使用OpenCV进行图像处理:边界填充、阈值处理

引言

OpenCV(Open Source Computer Vision Library)是一个功能强大的开源计算机视觉库,广泛应用于图像处理、视频分析、物体检测等领域。本文将重点介绍OpenCV中的三种常见图像处理技术:边界填充、阈值处理。通过这些技术,你可以更好地处理图像中的边缘、噪声以及对比度问题。

1. 边界填充(Padding)

在图像处理中,边界填充是一种常见的技术,用于在图像的边缘添加额外的像素。这在卷积操作(如滤波)中尤为重要,因为卷积核在图像边缘无法完全覆盖时,边界填充可以避免图像尺寸的缩小。

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 (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
 cv2.BORDER_REPLICATE:使用最边界的像素值代替
 cv2.BORDER_WRAP:上下左右边依次替换
python 复制代码
import cv2
ys = cv2.imread('yueshan.png')
ys=cv2.resize(ys,dsize=None,fx=0.5,fy=0.5)  #  图片缩放
ys=cv2.resize(ys,(640,480))
top,bottom,left,right = 50,50,50,50

constant =cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(229,25,80))
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)

2. 阈值处理(Thresholding)

阈值处理是一种将图像转换为二值图像的技术,通过设定一个阈值,将像素值分为两类:大于阈值的像素设置为最大值(如255),小于阈值的像素设置为0。OpenCV提供了多种阈值处理方法,包括全局阈值、自适应阈值和Otsu's二值化。

常用方法:

示例代码

python 复制代码
import cv2
image = cv2.imread('zl.png',0) #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('gray', 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)

总结

本文介绍了OpenCV中的三种常见图像处理技术:边界填充、阈值处理。这些技术是图像处理的基础,广泛应用于去噪、边缘检测、图像分割等任务中。通过掌握这些方法,你可以更好地处理图像数据,并为后续的计算机视觉任务打下坚实的基础。

相关推荐
乌恩大侠21 分钟前
自动驾驶的未来:多模态传感器钻机
人工智能·机器学习·自动驾驶
光锥智能1 小时前
AI办公的效率革命,金山办公从未被颠覆
人工智能
GetcharZp2 小时前
爆肝整理!带你快速上手LangChain,轻松集成DeepSeek,打造自己的AI应用
人工智能·llm·deepseek
猫头虎2 小时前
新手小白如何快速检测IP 的好坏?
网络·人工智能·网络协议·tcp/ip·开源·github·php
GeeJoe3 小时前
凡人炼丹传之 · 我让 AI 帮我训练了一个 AI
人工智能·机器学习·llm
小和尚同志3 小时前
Dify29. 为你的 Dify API 穿层衣服吧
人工智能·aigc
不会学习的小白O^O3 小时前
神经网络----卷积层(Conv2D)
人工智能·深度学习·神经网络
bastgia3 小时前
Transformer终结者?Google DeepMind新架构实现2倍推理速度和一半内存占用
人工智能·llm
努力一点9483 小时前
ubuntu22.04系统入门 linux入门(二) 简单命令 多实践以及相关文件管理命令
linux·运维·服务器·人工智能·gpu算力