OpenCV高阶操作

在图像处理与计算机视觉领域，OpenCV（Open Source Computer Vision Library）无疑是最为强大且广泛使用的工具之一。从基础的图像读取、

1.图片的上下，采样

下采样（Downsampling）

下采样通常用于减小图像的尺寸，从而减少图像中的像素数。这个过程可以通过多种方法实现，但最常见的是通过图像金字塔中的pyrDown函数（在OpenCV中）或其他类似的滤波器（如平均池化、最大池化等）。pyrDown函数基于高斯金字塔的概念，通过平滑和子采样（即每隔一行和一列取一个像素）来减小图像尺寸。下采样通常用于特征提取、图像压缩或预处理阶段以减少计算量。

上采样（Upsampling）

上采样是下采样的逆过程，用于增加图像的尺寸，从而增加图像中的像素数。然而，简单地插入新的像素（如最近邻插值）通常会导致图像质量下降，因为新插入的像素值可能是未经处理的或基于简单规则的（如直接复制最近的像素值）。因此，更复杂的插值方法（如双线性插值、双三次插值）或上采样算法（如OpenCV中的pyrUp函数）被用来生成更平滑、更自然的图像。pyrUp函数也是基于图像金字塔的概念，但它试图通过插值和放大来重建原始图像的细节。然而，需要注意的是，由于上采样过程中引入了新的像素值，因此通常无法完全恢复到原始图像的精确像素值。

实例：

python 复制代码

import cv2
face = cv2.imread('kele.png',cv2.IMREAD_GRAYSCALE)
cv2.imshow('face',face)
cv2.waitKey(0)
face_down_1 = cv2.pyrDown(face)
cv2.imshow('face1',face_down_1)
cv2.waitKey(0)
face_down_2 = cv2.pyrDown(face_down_1)
cv2.imshow('face2',face_down_2)
cv2.waitKey(0)
#
face_up_1 = cv2.pyrUp(face)
cv2.imshow('up1',face_up_1)
cv2.waitKey(0)
face_up_2 = cv2.pyrUp(face_up_1)
cv2.imshow('up2',face_up_2)
cv2.waitKey(0)

2.图像直方图绘制

灰度图像直方图 ：
- 使用 cv2.calcHist 计算灰度图像的直方图。
- 使用 plt.plot 绘制直方图，并设置图形标题、x轴和y轴标签。
彩色图像直方图 ：
- 读取彩色图像。
- 遍历蓝色、绿色和红色通道。
- 对每个颜色通道使用 cv2.calcHist 计算直方图。
- 使用 plt.plot 绘制每个通道的直方图，并使用 plt.setp 隐藏x轴标签以避免重叠。
- 设置图形标题、y轴标签和图例。

python 复制代码

phone = cv2.imread('../day07/phone.png', cv2.IMREAD_GRAYSCALE)

a = phone.ravel()
# 参数解释:
# - a:一维数组，即像的像素值组成的数组。
# - bins=256:指定直方图的条数，即灰度级的数量。
plt.show()
phone_hist = cv2.calcHist([phone], [0], None, [16], [0, 256])
plt.plot(phone_hist)  # 使用calcHist的值绘制曲线图
plt.show()

img = cv2.imread('../day07/phone.png')
color = ('b','g','r')
for i, col in enumerate(color):
    histr = cv2.calcHist([img], [i], None,[256], [0, 256])
    plt.plot(histr, color=col)

plt.show()