSV颜色空间。该函数的参数为要转换的图像数据和转换的颜色空间标识。在这里,使用cv2.COLOR_BGR2HSV将图片从BGR颜色空间转换为HSV颜色空间。
    hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

  4. 使用cv2.imshow函数显示转换后的图片。该函数的参数为展示图片的窗口名称和图像数据。
    cv2.imshow("HSV", hsv_image)

  5. 等待按下任意键后关闭窗口。使用cv2.waitKey函数,该函数返回按键的ASCII码。当按下任意键后,cv2.waitKey函数将返回一个非负数,通过与0xFF进行按位与操作,将返回值转换为一个8位整数。
    cv2.waitKey()

  6. 关闭所有窗口。使用cv2.destroyAllWindows函数,该函数用于销毁已创建的所有窗口。
    cv2.destroyAllWindows()

这段代码的作用是展示一张彩色图片的原始版本以及转换为HSV颜色空间的版本,以便更好地理解图片的颜色信息。

3.拆分颜色通道

"""
作者:Want595
微信号:Want_595
公众号:Want595
"""
import cv2
image = cv2.imread("Pikachu.jpg")
cv2.imshow("img", image)
b,g,r = cv2.split(image)
cv2.imshow("b", b)
cv2.imshow("g", g)
cv2.imshow("r",r)
cv2.waitKey()
cv2.destroyAllWindows()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

这段代码使用OpenCV库读取了一张名为"Pikachu.jpg"的图片,并展示了该图片的原始版本以及分离出的蓝色通道、绿色通道和红色通道。

具体的执行过程如下:

  1. 使用cv2.imread函数读取图片。该函数的参数是要读取的图片路径。读取的图片会被存储为一个numpy数组。
    image = cv2.imread("Pikachu.jpg")

  2. 使用cv2.imshow函数显示原始图片。该函数的参数为展示图片的窗口名称和图像数据。
    cv2.imshow("img", image)

  3. 使用cv2.split函数分离出图片的蓝色通道、绿色通道和红色通道。该函数的参数为要分离的图像数据。
    b,g,r = cv2.split(image)

  4. 使用cv2.imshow函数分别显示蓝色通道、绿色通道和红色通道的图像。
    cv2.imshow("b", b)
    cv2.imshow("g", g)
    cv2.imshow("r",r)

  5. 等待按下任意键后关闭窗口。使用cv2.waitKey函数,该函数返回按键的ASCII码。当按下任意键后,cv2.waitKey函数将返回一个非负数,通过与0xFF进行按位与操作,将返回值转换为一个8位整数。
    cv2.waitKey()

  6. 关闭所有窗口。使用cv2.destroyAllWindows函数,该函数用于销毁已创建的所有窗口。
    cv2.destroyAllWindows()

这段代码的作用是将一张彩色图片分离成RGB三个通道的图片,并分别展示出来。

4.绘制线条

"""
作者:Want595
微信号:Want_595
公众号:Want595
"""
import numpy as np
import cv2

canvas = np.zeros((300, 300, 3), np.uint8)
cv2.line(canvas, (50, 50), (250, 50), (255, 0, 0), 5)
cv2.line(canvas, (50, 150), (250, 150), (0, 255, 0), 10)
cv2.line(canvas, (50, 250), (250, 250), (0, 0, 255), 15)
cv2.line(canvas, (150, 50), (150, 250), (0, 255, 255), 20)
cv2.imshow("Lines", canvas)
cv2.waitKey()
cv2.destroyAllWindows()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

这段代码使用OpenCV库绘制了一张300x300像素的画布,并在画布上绘制了四条直线。具体的绘制过程如下:

  1. 创建了一个300x300x3的空白画布,像素值都为0。其中300x300表示画布的宽高,3表示每个像素点的通道数(RGB)。
    canvas = np.zeros((300, 300, 3), np.uint8)

  2. 使用cv2.line函数绘制直线。该函数的参数依次为:画布,起点坐标,终点坐标,颜色,线条粗细。

    • 绘制一条从(50, 50)到(250, 50)的红色直线,线条粗细为5。
    • 绘制一条从(50, 150)到(250, 150)的绿色直线,线条粗细为10。
    • 绘制一条从(50, 250)到(250, 250)的蓝色直线,线条粗细为15。
    • 绘制一条从(150, 50)到(150, 250)的青色直线,线条粗细为20。
      cv2.line(canvas, (50, 50), (250, 50), (255, 0, 0), 5)
      cv2.line(canvas, (50, 150), (250, 150), (0, 255, 0), 10)
      cv2.line(canvas, (50, 250), (250, 250), (0, 0, 255), 15)
      cv2.line(canvas, (150, 50), (150, 250), (0, 255, 255), 20)
  3. 显示绘制好的画布。使用cv2.imshow函数显示图像。参数为窗口名称和图像数据。
    cv2.imshow("Lines", canvas)

