opencv-python 图像基础处理(二)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了opencv-python 图像基础处理(二),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2231字,纯文字阅读大概需要4分钟。
内容图文
![opencv-python 图像基础处理(二)](/upload/InfoBanner/zyjiaocheng/722/f1d6f8f01ad34f009ee4abff1315cb22.jpg)
图像阈值
ret, dst = cv2.threshold(src, thresh, maxval, type)
- src: 输入图,只能输入单通道图像,通常来说为灰度图
- dst: 输出图
- thresh: 阈值 0-255 一般是127
- maxval: 当像素值超过了阈值(或者小于阈值,根据type来决定),所赋予的值 最大值255
- type:二值化操作的类型,包含以下5种类型: cv2.THRESH_BINARY; cv2.THRESH_BINARY_INV; cv2.THRESH_TRUNC; cv2.THRESH_TOZERO;cv2.THRESH_TOZERO_INV
- cv2.THRESH_BINARY 超过阈值部分取maxval(最大值),否则取0
- cv2.THRESH_BINARY_INV THRESH_BINARY的反转
- cv2.THRESH_TRUNC 大于阈值部分设为阈值,否则不变
- cv2.THRESH_TOZERO 大于阈值部分不改变,否则设为0
- cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转
import cv2 import numpy as np import matplotlib.pyplot as plt#Matplotlib是RGB img=cv2.imread('d:/image0.jpg') img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY) ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV) ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC) ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO) ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV) titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV'] images = [img, thresh1, thresh2, thresh3, thresh4, thresh5] for i in range(6): plt.subplot(2, 3, i + 1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]), plt.yticks([]) plt.show()
滤波处理
import cv2 import numpy as np import matplotlib.pyplot as plt#Matplotlib是RGB img=cv2.imread('d:/image0.jpg') #cv2.imshow("image",img) #均值滤波 bluer=cv2.blur(img,(3,3)) #方框滤波 #基本和均值一样,可以选择归一化 box=cv2.boxFilter(img,-1,(3,3),normalize=True) #方框滤波 #基本和均值一样,可以选择归一化,容易越界 box2=cv2.boxFilter(img,-1,(3,3),normalize=False)
res=np.hstack((bluer,box,box2))
cv2.imshow("da",res)
cv2.waitKey(0)
cv2.destroyAllWindows()
#高斯滤波 #高斯滤波得卷积核里地数值满足高斯分布,相当于中间地分布 import cv2 import numpy as np img=cv2.imread("d:/image0.jpg") aussian=cv2.GaussianBlur(img,(3,3),1)
#均值滤波
bluer=cv2.blur(img,(5,5))
#中值滤波 median=cv2.medianBlur(img,5) res=np.hstack((aussian,bluer,median)) cv2.imshow("aussian vs averge",res) cv2.waitKey(0) cv2.destroyAllWindows()
内容总结
以上是互联网集市为您收集整理的opencv-python 图像基础处理(二)全部内容,希望文章能够帮你解决opencv-python 图像基础处理(二)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。