OpenCV（03）插值方法，边缘填充，透视变换，水印制作，噪点消除

插值方法&边缘填充

new_img=cv.warpAffine(img,M,(w,h),flags,borderMode)

插值方法

• 最近邻插值：flags = CV2.INTER_NEAREST
• 双线性插值：flags = CV2.INTER_LINEAR
• 像素区域插值：flags = cv2.INTER_AREA
• 双三次插值：flags = cv2.INTER_CUBIC
• Lanczos4插值：flags = cv2.INTER_LANCZOS4

边缘填充

• 边界复制：borderMode = BORDER_REPLICATE

• 边界反射：borderMode = BORDER_REFLECT

• 边界反射101：borderMode = BORDER_REFLECT_101

• 边界常数：borderMode = BORDER_CONSTANT

• 边界包裹：borderMode = BORDER_WRAP

  import cv2 as cv

  #读图
  cat = cv.imread('E:\hqyj\code\opencv\images\cat1.png')
  cat = cv.resize(cat,(600,600))
  w = cat.shape[1]
  h = cat.shape[0]

  #旋转
  #获取旋转矩阵
  M = cv.getRotationMatrix2D((w//2,h//2),45,0.5)

  #使用仿射变换函数
  dst = cv.warpAffine(cat,M,(w,h))
  cv.imshow('dst',dst)

  #最近邻插值 + 边界复制
  dst1 = cv.warpAffine(cat,M,(w,h),cv.INTER_NEAREST,borderMode=cv.BORDER_REPLICATE)
  cv.imshow('dst1',dst1)

  #双线性插值 单线性插值 插两次：水平，垂直 边界反射
  dst2 = cv.warpAffine(cat,M,(w,h),cv.INTER_LINEAR,borderMode=cv.BORDER_REFLECT)
  cv.imshow('dst2',dst2)

  #像素区域插值 缩小：均值滤波 放大：整数 最近邻 不是整数 双线性 4点 2x2 边界反射101
  dst3 = cv.warpAffine(cat,M,(w,h),cv.INTER_AREA,borderMode=cv.BORDER_REFLECT101)
  cv.imshow('dst3',dst3)

  #双三次插值 16个点 4x4 边界常数
  dst4 = cv.warpAffine(cat,M,(w,h),cv.INTER_CUBIC,borderMode=cv.BORDER_CONSTANT,borderValue=(255,0,0))
  cv.imshow('dst4',dst4)

  #Lanczos4插值 64个点 8x8 边界重复
  dst5 = cv.warpAffine(cat,M,(w,h),cv.INTER_LANCZOS4,borderMode=cv.BORDER_WRAP)
  cv.imshow('dst5',dst5)

  cv.waitKey(0)
  cv.destroyAllWindows()

边缘填充图解

• 边界复制：
• 边界反射：
• 边界反射101：
• 边界常数：
• 边界包裹：

图像矫正（透视变换）

• 透视变换矩阵：M=getPerspectiveTransform(src,dst)

  src：原图像上需要进行透视变化的四个点的坐标，这四个点用于定义一个原图中的四边形区域。

  dst：透视变换后，src的四个点在新目标图像的四个新坐标。

• cv2.warpPerspective(src, M, dsize, flags, borderMode)

  import cv2 as cv
  import numpy as np

  #读图
  card = cv.imread('E:\hqyj\code\opencv\images\3.png')
  shape = card.shape
  #获取透视变换矩阵
  #获取原图上的4个点：左上，右上，左下，右下
  pt1 = np.float32([[178,100],[287,134],[124,267],[473,308]])
  pt2 = np.float32([[0,0],[shape[1],0],[0,shape[0]],[shape[1],shape[0]]])
  M = cv.getPerspectiveTransform(pt1,pt2)
  #透视变换
  dst = cv.warpPerspective(card,M,(shape[1],shape[0]),cv.INTER_LINEAR,borderMode=cv.INTER_NEAREST)
  cv.imshow('card',card)
  cv.imshow('dst',dst)
  cv.waitKey(0)
  cv.destroyAllWindows()

水印制作

图像掩膜

import cv2 as cv
import numpy as np

#读图
demo = cv.imread('E:\hqyj\code\opencv\images\\demo.png')
demo = cv.resize(demo,(640,640))
#转为hsv颜色空间
hsv = cv.cvtColor(demo,cv.COLOR_BGR2HSV)
#定义颜色范围
low = np.array([0,43,46])
high = np.array([10,255,255])
#创建一个掩膜 cv.inRange(img,low,high) 传hsv颜色空间下的图像
mask = cv.inRange(hsv,low,high)
#颜色提取 cv.bitwise_and(img,img,mask=mask) 传的是原图
dst = cv.bitwise_and(demo,demo,mask=mask)
cv.imshow('demo',demo)
cv.imshow('mask',mask)
cv.imshow('dst',dst)
print(demo.shape)
print(mask.shape)
cv.waitKey(0)
cv.destroyAllWindows()

