小豹子韬韬是哪个网站做的,百度学术论文查重入口,中建八局招聘出国劳务,申泽seo既然我们是面向Python的OpenCV#xff08;OpenCV for Python#xff09;那我们就必须要熟悉Numpy这个库#xff0c;尤其是其中的数组的库#xff0c;Python是没有数组的#xff0c;唯有借助他库才有所实现想要的目的。
# 老三样库--事先导入
import numpy as np
import c…既然我们是面向Python的OpenCVOpenCV for Python那我们就必须要熟悉Numpy这个库尤其是其中的数组的库Python是没有数组的唯有借助他库才有所实现想要的目的。
# 老三样库--事先导入
import numpy as np
import cv2 as cv
import matplotlib.pyplot as pltOpenCV处理图像 二、图像的认识2.1图像的表示2.1.1 单通道__二值图像2.1.2 单通道__灰度图像随机抓取一点看 2.1.3 多通道__RGB彩色图像以#FFF为例子区别于OpenCV的通道 2.2 逐点处理逐像素并操作2.2.1 灰度图像1如何证明plt和cv2的的灰度图是一样的2避免错误TypeError: unsupported operand type(s) for -: AxesImage and int轴图像转换为数组形式plt.imread或plt.imsave 3plt就显示是正常的颜色。参数 cmapcmap 是 Matplotlib 中的参数用于指定颜色映射Colormap它决定了如何将数据值映射到颜色。Colormap 是一种颜色表可以将数值数据映射到对应的颜色。它在绘制单通道图像或图表时非常有用以帮助可视化数据。 (4)避免少cmap的参数出现的问题(5)修改像素点 2.2.2 彩色图像修改像素点 2.2.3 感兴趣区域ROI【待处理】 2.3 图像的属性2.4 通道的操作2.4.1 cv2.split()能够拆分图像的通道拆分后就是单通道需要灰度图 2.4.2 cv2.merge()可以实现图像通道的合并 2.5 色彩转变2.5.1 色彩空间转换要以灰度图显示转换为HSV 二、图像的认识
2.1图像的表示
2.1.1 单通道__二值图像
二值图像是指仅仅包含黑色和白色两种颜色的图像。白色像素点白色小方块区域处理为“1”将黑色像素点黑色小方块区域处理为“0”以方便进行后续的存储和处理等操作
例如二维码和条形码就是简单的二值
2.1.2 单通道__灰度图像
二值图像表示起来简单方便但是因为其仅有黑白两种颜色所表示的图像不够细腻。如果想要表现更多的细节就需要使用更多的颜色。能够表示的信息更多了 256 个灰度级用数值区间[0, 255]来表示,中数值“255”表示纯白色数值“0”表示纯黑色.# 处理图像
import numpy as np
import cv2 as cv
import matplotlib.pyplot as pltimg np.zeros((256,256,3),np.uint8)
plt.imshow(img[:,:,::-1])随机抓取一点看
xnp.random.randint(0,256)
ynp.random.randint(0,256)
img[x,y],x,y再次随机 2.1.3 多通道__RGB彩色图像
自然界红色、绿色和蓝色即三基色按照一定的比例混合构成。 要区别于美术中的三原色红黄蓝 色彩空间 从光学角度出发可以将颜色解析为主波长纯度明度等 从心理学角度和视觉角度出发可以将颜色解析为色调饱和度亮度等我们将这些采用不同方式表达颜色的模式称为色彩空间。 RGB三个通道每个通道取值[0,255]之间组合表示颜色。共可以调配出所有常见的 256×256×25616,777,216种颜色。
RGB(R*65536)(G*256)B
以#FFF为例子
#FFF是#FFFFFF的简称 其他颜色
区别于OpenCV的通道
在RGB的色彩空间之中是以R,G,B的顺序存储的然而在OpenCV中的通道是BGR 即在处理图像的时候需要对指定的图像通道顺序进行转换。除此以外还可以根据需要对不同色彩空间的图像进行类型转换灰度图像处理为二值图像将彩色图像处理灰度图
比方说扫描二维码的时候我们需要01的黑白画面就可以不需要[0,255]的复杂
2.2 逐点处理逐像素并操作 像素的一格一格的小点来描述图像现在有numpy和matplotlib.pyplot就相当于在二位的直角坐标系中的第二象限就能够通过索引的形式对我们设定的图像或者导入的图像进行操作访问。 img[1,1](0,0,255)
plt.imshow(img[:,:,::-1])2.2.1 灰度图像 首先使用 Numpy 库来生成一个 n×m 大小的数组用来模拟一个黑色图像. 使用 Numpy 库中的函数 zeros()可以生成一个元素值都是 0 的数组 imgnp.zeros((n,m),dtypenp.uint8 二维数组与图像之间存在对应关系。
1如何证明plt和cv2的的灰度图是一样的 import cv2
import numpy as np
import matplotlib.pyplot as plt# 读取图像
img cv2.imread(./Pic/f2e919585490afd1bebd313257e7ad9.jpg, 0)# # 使用cv2.imwrite将OpenCV数组图像保存为图像文件
# cv2.imwrite(./Pic/f2e919585490afd1bebd313257e7ad9.jpg, img)# 如果你想要读取并显示保存后的图像可以执行以下代码
saved_img cv2.imread(./Pic/f2e919585490afd1bebd313257e7ad9.jpg, 0)