  4. 等待按下任意键后关闭窗口。使用cv2.waitKey函数,该函数返回按键的ASCII码。当按下任意键后,cv2.waitKey函数将返回一个非负数,通过与0xFF进行按位与操作,将返回值转换为一个8位整数。
    cv2.waitKey()

  5. 关闭所有窗口。使用cv2.destroyAllWindows函数,该函数用于销毁已创建的所有窗口。
    cv2.destroyAllWindows()

5.阈值自适应处理

"""
作者:Want595
微信号:Want_595
公众号:Want595
"""
import cv2

image = cv2.imread("Pikachu.jpg")
image_Gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
t1, dst1 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_BINARY)
t2, dst2 = cv2.threshold(image_Gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
cv2.putText(dst2, "best threshold:" + str(t2), (0, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,0), 2)
cv2.imshow("BINARY", dst1)
cv2.imshow("OTSU", dst2)
cv2.waitKey()
cv2.destroyAllWindows()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

这段代码使用OpenCV库加载一张名为"Pikachu.jpg"的图像,并进行灰度化处理。然后使用两种不同的阈值方法对灰度图像进行二值化处理,分别为全局固定阈值和Otsu自适应阈值。

具体的执行过程如下:

  1. 导入cv2库。
    import cv2

  2. 使用cv2.imread函数加载一张名为"Pikachu.jpg"的图像,并将图像数据存储在image变量中。
    image = cv2.imread("Pikachu.jpg")

  3. 使用cv2.cvtColor函数将图像从BGR颜色空间转换为灰度图像。
    image_Gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

  4. 使用cv2.threshold函数进行全局固定阈值的二值化处理。该函数的参数包括待处理的灰度图像、设定的阈值、结果图像的最大像素值、阈值类型等。
    t1, dst1 = cv2.threshold(image_Gray, 127, 255, cv2.THRESH_BINARY)

    • 参数image_Gray为待处理的灰度图像。
    • 参数127为设定的阈值,小于等于该阈值的像素值被设为0,大于该阈值的像素值被设为最大像素值。
    • 参数255为结果图像的最大像素值。
    • 参数cv2.THRESH_BINARY表示使用固定阈值法进行二值化处理。

    函数的返回值t1为实际选取的阈值,dst1为处理后的二值图像。

  5. 使用cv2.threshold函数进行Otsu自适应阈值的二值化处理。与步骤4相似,只是阈值类型为cv2.THRESH_BINARY + cv2.THRESH_OTSU
    t2, dst2 = cv2.threshold(image_Gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    • 参数0表示使用Otsu算法计算的阈值。
    • 参数cv2.THRESH_BINARY + cv2.THRESH_OTSU表示使用Otsu自适应阈值法进行二值化处理。

    函数的返回值t2为实际选取的阈值,dst2为处理后的二值图像。

  6. 使用cv2.putText函数在dst2图像上打印出实际选取的阈值。该函数的参数包括待处理的图像、要绘制的文本内容、文本的起始位置、字体、字体大小、字体颜色、文本的线宽等。
    cv2.putText(dst2, "best threshold:" + str(t2), (0, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,0), 2)

    • 参数"best threshold:" + str(t2)为要绘制的文本内容。
    • 参数(0, 30)为文本的起始位置。
    • 参数cv2.FONT_HERSHEY_SIMPLEX为字体类型。
    • 参数1为字体大小。
    • 参数(0,0,0)为字体颜色,即黑色。
    • 参数2为文本的线宽。
  7. 使用cv2.imshow函数显示处理后的二值图像。参数为展示图像的窗口名称和图像数据。
    cv2.imshow("BINARY", dst1)
    cv2.imshow("OTSU", dst2)

  8. 使用cv2.waitKey函数等待按键操作,直到按下任意键后关闭窗口。
    cv2.waitKey()

  9. 关闭所有窗口。使用cv2.destroyAllWindows函数销毁所有已创建的窗口。
    cv2.destroyAllWindows()

该代码的作用是对灰度图像进行阈值分割,分别使用全局固定阈值和Otsu自适应阈值方法进行二值化处理,并展示处理后的结果图像。在Otsu自适应阈值处理后,还在结果图像上添加了实际选取的阈值的文本信息。

写在后面

我是一只有趣的兔子,感谢你的喜欢!

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/黑客灵魂/article/detail/799411
推荐阅读
相关标签
  

闽ICP备14008679号