python-opencv 培训课程作业

python-opencv 培训课程作业

作业一:

第一步:读取 res 下面的 flower.jpg,读取彩图,并用 opencv 展示

第二步:彩图 -> 灰度图

第三步:反转图像:最大图像灰度值减去原图像,即可得到反转的图像

第四步:用 plt 对比展示原图、灰度图、反转图 plt.subplot()

python 复制代码
import os
import cv2
import  matplotlib.pyplot as plt
import numpy as np
#默认加载彩图
path=r'flower.jpg'

# imread(path,way)
#way=0 灰度图。way=1 彩图
#默认彩图

#cv2.COLOR_BGR2GRAY

#cv2.COLOR_BGR2RGB
#cv2.COLOR_BGR2HSV,HSV-色调、饱和度、亮度


def cv_show(name,img):
    cv2.imshow(name,img)
    #cv2.waitKey(0),接收0,表示窗口暂停
    cv2.waitKey(0)
    #销毁所有窗口
    cv2.destroyAllWindows()
# 第一步:读取 res 下面的 flower.jpg,读取彩图,并用 opencv 展示
img=cv2.imread(path)

cv_show('flower',img)

# 彩图 -> 灰度图
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)


# 反转图像:最大图像灰度值减去原图像,即可得到反转的图像

max_gray_value=img_gray.max()
print(max_gray_value)

covert_img=max_gray_value-img

# 用 plt 对比展示原图、灰度图、反转图 plt.subplot()

plt.subplot(131)
img = img[:,:, ::-1]
plt.imshow(img)

plt.title('original')

plt.subplot(132)
plt.imshow(img_gray,'gray')
plt.title('img_gray')
plt.subplot(133)
covert_img=covert_img[:,:, ::-1]
plt.imshow(covert_img)
plt.title('covert_img')

plt.show()

作业二:

第一步:第一步:读取 res 下面的 girl.jpg,读取彩图,,并转换为rbg格式展示

第二步:灰度化处理,并展示

第三步:灰度图二值化处理,像素值大于50,设置为255,小于50,设置为0

第四步:伽马变换:通过幂运算来调整图像的对比度和亮度,每个像素值取 0.8 次幂,参考 math.pow(gamma[i][j], 0.8),并展示最终结果

第五步:对数变换:通过对每个像素点的灰度值进行对数计算,以增强图像中低灰度级的细节,增强图像的整体对比度,对每个像素求 3 * math.log(1 + log[i][j]),并展示最终结果

代码如下:

python 复制代码
import cv2
import copy
import math
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

mpl.rcParams["font.sans-serif"] = ["SimHei"]  # 指定默认字体 SimHei 黑体

# 读入原始图像 res/girl.jpg,并用展示 rgb
path=r'girl.jpg'


def cv_show(name,img):
    cv2.imshow(name,img)
    #cv2.waitKey(0),接收0,表示窗口暂停
    cv2.waitKey(0)
    #销毁所有窗口
    cv2.destroyAllWindows()
# 第一步:读取 res 下面的 girl.jpg,读取彩图,并转换为rbg格式展示
img=cv2.imread(path)

img_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)


cv_show('original',img)
cv_show('girl_rgb',img_rgb)
#cv_show('girl_rgb',img)
# 灰度化处理,并展示
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv_show('girl_gray',img_gray)
# 二值化处理

# gray是灰度图,像素值大于50,设置为255,小于50,设置为0

ret,dst1=cv2.threshold(img_gray,50,255,cv2.THRESH_BINARY)
cv_show('girl_gray_binary',dst1)

# 伽马变换:通过幂运算来调整图像的对比度和亮度,每个像素值取 0.8 次幂,参考 math.pow(gamma[i][j], 0.8),并展示最终结果
rows = img.shape[0]  # rows、cols 行列数,rows 也就是高度
cols = img.shape[1]

 
# 设定伽马值
gamma = 0.8
 
# 对图像进行伽马变换
gamma_correction = np.power(img_gray / 255.0, gamma)
gamma_correction = (gamma_correction * 255).astype(np.uint8)
cv_show('girl_gamma_correctiony',gamma_correction)




# 对数变换:通过对每个像素点的灰度值进行对数计算,以增强图像中低灰度级的细节,增强图像的整体对比度,对每个像素求 3 * math.log(1 + log[i][j]),并展示最终结果
for i in range(rows):
    for j in range(cols):
        img_gray[i][j]= 3 * math.log(1 + img_gray[i][j])
     #   print(img_gray[i][j])

cv_show('log_img',img_gray)




相关推荐
懂得节能嘛.12 分钟前
【动态配置中心】Java+Redis构建动态配置中心
java·开发语言·redis
专注于大数据技术栈13 分钟前
Java中JDK、JRE、JVM概念
java·开发语言·jvm
波诺波33 分钟前
通用装饰器示例
开发语言·python
沐知全栈开发33 分钟前
Maven POM 简介
开发语言
艾莉丝努力练剑1 小时前
【C++模版进阶】如何理解非类型模版参数、特化与分离编译?
linux·开发语言·数据结构·c++·stl
kaikaile19951 小时前
MATLAB实现自适应卡尔曼滤波(AKF)
开发语言·matlab
立志成为大牛的小牛1 小时前
数据结构——二十五、邻接矩阵(王道408)
开发语言·数据结构·c++·学习·程序人生
程序员爱钓鱼1 小时前
Python编程实战 · 基础入门篇 | 变量与命名规范
后端·python
007php0071 小时前
猿辅导Java面试真实经历与深度总结(二)
java·开发语言·python·计算机网络·面试·职场和发展·golang
惊鸿.Jh1 小时前
C++可变参数模板
开发语言·python