plt.imshow(saved_img, cmapgray)
plt.title(Saved Image)
print(imgsaved_img)
2避免错误TypeError: unsupported operand type(s) for -: AxesImage and int
即不可直接比较需要将周图像的信息转换为数组的形式一一对比。[轴图像无法和numpy数组]
轴图像转换为数组形式plt.imread或plt.imsave
import matplotlib.pyplot as plt# 读取Matplotlib图像并将其转换为数组
image_plt plt.imread(your_image_path.jpg)# 现在image_plt是一个包含图像像素数据的NumPy数组
# 你可以对它进行处理或进行其他操作
或者如果你要保存Matplotlib图像到文件中你可以使用plt.imsave函数
import matplotlib.pyplot as plt# 创建一个示例图像这是一个例子你可以替换它为你自己的图像数据
image_data ... # 这里应该是一个NumPy数组# 使用plt.imsave保存NumPy数组为图像文件
plt.imsave(output_image.jpg, image_data)
通过这两种方法你可以在Matplotlib图像和NumPy数组之间进行相互转换。注意如果你使用了一些Matplotlib特定的绘图函数来创建图像你可以使用plt.gcf()获取当前的图形对象然后使用savefig方法将其保存为图像文件。
3plt就显示是正常的颜色。参数 cmap 在使用 Matplotlib 绘制图像时可以使用不同的 colormap颜色映射来表示单通道图像例如使用 cmap‘gray’ 来显示灰度图像。对于四通道的图像Matplotlib 也可以正确地显示透明度Alpha通道。 这是由于plt的映射到在灰度图像中你只有一个通道表示亮度值但你可以使用不同的 Colormap 来表示这些亮度值。 cool 包含青绿色和品红色的阴影色。从青绿色平滑变化到品红色。 gray 返回线性灰度色图。 bone 具有较高的蓝色成分的灰度色图。该色图用于对灰度图添加电子的视图。 opencv是BGR通道plt默认RGB通道若使用cv2.imread()读入图像用plt.imshow()展示原始图像或者展示对读入图像进行一系列操作后的图像时需要进行通道转换。 显示灰度图像 import matplotlib.pyplot as plt
import cv2# 读取灰度图像
gray_image cv2.imread(gray_image.png, cv2.IMREAD_GRAYSCALE)# 显示灰度图像
plt.imshow(gray_image, cmapgray)
plt.show()
显示四通道图像RGBA
import matplotlib.pyplot as plt
import cv2# 读取四通道图像
rgba_image cv2.imread(rgba_image.png, cv2.IMREAD_UNCHANGED)# 显示四通道图像包括透明度通道
plt.imshow(rgba_image)
plt.show()
cmap 是 Matplotlib 中的参数用于指定颜色映射Colormap它决定了如何将数据值映射到颜色。Colormap 是一种颜色表可以将数值数据映射到对应的颜色。它在绘制单通道图像或图表时非常有用以帮助可视化数据。
Colormap 并不是通道的意思而是指定如何将单一通道的数值映射到颜色的规则。在灰度图像中你只有一个通道表示亮度值但你可以使用不同的 Colormap 来表示这些亮度值。
Matplotlib 提供了多种内置的 Colormap一些常见的包括
viridis从紫色到黄绿色的颜色映射用于表示数据值的连续变化。jet经典的彩虹颜色映射。gray灰度颜色映射用于表示单通道图像将较暗的值映射为黑色较亮的值映射为白色。copper铜色颜色映射常用于表示表面温度。
你可以在 Matplotlib 中使用 cmap 参数来指定所使用的颜色映射。例如
import matplotlib.pyplot as plt
import numpy as np# 创建一个示例的单通道数据
data np.random.random((10, 10))# 使用viridis Colormap来绘制数据
plt.imshow(data, cmapviridis)
plt.colorbar() # 显示颜色条
plt.show()这将使用 ‘viridis’ Colormap 来表示数据中不同值的颜色。你可以根据你的需求选择合适的 Colormap 来更好地可视化你的数据。不同的 Colormap 可以传达不同的信息和情感。
(4)避免少cmap的参数出现的问题
import cv2
import numpy as np
import matplotlib.pyplot as plt
imgnp.ones((200,800,3),dtypenp.uint8)
img[:] 255cv2.imshow(this,img)
plt.imshow(img, cmapgray)
cv2.waitKey(0)cv2.destroyAllWindows()
img(5)修改像素点
函数 item()能够更加高效地访问图像的像素点该函数的语法格式为 item(行,列) 函数 itemset()可以用来修改像素值其语法格式为 itemset(索引值,新值
import numpy as np
imgnp.random.randint(10,99,size[5,5],dtypenp.uint8)
print(img\n,img)
print(读取像素点 img.item(3,2),img.item(3,2))
