opencv处理图片(实战指南)

一、OpenCV简介

OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。它拥有众多的图像处理和计算机视觉功能,包括各种常用的图像处理技术,如滤波、边缘检测、特征提取等。OpenCV支持多种编程语言,如C++、Python、Java等,这使得它成为图像处理领域广泛使用的工具之一。

二、实战演练

1. 图像读取与显示

使用cv2.imread()函数读取图像,使用cv2.imshow()函数显示图像。这是图像处理中最基础的操作。

2. 图像灰度化

灰度化是将彩色图像转换为灰度图像的过程。在OpenCV中,可以使用cv2.cvtColor()函数实现:

3. 边缘检测

边缘检测是图像处理中的一项重要技术,用于识别图像中的边界。OpenCV提供了多种边缘检测算法,如Canny、Sobel等。以下是使用Canny算法进行边缘检测的示例:

python 复制代码
edges = cv2.Canny(gray_image, threshold1=100, threshold2=200)  
cv2.imshow('Edges', edges)  
cv2.waitKey(0)
4. 图像缩放

使用cv2.resize()函数可以对图像进行缩放。你可以指定新的图像大小,或者使用缩放比例。

python 复制代码
resized_image = cv2.resize(image, (new_width, new_height))  
# 或者使用缩放比例  
# resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)  
cv2.imshow('Resized Image', resized_image)  
cv2.waitKey(0)
5.从图片 a 中提取了红色、绿色和蓝色通道
python 复制代码
import cv2  
  
# 读取图片  
a = cv2.imread('你的图片位置')  
  
# 提取红色、绿色和蓝色通道  
a1 = a[:, :, 0]  # 蓝色通道  
a2 = a[:, :, 1]  # 绿色通道  
a3 = a[:, :, 2]  # 红色通道  
  
# 使用cv2.split()分解图片为单独的颜色通道  
b, g, r = cv2.split(a)  
  
# 显示蓝色通道的图片  
cv2.imshow('Blue Channel', b)  
cv2.waitKey(0)  # 等待任意键盘输入  
  
# 截取图片的一部分  
b = a[100:300, 100:300]  
  
# 显示原始图片和截取的图片  
cv2.imshow('Original Image', a)  
cv2.imshow('Cropped Image', b)  
cv2.waitKey(0)  # 等待任意键盘输入  
  
# 销毁所有OpenCV窗口  
cv2.destroyAllWindows()

以上是一些基础的图片处理方法

相关推荐
神经星星1 分钟前
无需预对齐即可消除批次效应,东京大学团队开发深度学习框架STAIG,揭示肿瘤微环境中的详细基因信息
人工智能·深度学习·机器学习
神经星星1 分钟前
【vLLM 学习】调试技巧
人工智能·机器学习·编程语言
程序员Linc19 分钟前
写给新人的深度学习扫盲贴:向量与矩阵
人工智能·深度学习·矩阵·向量
xcLeigh27 分钟前
OpenCV从零开始:30天掌握图像处理基础
图像处理·人工智能·python·opencv
果冻人工智能31 分钟前
如何有效应对 RAG 中的复杂查询?
人工智能
2305_7978820940 分钟前
AI识图小程序的功能框架设计
人工智能·微信小程序·小程序
果冻人工智能41 分钟前
向量搜索中常见的8个错误(以及如何避免它们)
人工智能
碳基学AI1 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义免费下载方法
大数据·人工智能·python·gpt·算法·语言模型·集成学习
补三补四1 小时前
机器学习-聚类分析算法
人工智能·深度学习·算法·机器学习
果冻人工智能1 小时前
法官们终于似乎明白了:如果没有复制,那就没有版权
人工智能