OpenCV计算机视觉 02 图片修改 图像运算 边缘填充 阈值处理

目录

图片修改(打码、组合、缩放)

图像运算

边缘填充

阈值处理


上一篇文章: OpenCV计算机视觉 01 图像与视频的读取操作&颜色通道

图片修改(打码、组合、缩放)
python 复制代码
# 图片打码
import numpy as np
a = cv2.imread(r'opencv.png')
a[100:200,200:300] = np.random.randint(0,256,(100,100,3))#矩阵赋值必须是相同大小
cv2.imshow('masaike',a)
cv2.waitKey(1000000)
cv2.destroyAllWindows()
python 复制代码
# 图片组合
import numpy as np
a = cv2.imread('opencv.png')
b = cv2.imread('python.png')
b[200:350,200:350] = a[150:300,150:300]#注意:矩阵的大小必须要统一。
cv2.imshow('b',b)
cv2.imshow('a',a)
cv2.waitKey(100000)
cv2.destroyAllWindows()
复制代码
python 复制代码
#图片缩放
a = cv2.imread('opencv.png')
# a_new = cv2.resize(a,(200,600))   # 宽、高
a_new = cv2.resize(a,dsize=None,fx=0.5,fy=0.5)
# print(a.shape)  # 高、宽 、通道数
cv2.imshow('original',a)
cv2.imshow('result',a_small)
cv2.waitKey(100000)
cv2.destroyAllWindows()
图像运算
复制代码
图像加法运算
对于+号运算,当对图像a,图像b进行加法求和时,遵循以下规则:
当某位置像素相加得到的数值小于255时,该位置数值为两图像该位置像素相加之和,当某位置像素相加得到的数值大于255时,该位置数值将截断结果并将其减去256。例如:相加后是260,实际是260-256= 4
python 复制代码
a = cv2.imread('python.png')
b = cv2.imread('opencv.png')
c = a+10    #图片,
cv2.imshow('yuan',a)
cv2.imshow('tupian',c)
cv2.waitKey(100000)
​
c = a[50:450,50:400]+b[50:450,50:400]
cv2.imshow('result_a+b',c)
cv2.waitKey(100000)
复制代码
对于cv2.add()运算,当对图像a,图像b进行加法求和时,遵循以下规则:
当某位置像素相加得到的数值小于255时,该位置数值为两图像该位置像素相加之和
当某位置像素相加得到的数值大于255时,该位置数值为255
python 复制代码
a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')
b = cv2.resize(b,(400,400))
a = cv2.resize(a,(400,400))
c = cv2.add(a,b)   #也可以使用使用
cv2.imshow('result_a+b',c)
cv2.waitKey(100000)
cv2.destroyAllWindows()
复制代码
图像加权运算, 就是在计算两幅图像的像素值之和时,将每幅图像的权重考虑进来,可以用公式表示为
python 复制代码
dst=src1×α+src×β+γ
a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')
b = cv2.resize(b,(400,400))
a = cv2.resize(a,(400,400))
#
c =cv2.addWeighted(a,0.2,b,0.8,10)   # 10:图像的亮度值(常数),将添加到加权和上
cv2.imshow('addWeighted',c)
cv2.waitKey(100000)
cv2.destroyAllWindows()
复制代码
边缘填充
复制代码
cv2.copyMakeBorder()是OpenCV库中的一个函数,用于给图像添加额外的边界(padding)。
copyMakeBorder(src: UMat, top: int, bottom: int, left: int, right: int, borderType: int, dst: UMat | None = ..., value: cv2.typing.Scalar = ...)
它有以下几个参数:
src:要扩充边界的原始图像。
top, bottom, left, right:相应方向上的边框宽度。
borderType:定义要添加边框的类型,它可以是以下的一种:
cv2.BORDER_CONSTANT:添加的边界框像素值为常数(需要额外再给定一个参数)。
cv2.BORDER_REFLECT:添加的边框像素将是边界元素的镜面反射,类似于gfedcba|abcdefgh|hgfedcba。 (交界处也复制了)
cv2.BORDER_REFLECT_101 或 cv2.BORDER_DEFAULT:和上面类似,但是有一些细微的不同,类似于gfedcb|abcdefgh|gfedcba  (交接处删除了)
cv2.BORDER_REPLICATE:使用最边界的像素值代替,类似于aaaaaa|abcdefgh|hhhhhhh
cv2.BORDER_WRAP:左右两边替换,cdefgh|abcdefgh|abcdefg
python 复制代码
import cv2
ys = cv2.imread('yueshan.png')
top,bottom,left,right = 50,50,50,50
​
constant = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(0,0,0))
reflect = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
replicate = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_WRAP)
​
cv2.imshow('yuantu', ys)
cv2.waitKey(0)
cv2.imshow('CONSTANT', constant)
cv2.waitKey(0)
cv2.imshow('REFLECT', reflect)
cv2.waitKey(0)
cv2.imshow('REFLECT_101', reflect101)
cv2.waitKey(0)
cv2.imshow('REPLICATE', replicate)
cv2.waitKey(0)
cv2.imshow('WRAP', wrap)
cv2.waitKey(0)
阈值处理

