python下最全的cv2图像处理入门知识！！！！灰度图 RGB图针对某种颜色做提取、高斯模糊等等

早些时候实验的关于图像的知识，一直放着感觉发挥不出它的作用，故自己将它发上来，大家可以看看。

1.头文件

import cv2
import  numpy
from scipy.misc import imresize, imsave
from PIL import Image,ImageFilter
from  matplotlib import  pyplot

依赖包什么的自己安装

2.原始图像的输出

FilePath = r"C:\Users\Administrator\Desktop\pic.jpg"image = cv2.imread(FilePath)
cv2.imshow("origin",image)

3.灰度图

GRAY = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow("GRAY",GRAY)

4.RGB图

img = imresize(image,size=(64,64),mode='RGB')
cv2.imshow("RGB",image)

5. 针对某种颜色做提取时会转换到HSV颜色空间里面来处理

HSV = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
# 提取蓝色
LowerBlue = numpy.array([100, 100, 50])
UpperBlue = numpy.array([130, 255, 255])
mask = cv2.inRange(HSV, LowerBlue, UpperBlue)
cv2.imshow("HSV",HSV)

6.# 色调饱和度亮度

H, S, V = cv2.split(HSV)

cv2.imshow("H",H)

cv2.imshow("S",S)

cv2.imshow("V",V)

7###################高斯模糊############## #

这里(5, 5)表示高斯矩阵的长与宽都是5(只能为单数)，标准差取5时OpenCV会根据高斯矩阵的尺寸自己计算。 # 概括地讲，高斯矩阵的尺寸越大，标准差越大，处理过的图像模糊程度越大。

这里的由于我给的尺寸比较小，显示的不够模糊，可能和原图像区别不大。大家可以自己试着调大

BLUR = cv2.GaussianBlur(image,(5,5),0.5)

cv2.imshow("BLUR",BLUR)

#######################浮雕Relief与雕刻Engrave###########################
# 原理： 根据像素与周围像素的差值确定滤波后的像素值，
# 差别较大的像素（边缘点通常像素差别较大）像素值较大，
# 在灰度图中表现为较亮，边缘凸显，形成浮雕状
# 注意在灰度图的情况下识别
Filter_Relief = numpy.array([[1,0],[0,-1]])
Filter_Engrave  = numpy.array([[-1,0],[0,1]])
def together(Filter):# sp = numpy.array(image)sp = numpy.shape(image)row = int (sp[0])col = int (sp[1])new_image  = numpy.zeros([row,col],dtype=numpy.uint8)for i in range(row-1):for j in range(col-1):new_value = numpy.sum(GRAY[i:i+2,j:j+2]*Filter)+128if new_value >255:new_value = 255if new_value < 0:new_value = 0else:passnew_image[i,j] = new_valuereturn new_image

9.############浮雕——可以理解为黑色的依然突出##############
cv2.imshow("Relief",together(Filter_Relief))

10############雕刻——可以理解为白色突出##############

cv2.imshow("Engrave",together(Filter_Engrave))

###########################图片的轮廓##########################
# 对象是二值化图片，
# 图片的二值化：将阈值设置为50，阈值类型为cv2.THRESH_BINARY，则灰度在大于50的像素其值将设置为255，其它像素设置为0
# 函数 : contours, hierarchy = cv2.findContours(image, mode, method)
# mode : 轮廓检索模式 method : 轮廓的近似方法
# contours : 轮廓  hierarchy : 图像的拓扑信息（轮廓层次）
retval,binary = cv2.threshold(GRAY,100,255,cv2.THRESH_BINARY)
contours,hierachy  = cv2.findContours(binary,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
Profile = cv2.drawContours(image,contours,-1,(0,0,0),1)
cv2.imshow("Profile",Profile)

############################图片的轮廓——通过傅里叶变换算法进行图片轮廓提取##########################
F_one = numpy.fft.fft2(image)
F_shift = numpy.fft.fftshift(F_one)
sp = numpy.shape(image)
rows = int(sp[0])
cols = int(sp[1])
crow,ccol = rows//2,cols//2
for i in range(crow-30, crow+30):for j in range(ccol-30, ccol+30):F_shift [i][j] = 0.0
F_ishitf = numpy.fft.ifftshift(F_shift)
# 通过高通滤波
img_back = numpy.fft.ifft2(F_ishitf)
# 去绝对值
img_back = numpy.abs(img_back)
#先对灰度图像进行伽马变换，以提升暗部细节
sp = numpy.shape(img_back)
rows = int (sp[0])
cols = int (sp[1])
for i in range(rows):for j in range(cols):img_back[i][j]=5.0*pow(img_back[i][j],0.7)#这个参数是手动调出来的，根据不同的图片，可以选择不同的数值
#对灰度图像进行反转
# for i in range(rows):
#     for j in range(cols):
#         img_back[i][j]=255-img_back[i][j]
cv2.imshow("HPF",img_back)

