图像预处理 - 技术栈

读取图像和展示图像

python 复制代码

import matplotlib.pyplot as plt
import numpy as np
import cv2
def matshow(title='image',image=None,gray=False):
    if isinstance(image,np.ndarray):
        if len(image.shape) == 2:
            pass
        elif gray == True:
            image = cv2.cvtColor(image , cv2.COLOR_BGR2GRAY)。# 颜色空间转换
        else:
            image = cv2.cvtColor(image , cv2.COLOR_BGR2RGB) # 以彩色模式加载图片
    plt.figure()
    # 常常用来显示灰度图像
    plt.imshow(image,cmap='gray')。#只会影响灰度图像的显示，不影三通道图像
    plt.axis('off')
    plt.title(title)
    plt.show()

读取彩色图片并显示

python 复制代码

im = cv2.imread(r'lena.jpeg',1)
matshow('test',im)

opencv使用BGR作为默认的颜色空间，显示图片时需要转换成RGB。

灰度变化

对每一个像素点应用灰度转换函数。

反转：对于每一个像素点，黑变白，白变和。

y = − x + 255 y= -x + 255 y=−x+255

灰度拉伸：增加相邻像素的灰度差别
y = 2 × x y = 2 \times x y=2×x

灰度压缩：减少相邻像素的灰度差别

y = 0.8 × x y=0.8\times x y=0.8×x

伽马矫正：灰度的指数变换映射

y = ( x 255 ) α × β y =( \frac{x}{255} )^\alpha \times \beta y=(255x)α×β

python 复制代码

# 这是变换函数
def linear_trans(img , k , b=0):
    
    trans_list = [(np.float32(x) * k + b) for x in range(256)]

    trans_table = np.array(trans_list)
    trans_table[trans_table > 255] = 255
    trans_table[trans_table < 0] = 0
    trans_table = np.round(trans_table).astype(np.uint8)
    return cv2.LUT(img , trans_table)
# 高斯变换函数
def gamma_trans(img , gamma):
    gamma_list = [np.power(x / 255.0 , gamma) * 255.0 for x in range(256)]
    gamma_table = np.round(np.array(gamma_list)).astype(np.uint8)
    return cv2.LUT(img,gamma_table)

im2 = linear_trans(im , -1 , 255)
print(im2.shape)
matshow('inver' , linear_trans(im , -1 , 255),True)

matshow('inver2' , linear_trans(im , 1 , 2),True)

matshow('inver3' , linear_trans(im , 0.8),True)

几何变换

python 复制代码

# 平移
def translate(img,x,y):
    (h,w) = img.shape[:2]
    M = np.float32([[1,0,x],[0,1,y]])
    shifted = cv2.warpAffine(img,M,(w,h))
    return shifted

matshow('orig',im)
shifted = translate(im,0,50) # 下移50
matshow('shifted',shifted)

shifted = translate(im,-100,0) # 左移100
matshow('shifted2',shifted)

shifted = translate(im,50,100) # 右移50 下移100
matshow('shifted3',shifted)


# 旋转
def rotate(img,angle,center=None,scale=1.0):
    (h,w) = img.shape[:2]
    if center is None:
        # 没有定义中心点 默认是图片的长宽的中心
        center = (w/2 , h/2)

    M = cv2.getRotationMatrix2D(center , angle , scale)

    rotate = cv2.warpAffine(img , M , (w , h))

    return rotate

matshow('r1',rotate(im,45))
matshow('r2',rotate(im,-20))
matshow('r3',rotate(im,90))

# 镜像
matshow('flip ver',cv2.flip(im,0)) #  水平
matshow('flip hor',cv2.flip(im,1))。# 竖直

# 缩放
matshow('resize1',cv2.resize(im,(200,300),interpolation=cv2.INTER_NEAREST)) # 邻近插值

matshow('resize2',cv2.resize(im,(800,600),interpolation=cv2.INTER_LINEAR)) #线性插值

仿射函数

A = ( 1 0 x 0 1 y ) A = \begin{pmatrix} 1 & 0 & x \\ 0 & 1& y \end{pmatrix} A=(1001xy)

位置

B = ( w h 1 ) B = \begin{pmatrix} w \\ h \\ 1 \end{pmatrix} B= wh1

图像滤波

均值滤波
中值滤波
高斯滤波

python 复制代码

matshow('median_blur',cv2.medianBlur(im,5)) # 中值

matshow('mean_blur',cv2.blur(im , (3,3)))# 均值

im_gaus = cv2.GaussianBlur(im,(5,5),0) # 高斯滤波。考虑了远近