【1】python-opencv3教程：图像数字化（图像灰度化，彩色图像通道的提取等）

第一节：图像数字化

1：构造二维的ndarry，相当于就是构造灰度图像各个位置的像素值。

import numpy as np
import cv2# 构造二维的ndarry    # 构造一个100*100的图像，像素值都是零，然后将其输出
z = np.zeros((100, 100), np.uint8)   # 100*100的图像，每个点像素值都为零
cv2.imshow('img', z)    # 显示图片
cv2.imwrite('img1.png', z)  # 将我们的结果进行保存
cv2.waitKey(0)   # 显示持续几毫秒   1000代表一秒，0表示永久
cv2.destroyAllWindows()

程序的输出结果：

2：同理，我们可以构造三维的ndarry

# 构造三维的ndarry
z = np.ones((100, 100, 3), np.uint8)
cv2.imshow('img2', z)
cv2.imwrite('img2.png', z)
cv2.waitKey(0)
cv2.destroyAllWindows()

(100， 100， 3)表示的是100*100的三通道图片，也就是彩色图片，但我们指定的像素值都是1，所以最后的输出还是黑色的。

3： ndarry的加减乘除，这里的乘包括点乘和矩阵乘。

# ndarry的加法
src1 = np.array([[23, 123, 90], [100, 250, 0]], np.uint8)
src2 = np.array([[125, 150, 60], [100, 10, 40]], np.uint8)
dst = src1 + src2
print(dst)
# 123 + 150 = 273 array对于大于255的uchar类型的处理方式是:对255取模运算后减1，即: 273 % 255 - 1 = 17# ndarry的减法
dst1 = src1 - src2
print(dst1)# ndarry的点乘运算
dst2 = src1*src2  # 点乘就是对应点进行相乘
print(dst2)# ndarry的点除运算
dst3 = src2 / src1  # 对应点进行相除
print(dst3)# ndarry的乘法 即矩阵的乘法
src3 = np.array([[1, 2, 3], [4, 5, 6]], np.uint8)
src4 = np.array([[6, 5], [4, 3], [2, 1]], np.uint8)
dst4 = np.dot(src3, src4)
print(dst4)

注意代码中的注释

4：灰度图像数字化。

在这里我们先读入一张灰度图像，然后输出其各个位置的像素值，接着把图像显示出来。

# 灰度图像数字化
img = cv2.imread('p2.jpg', cv2.IMREAD_GRAYSCALE)   # 后面这个参数很有用，当你用这样的方式读入彩色图像时，可以将其转换为灰度图像
print(img)  # 打印出该图片的像素值
cv2.imshow('img', img)   # 显示图像
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

5：彩色图像数字化

我们这里读一张彩色图像，然后将其各个通道的值读出来，输出。

# 彩色图像数字化
image = cv2.imread('p1.jpg')
b = image[:, :, 0]  # 第一个通道的值
g = image[:, :, 1]  # 第二个通道的值
r = image[:, :, 2]  # 第三个通道的值
# 显示三个颜色通道
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('r', r)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

未完待续。。。。下一节我们讲学习图像的几何变化。。

【1】python-opencv3教程：图像数字化（图像灰度化，彩色图像通道的提取等）相关推荐

[Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
图像灰度化的三种方法（matlab、C++、Python实现）
灰度化处理就是将一幅色彩图像转化为灰度图像的过程.彩色图像分为R,G,B三个分量,分别显示出红绿蓝等各种颜色,灰度化就是使彩色的R,G,B分量相等的过程.灰度值大的像素点比较亮(像素值最大为255,为 ...
【python图像处理】图像灰度化处理、图像灰度线性变换、图像灰度非线性变换
一.图像灰度化处理 1.最大值灰度处理方法 2.平均灰度处理方法 3.加权平均灰度处理方法二.图像灰度线性变换 1.图像灰度上移变换 2.图像对比度增强变换 3.图像对比度减弱变换 4.图像灰度反色 ...
灰度拉伸python,Python OpenCV实例：图像灰度拉伸
Python OpenCV实例:图像灰度拉伸 Python OpenCV实例:图像灰度拉伸为什么80%的码农都做不了架构师?>>> #coding:utf-8 ''' 灰度拉伸定 ...
2种图像增强方法：图像点运算和图像灰度化处理
摘要:本文主要讲解图像点运算的灰度化处理,详细介绍常用的灰度化处理方法,并分享了图像颜色空间相互转换,以及三种灰度转换算法的实现. 本文分享自华为云社区<[Python从零到壹] 四十三.图像增 ...
html5图片灰度显示,HTML5 组件Canvas实现图像灰度化
HTML5发布已经有很长一段时间了,一直以来从来没有仔细的看过,过年刚来随便看看发现HTML5中的Canvas组件功能是如此的强大,不怪很多牛人预言Flash已死,死不死不是我要关心的,我关心的C ...
c#图像灰度化、灰度反转、二值化
图像灰度化: 将彩色图像转化成为灰度图像的过程成为图像的灰度化处理.彩色图像中的每个像素的颜色有R.G.B三个分量决定,而每个分量有255中值可取,这样一个像素点可以有1600多万(255*255*2 ...
MATLAB：虹膜识别的图像灰度化处理，直方图均衡化
(1)图像灰度化处理: 读取一张图片之后,进行灰度化处理,然后对其进行直方图均值化. clear;close all %读取原图地址 RGB= imread('D:\img\1.jpg'); %图像灰 ...
CUDA精进之路（三）：图像处理——图像灰度化、灰度直方图统计
引言在大部分的图像处理程序中,其中必不可少的一步就是对传入的彩图进行灰度处理,将三个通道的RGB图片转化为单通道的Gray图,而对于灰度图进行直方图统计同样是观察检测图像特征的常用方法.在OpenC ...
图像灰度化的三种常见方法源码
图像灰度化是图像处理很基础的一部分,在这里给出图像灰度化的三种常见方法的M源码,以供大家参考~ 平均值法,最大值法,加权平均值法 function f=MyGrayProcessing(Img) [m ...

【1】python-opencv3教程：图像数字化（图像灰度化，彩色图像通道的提取等）

第一节：图像数字化

未完待续。。。。下一节我们讲学习图像的几何变化。。

【1】python-opencv3教程：图像数字化（图像灰度化，彩色图像通道的提取等）相关推荐

最新文章

热门文章