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
蒹葭苍苍8731 分钟前
LoRA、QLoRA微调与Lama Factory
人工智能·笔记
蹦蹦跳跳真可爱5892 分钟前
Python----机器学习(基于PyTorch的线性回归)
人工智能·pytorch·python·机器学习·线性回归
mosquito_lover130 分钟前
矿山边坡监测预警系统设计
人工智能·python·深度学习·神经网络·视觉检测
契合qht53_shine32 分钟前
OpenCV 从入门到精通(day_03)
人工智能·opencv·计算机视觉
Naomi5211 小时前
Trustworthy Machine Learning
人工智能·机器学习
刘 怼怼1 小时前
使用 Vue 重构 RAGFlow 实现聊天功能
前端·vue.js·人工智能·重构
程序员安仔1 小时前
每天学新 AI 工具好累?我终于发现了“一键全能且免费不限量”的国产终极解决方案
人工智能
闭月之泪舞1 小时前
OpenCv(五)——边缘检测
人工智能·计算机视觉
星霜旅人1 小时前
K-均值聚类
人工智能·机器学习
lilye662 小时前
程序化广告行业(39/89):广告投放的数据分析与优化秘籍
大数据·人工智能·数据分析