目录
[1 彩色（RGB）图像](#1 彩色（RGB）图像)
[2 灰度图像](#2 灰度图像)
[3 黑白图像](#3 黑白图像)
1 彩色（RGB）图像
- 使用cv2.imread()函数加载RGB图像；
- 使用cv2.split()函数分割颜色通道；
- 将BGR颜色格式转换成RGB颜色格式；
- 使用matplotlib或cv2.imshow()函数可视化图像。
python
import cv2
from matplotlib import pyplot as plt
import numpy as np
# 加载RGB图片
img_OpenCV = cv2.imread(r"demo.jpeg")
print(type(img_OpenCV), img_OpenCV.shape) # <class 'numpy.ndarray'> (484, 515, 3)
# 分割颜色通道，opencv使用BGR颜色格式
b, g, r = cv2.split(img_OpenCV)
# imread()方法返回ndarray对象，因此也可以使用切片分割颜色通道
B = img_OpenCV[:, :, 0]
G = img_OpenCV[:, :, 1]
R = img_OpenCV[:, :, 2]
print((b == B).all(), (g == G).all(), (r == R).all()) # True True True
# 转换成RGB颜色格式
img_matplotlib = cv2.merge([r, g, b])
img_ndarray = img_OpenCV[:, :, ::-1]
print((img_matplotlib == img_ndarray).all()) # True
# 使用matplotlib可视化图片
plt.subplot(121)
plt.imshow(img_OpenCV)
plt.subplot(122)
plt.imshow(img_matplotlib)
# plt.show()
# 使用opencv可视化图片
cv2.imshow('BGR image', img_OpenCV)
cv2.imshow('RGB image', img_matplotlib)
# 拼接图片
img_connect = np.concatenate((img_OpenCV, img_matplotlib), axis=1)
cv2.imshow('BGR image-RGB image', img_connect)
cv2.waitKey(0) # 等待键盘动作
cv2.destroyAllWindows() # 关闭窗口2 灰度图像
- 使用cv2.imread()函数加载灰度图像；
- 图像切片。
python
import cv2
# 加载灰度图片
img_OpenCV = cv2.imread(r"demo.png", cv2.IMREAD_GRAYSCALE)
print(type(img_OpenCV), img_OpenCV.shape) # <class 'numpy.ndarray'> (484, 515)
cv2.imshow('BGR image', img_OpenCV)
# 图片切片
img_split = img_OpenCV[100:200, 250:350]
cv2.imshow("BGR image", img_split)
cv2.waitKey(0) # 等待键盘动作
cv2.destroyAllWindows() # 关闭窗口3 黑白图像
- 将灰度图像转换成黑白图像；
- 使用cv2.threshold()函数二值化图像；
- 使用cv2.adaptiveThreshold()函数二值化图像。
python
"""
@Title: Black And White
@Time: 2024/3/13
@Author: Michael Jie
"""
import cv2
# 加载灰度图片
img_OpenCV = cv2.imread(r"demo.png", cv2.IMREAD_GRAYSCALE)
print(type(img_OpenCV), img_OpenCV.shape) # <class 'numpy.ndarray'> (484, 515)
print(img_OpenCV)
# 二值化图像
ret, img_binary = cv2.threshold(
# 图像
img_OpenCV,
# 阈值
thresh=200,
# 填充色
maxval=255,
# 填充类型
type=cv2.THRESH_BINARY # 小于阈值置0，大于阈值置填充色
)
cv2.imshow('BlackAndWhite image', img_binary)
# 自适应阈值
img_binary1 = cv2.adaptiveThreshold(
# 图像
img_OpenCV,
# 填充色
maxValue=255,
# 填充类型
adaptiveMethod=cv2.ADAPTIVE_THRESH_MEAN_C,
# 二值化方法，计算阈值
thresholdType=cv2.THRESH_BINARY,
# 邻域大小，奇数
blockSize=11,
# 从计算的平均值或加权平均值中减去常数
C=8
)
cv2.imshow('BlackAndWhite image1', img_binary1)
cv2.waitKey(0) # 等待键盘动作
cv2.destroyAllWindows() # 关闭窗口
"""
阈值类型 小于等于阈值 大于阈值
THRESH_BINARY 0 maxval
THRESH_BINARY_INV maxval 0
THRESH_TRUNC 保持原样 thresh
THRESH_TOZERO 0 保持原样
THRESH_TOZERO_INV 保持原样 0
"""
"""
二值化方法
ADAPTIVE_THRESH_MEAN_C 邻域的平均值
ADAPTIVE_THRESH_GAUSSIAN_C 邻域值的加权和
"""