阈值处理是指剔除图像内像素值高于一定值或低于一定值的像素点。例如,设定阈值为127.使用的方法为:

复制代码
retval,dst=cv2.threshold(src,thresh,maxval,type)thresh:100,maxval:200 
retval代表返回的阈值 
dst代表阈值分割结果图像,与原始图像具有相同的大小和类型 
src代表要进行阈值分割的图像,可以是多通道的,8位或32位浮点型数值 
thresh代表要设定的阈值 
maxval代表type参数位THRESH_BINARY或者THRESH_BINARY_INV类型时,需要设定的最大值 
type代表阈值分割的类型,具体内容如下表所示:     
选项                 像素值>thresh      其他情况 
cv2.THRESH_BINARY         maxval           0 
cv2.THRESH_BINARY_INV       0           maxval 
cv2.THRESH_TRUNC          thresh       当前灰度值 
cv2.THRESH_TOZERO         当前灰度值        0 
cv2.THRESH_TOZERO_INV       0          当前灰度值
python 复制代码
import cv2
image = cv2.imread('zl.png',cv2.IMREAD_GRAYSCALE) #灰度图,
ret, binary = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY)
ret1, binaryinv = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY_INV)
ret2, trunc = cv2.threshold(image, 175, 255, cv2.THRESH_TRUNC)
ret3, tozero = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO)
ret4, tozeroinv = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO_INV)
​
cv2.imshow('original', image)  #原灰度图
cv2.waitKey(0)
cv2.imshow('binary', binary)  #偏白的变纯白,偏黑的变纯黑
cv2.waitKey(0)
cv2.imshow('binaryinv', binaryinv)  #偏白的变纯黑,偏黑的变纯白
cv2.waitKey(0)
cv2.imshow('trunc', trunc)   #白色变得一样灰蒙蒙,偏黑的不变
cv2.waitKey(0)
cv2.imshow('tozero', tozero)  #偏白色不变,偏黑的就变纯黑
cv2.waitKey(0)
cv2.imshow('tozeroinv', tozeroinv)   #偏白色变纯黑,偏黑的不变
cv2.waitKey(0)
相关推荐
leo__5207 分钟前
基于MATLAB的图像处理程序
图像处理·计算机视觉·matlab
预测模型的开发与应用研究9 分钟前
从入门到实操:贝叶斯分析完整技术步骤与核心R包指南
开发语言·人工智能·r语言
TaoSense14 分钟前
Milvus向量数据库介绍
大数据·人工智能
海森大数据27 分钟前
AI突破“化学空间困境”:一场药物设计的范式革命
人工智能·语言模型
lgbisha27 分钟前
Dify异步接口调用优化实践:解决长时任务处理与网络超时问题
人工智能·python·ai·语言模型
nkwshuyi32 分钟前
ChatGPT Atlas Agent 如何帮你采集数据和调研?
人工智能·chatgpt
buttonupAI36 分钟前
今日Reddit AI高价值讨论分析 - 10.27
人工智能·chatgpt
rengang6639 分钟前
020-Spring AI Alibaba DashScope Image 功能完整案例
java·人工智能·spring·spring ai·ai应用编程
rengang6642 分钟前
AI驱动的DevOps:AI大模型自动化部署、监控和运维流程
运维·人工智能·ai编程·devops·ai智能体编程
碧海银沙音频科技研究院1 小时前
ES7243E ADC模拟音频转i2S到 BES I2S1 Master输出播放到SPK精准分析
人工智能·算法·音视频