img.itemset((3,2),255)
print(修改后 img\n,img)
print(修改后像素点 img.item(3,2),img.item(3,2))随机生成一张灰度图 imgnp.random.randint(0,256,size[256,256],dtypenp.uint8)
cv2.imshow(demo,img)cv2.waitKey() cv2.destroyAllWindows()** **
2.2.2 彩色图像
RGB 模式的彩色图像在读入 OpenCV 内进行处理时会反向的读取图像像素BGR并存储在ndarray中。其中的BGR为三维数组 import numpy as np
import cv2
#-----------蓝色通道值--------------
bluenp.zeros((300,300,3),dtypenp.uint8)
blue[:,:,0]255
print(blue\n,blue)
cv2.imshow(blue,blue)
#-----------绿色通道值--------------
greennp.zeros((300,300,3),dtypenp.uint8)
green[:,:,1]255
print(green\n,green)
cv2.imshow(green,green)
#-----------红色通道值--------------
rednp.zeros((300,300,3),dtypenp.uint8)
red[:,:,2]255
print(red\n,red)
cv2.imshow(red,red)
#-----------释放窗口--------------
cv2.waitKey()
cv2.destroyAllWindows()
修改像素点
函数 item()访问 RGB 模式图像的像素值时其语法格式为 item(行,列,通道) 函数 itemset()修改设置RGB 模式图像的像素值时其语法格式为 itemset(三元组索引值,新值) 需要注意针对 RGB 图像的访问必须同时指定行、列以及行列索引通道例如 img.item(a,b,c)。仅仅指定行和列是不可以的
import numpy as np
imgnp.random.randint(10,99,size[2,4,3],dtypenp.uint8)
print(img\n,img)
print(读取像素点 img[1,2,0],img.item(1,2,0))
print(读取像素点 img[0,2,1],img.item(0,2,1))
print(读取像素点 img[1,0,2],img.item(1,0,2))
img.itemset((1,2,0),255)
img.itemset((0,2,1),255)
img.itemset((1,0,2),255)
print(修改后 img\n,img)
第 2 章 图像处理基础
27
print(修改后像素点 img[1,2,0],img.item(1,2,0))
print(修改后像素点 img[0,2,1],img.item(0,2,1))
print(修改后像素点 img[1,0,2],img.item(1,0,2))生成一幅彩色图像让其中的像素值均为随机数。 根据题目要求编写代码如下 import cv2 import numpy as npimgnp.random.randint(0,256,size[256,256,3],dtypenp.uint8)cv2.imshow(demo,img)cv2.waitKey()cv2.destroyAllWindows()2.2.3 感兴趣区域ROI【待处理】
ROIregion of interest感兴趣区域。机器视觉、图像处理中从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域称为感兴趣区域ROI。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子Operator和函数来求得感兴趣区域ROI并进行图像的下一步处理。
2.3 图像的属性 图像的属性 、 属性— API 形状 img.shape 图像大小 img.size 数据类型 img.dtype shape如果是彩色图像则返回包含行数、列数、通道数的数组如果是二值图像或者灰度图像则仅返回行数和列数。通过该属性的返回值是否包含通道数可以判断一幅图像是灰度图像或二值图像还是彩色图像。
size返回图像的像素数目。其值为“行×列×通道数”灰度图像或者二值图像的通道数为 1。
dtype返回图像的数据类型
2.4 通道的操作
针对 OpenCV 内的 BGR 图像 img如下语句分别从中提取了 B 通道、G 通道、R 通道。
b img[ : , : , 0 ]
g img[ : , : , 1 ]
r img[ : , : , 2 ]2.4.1 cv2.split()能够拆分图像的通道
b,g,rcv2.split(img)#通道拆分
b,g,rcv.split(newimg)拆分后就是单通道需要灰度图
plt.imshow(b,cmapplt.cm.gray)
2.4.2 cv2.merge()可以实现图像通道的合并
newimgcv2.merge([b,g,r])2.5 色彩转变
2.5.1 色彩空间转换
graycv.cvtColor(newimg,cv.COLOR_BGR2GRAY)
# plt.imshow(gray)要以灰度图显示
plt.imshow(gray,cmapplt.cm.gray)转换为HSV
hsvcv.cvtColor(newimg,cv.COLOR_BGR2HSV)
plt.imshow(hsv)