至此，整理结束！所有完整代码会在下面给出：

所有代码：

import cv2
import  numpy
from scipy.misc import imresize, imsave
from PIL import Image,ImageFilter
from  matplotlib import  pyplot
FilePath = r"C:\Users\Administrator\Desktop\pic.jpg"image = cv2.imread(FilePath)
cv2.imshow("origin",image)
# 灰度图
GRAY = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow("GRAY",GRAY)
HSV = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
#RGB图
img = imresize(image,size=(64,64),mode='RGB')
cv2.imshow("RGB",image)
# 针对某种颜色做提取时会转换到HSV颜色空间里面来处理
# 提取蓝色
LowerBlue = numpy.array([100, 100, 50])
UpperBlue = numpy.array([130, 255, 255])
mask = cv2.inRange(HSV, LowerBlue, UpperBlue)
cv2.imshow("HSV",HSV)
# 色调 饱和度 亮度
H, S, V = cv2.split(HSV)
cv2.imshow("H",H)
cv2.imshow("S",S)
cv2.imshow("V",V)
# retval, im_at_fixed = cv2.threshold(V, 80, 255, cv2.THRESH_BINARY)
# 将阈值设置为50，阈值类型为cv2.THRESH_BINARY，则灰度在大于50的像素其值将设置为255，其它像素设置为0
# cv2.imshow("iamge4", im_at_fixed)
###################高斯模糊##############
# 这里(5, 5)表示高斯矩阵的长与宽都是5(只能为单数)，标准差取5时OpenCV会根据高斯矩阵的尺寸自己计算。
# 概括地讲，高斯矩阵的尺寸越大，标准差越大，处理过的图像模糊程度越大。
BLUR = cv2.GaussianBlur(image,(5,5),0.5)
cv2.imshow("BLUR",BLUR)
#######################浮雕Relief与雕刻Engrave###########################
# 原理： 根据像素与周围像素的差值确定滤波后的像素值，
# 差别较大的像素（边缘点通常像素差别较大）像素值较大，
# 在灰度图中表现为较亮，边缘凸显，形成浮雕状
# 注意在灰度图的情况下识别
Filter_Relief = numpy.array([[1,0],[0,-1]])
Filter_Engrave  = numpy.array([[-1,0],[0,1]])
def together(Filter):# sp = numpy.array(image)sp = numpy.shape(image)row = int (sp[0])col = int (sp[1])new_image  = numpy.zeros([row,col],dtype=numpy.uint8)for i in range(row-1):for j in range(col-1):new_value = numpy.sum(GRAY[i:i+2,j:j+2]*Filter)+128if new_value >255:new_value = 255if new_value < 0:new_value = 0else:passnew_image[i,j] = new_valuereturn new_image
############浮雕——可以理解为黑色的依然突出##############
cv2.imshow("Relief",together(Filter_Relief))
############雕刻——可以理解为白色突出##############
cv2.imshow("Engrave",together(Filter_Engrave))
###########################图片的轮廓##########################
# 对象是二值化图片，
# 图片的二值化：将阈值设置为50，阈值类型为cv2.THRESH_BINARY，则灰度在大于50的像素其值将设置为255，其它像素设置为0
# 函数 : contours, hierarchy = cv2.findContours(image, mode, method)
# mode : 轮廓检索模式 method : 轮廓的近似方法
# contours : 轮廓  hierarchy : 图像的拓扑信息（轮廓层次）
retval,binary = cv2.threshold(GRAY,100,255,cv2.THRESH_BINARY)
contours,hierachy  = cv2.findContours(binary,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
Profile = cv2.drawContours(image,contours,-1,(0,0,0),1)
cv2.imshow("Profile",Profile)
############################图片的轮廓——通过傅里叶变换算法进行图片轮廓提取##########################
F_one = numpy.fft.fft2(image)
F_shift = numpy.fft.fftshift(F_one)
sp = numpy.shape(image)
rows = int(sp[0])
cols = int(sp[1])
crow,ccol = rows//2,cols//2
for i in range(crow-30, crow+30):for j in range(ccol-30, ccol+30):F_shift [i][j] = 0.0
F_ishitf = numpy.fft.ifftshift(F_shift)
# 通过高通滤波
img_back = numpy.fft.ifft2(F_ishitf)
# 去绝对值
img_back = numpy.abs(img_back)
#先对灰度图像进行伽马变换，以提升暗部细节
sp = numpy.shape(img_back)
rows = int (sp[0])
cols = int (sp[1])
for i in range(rows):for j in range(cols):img_back[i][j]=5.0*pow(img_back[i][j],0.7)#这个参数是手动调出来的，根据不同的图片，可以选择不同的数值
#对灰度图像进行反转
# for i in range(rows):
#     for j in range(cols):
#         img_back[i][j]=255-img_back[i][j]
cv2.imshow("HPF",img_back)cv2.waitKey(0)
cv2.destroyAllWindows()

