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
ApiHug3 小时前
Spring boot 3.4 后 SDK 升级,暨 UI & API/MCP 计划
java·人工智能·ai·llm·apihug·apismart·mcp
SZ07714 小时前
AI实干家:HK深度体验-【第3篇-香港、新加坡、深圳、上海、首尔五座城市在金融数据维度的对比分析】
大数据·人工智能
Swift社区4 小时前
掌握新编程语言的秘诀:利用 AI 快速上手 Python、Go、Java 和 Rust
人工智能·python·golang
蒸土豆的技术细节4 小时前
rag-给一篇几百页的pdf,如何从中找到关键信息并汇总出关系图
人工智能
图扑软件4 小时前
图扑软件 2D 组态:工业组态与硬件监控的物联网赋能
javascript·人工智能·物联网·低代码·数字孪生·可视化·工业组态
ice_junjun4 小时前
OpenCV 基础模块 Python 版
python·opencv·计算机视觉
訾博ZiBo5 小时前
AI日报 - 2025年3月24日
人工智能
centurysee5 小时前
AI 也需要“停下来思考”?Anthropic 的新方法让 Claude 更聪明!
人工智能
认真的小羽❅5 小时前
人工智能(AI)系统化学习路线
人工智能·学习
即兴小索奇6 小时前
GPT-5 将免费向所有用户开放?
人工智能