颜色替换

import cv2 as cv
import numpy as np

#读图
demo = cv.imread('E:\hqyj\code\opencv\images\\demo.png')
demo = cv.resize(demo,(640,640))
#转为hsv颜色空间
hsv = cv.cvtColor(demo,cv.COLOR_BGR2HSV)
#定义颜色范围
low = np.array([0,43,46])
high = np.array([10,255,255])
#创建一个掩膜 cv.inRange(img,low,high) 传hsv颜色空间下的图像
mask = cv.inRange(hsv,low,high)
#颜色替换
arr = mask==255
demo[arr] = [0,255,0]
#demo[mask==255] = [0,255,0]
cv.imshow('demo',demo)
cv.waitKey(0)
cv.destroyAllWindows()

图像添加水印

import cv2 as cv

#读图
bg = cv.imread('E:\hqyj\code\opencv\images\\bg.png')
logo = cv.imread('E:\hqyj\code\opencv\images\\logohq.png')
h,w = logo.shape[0:2]   #(h,w)
roi = bg[0:h,0:w]
#灰度图处理
grey = cv.cvtColor(logo,cv.COLOR_BGR2GRAY)

#二值化
#黑logo白底 与上背景
_,mask1 = cv.threshold(grey,200,255,cv.THRESH_BINARY)
bg1 = cv.bitwise_and(roi,roi,mask=mask1)
cv.imshow('mask1',mask1)
cv.imshow('bg1',bg1)
#白logo黑底 与上logo
_,mask2 = cv.threshold(grey,200,255,cv.THRESH_BINARY_INV)
logo1 = cv.bitwise_and(logo,logo,mask=mask2)
cv.imshow('mask2',mask2)
cv.imshow('logo1',logo1)
#融合
roi[:] = cv.add(bg1,logo1)
cv.imshow('roi',roi)
cv.imshow('bg',bg)

cv.waitKey(0)
cv.destroyAllWindows()

图像消除噪点

• 均值滤波：cv2.blur(src, ksize, dst, anchor, borderType)

• 方框滤波：cv2.boxFilter(src, ddepth, ksize, dst, anchor, normalize, borderType)

• 高斯滤波：cv2.GaussianBlur(src, ksize, sigmaX, dst[, sigmaY, borderType)

• 中值滤波：cv2.medianBlur(src, ksize, dst)

• 双边滤波：cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst, borderType)

• 参数解释：src 输入图像
  ksize 卷积核的大小，例如 (5, 5)
  dst 输出图像（可选）
  anchor 锚点位置，默认为核的中心点（可选）
  borderType 边界模式，默认为 cv2.BORDER_DEFAULT（可选）
  ddepth 输出图像的深度，通常使用 -1 表示与输入图像相同深度
  normalize 是否归一化核，默认为 True（可选）
  sigmaX X方向的标准差，如果设置为0，则根据核大小自动计算
  sigmaY Y方向的标准差，如果设置为0，则与 sigmaX 相同（可选）
  d 邻域直径，如果设置为0，则根据 sigmaSpace 自动计算
  sigmaColor 颜色空间的标准差，较大的值会导致更远的颜色混合
  sigmaSpace 坐标空间的标准差，较大的值会导致更远的像素混合

  import cv2 as cv

  #读图
  lvbo2 = cv.imread('E:\hqyj\code\opencv\images\lvbo2.png')
  cv.imshow('old',lvbo2)
  lvbo3 = cv.imread('E:\hqyj\code\opencv\images\lvbo3.png')
  #均值滤波
  dst1 = cv.blur(lvbo2,(3,3))
  cv.imshow('dst1',dst1)
  #方框滤波
  dst2 = cv.boxFilter(lvbo2,-1,(3,3),normalize = False)
  cv.imshow('dst2',dst2)
  #高斯滤波
  dst3 = cv.GaussianBlur(lvbo2,(9,9),1)
  cv.imshow('dst3',dst3)
  #中值滤波
  dst4 = cv.medianBlur(lvbo3,5)
  cv.imshow('dst4',dst4)
  #双边滤波
  dst5 = cv.bilateralFilter(lvbo2,7,75,75)
  cv.imshow('dst5',dst5)

  cv.waitKey(0)
  cv.destroyAllWindows()