python下最全的cv2图像处理入门知识！！！！灰度图 RGB图针对某种颜色做提取、高斯模糊等等相关推荐

医学图像处理入门知识 | 格式DICOM，MHD+RAW | 坐标系 | ITK-SNAP | 重采样
医学图像处理入门知识引言常见的医学图像格式 DICOM mhd+raw 坐标系世界坐标体系解剖学坐标体系图像坐标体系这三个坐标体系有什么关系呢?怎样转换呢? ITK-SNAP工具使用基本 ...
python 3.x 全栈开发从入门到精通_GitHub - cxinping/PythonFullStack: 《Python 3 全栈开发从入门到精通》配套代码...
<Python 3 全栈开发从入门到精通> 为什么要编写本书? 本书作者均来自开发和教育第一线,具备丰富的实际研发和培训经验.在对学校和企业的培训中,针对学校和企业的实际开发需要,定制了全 ...
python下的spectral模块(高光谱图像处理)
Spectral Python (SPy)是一个用于处理高光谱图像数据的纯Python模块.它具有读取.显示.操作和分类高光谱图像的功能. 之所以用它是因为这个对多波段图像的支持更好参考一.SPy ...
自己总结的MySQL基础入门知识,附思维导图
第一次写博文,问题点可能比较多,辛苦大家帮忙指正,感谢大家. MySQL基础入门知识前言一.数据库基础知识 1.什么是数据库 2.数据库的分类 3.数据库的常用语言 4.数据库的常用操作方式 5. ...
#最全面# Python 下将 opencv MAT ( numpy ndarray ) 彩色或灰度图像转化为 QImage 对象
1. 直接将ndarray彩色图像转化为 QImage 对象: #解决中文路径下cv2无法读取的问题 #path为文件路径 colorimg = cv2.imdecode(np.fromfile(pa ...
python与数据思维基础目录_python入门知识思维路线图及环境配置
python知识准备掌握Python基础语法,熟悉常用API,是后面进行自动化学习的必要条件. 本章节主要内容包括 python基本语法常用数据结构常用操作面向对象编程文件处理数据库处理 ...
Python学习周志—第一周（入门知识）
变量和简单数据类型使用方法修改字符串 title() 首字母大写 upper() 字母大写 lower() 字母小写 split() 通过指定分隔符对字符串进行切片加号(+)来合并字符串使用制表 ...
视频图像处理基础知识5（RGB与Ycbcr相互转换公式）【转】
转自:http://blog.csdn.net/Times_poem/article/details/51471438 版权声明:本文为博主原创文章,未经博主允许不得转载. 需求说明:视频处理算法基本 ...
视频图像处理基础知识5（RGB与Ycbcr相互转换公式）
需求说明:视频处理算法基本知识第一部分:有参考出处的RGB与Ycbcr相互转换第二部分:简单直接的RGB与Ycbcr相互转换第三部分:优化乘法的RGB与Ycb ...

python下最全的cv2图像处理入门知识！！！！灰度图 RGB图针对某种颜色做提取、高斯模糊等等

python下最全的cv2图像处理入门知识！！！！灰度图 RGB图针对某种颜色做提取、高斯模糊等等相关推荐

最新文章

热门文章

python下最全的cv2图像处理入门知识！！！！灰度图 RGB图 针对某种颜色做提取、高斯模糊等等

python下最全的cv2图像处理入门知识！！！！灰度图 RGB图 针对某种颜色做提取、高斯模糊等等相关推荐

最新文章

热门文章

python下最全的cv2图像处理入门知识！！！！灰度图 RGB图针对某种颜色做提取、高斯模糊等等

python下最全的cv2图像处理入门知识！！！！灰度图 RGB图针对某种颜色做提取、高斯模糊等等相关推荐