- 颜色通道提取
- img_cat = cv2.imread("cat.png")
- img_cat_copy = img_cat.copy()
- img_cat_copy[:, :, 0] = 0 # b
- img_cat_copy[:, :, 1] = 0 # g
- cv2.imshow("cat_r", img_cat_copy)
- b, g, r = cv2.split(img_cat)
- cv2.imshow("cat_b", b)
- 边界填充
- cv2.copyMakeBorder()
- cat = cv2.imread("cat.png")
- print(cat.shape)
- 修改图像的尺寸
- dog = cv2.imread("dog.png")
- print(dog.shape)
- dog1 = cv2.resize(dog, (0, 0), fx=2, fy=2)
- print(dog1.shape)
- 图像融合（长，宽，通道数相同）
- res = cv2.addWeighted(cat, 0.5, dog1, 0.5, 0)
- cv2.imshow("cat_dog", res)
- 图像阈值
- img_cat = cv2.imread("cat.png")
- img_cat_gray = cv2.cvtColor(img_cat, cv2.COLOR_BGR2GRAY)
- cv2.imshow("gray", img_cat_gray)
- print(img_cat_gray.shape)
- ret, dst = cv2.threshold(img_cat_gray, 10, 255, cv2.THRESH_BINARY)
- print(ret) # ret=thresh
- cv2.imshow("cat", dst)
- # 滤波(去除一些小点干扰，但会使图像变得模糊)
- img = cv2.imread("lenanoise.png")
- cv2.imshow("cat", img)
- # 均值滤波
- blur = cv2.blur(img, (3, 3))
- cv2.imshow("cat_blur", blur)
- # 方框滤波
- # 基本和均值一样，可以选择归一化
- # 说明：当normalize=True时，与均值滤波结果相同，
- # normalize=False，表示对加和后的结果不进行平均 *** 作，大于255的使用255表示
- box1 = cv2.boxFilter(img, -1, (3, 3), normalize=True)
- box2 = cv2.boxFilter(img, -1, (3, 3), normalize=False)
- cv2.imshow("boxFilter_True", box1)
- cv2.imshow("boxFilter_False", box2)
- # 高斯滤波
- # 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间值
- gaussian = cv2.GaussianBlur(img, (3, 3), 1)
- cv2.imshow("gaussian", gaussian)
- # 中值滤波
- # 相当于中值代替
- median = cv2.medianBlur(img, 3)
- cv2.imshow("median", median)
- # 形态学—腐蚀 *** 作:将前景物体变小，理解成将图像断开裂缝变大（在图片上画上黑色印记，印记越来越大）
- # （存在一个kernel，比如(3, 3)，在图像中不断的平移，在这个9方框中，哪一种颜色所占的比重大，9个方格中将都是这种颜色
- # iteration迭代次数
- img = cv2.imread("dige.png")
- cv2.imshow("img", img)
- kernel = np.ones((3, 3), np.uint8)
- print(kernel)
- erosion5 = cv2.erode(img, kernel, iterations=2)
- cv2.imshow("erosion5", erosion5)
- # 形态学 *** 作——膨胀 *** 作:将前景物体变大，理解成将图像断开裂缝变小（在图片上画上黑色印记，印记越来越小)
- img = cv2.imread("dige.png")
- cv2.imshow("img", img)
- kernel = np.ones((3, 3), np.uint8)
- erosion = cv2.erode(img, kernel, iterations=2)
- cv2.imshow("erosion", erosion)
- dilation = cv2.dilate(erosion, kernel, iterations=2)
- cv2.imshow("dilation", dilation)
- # 开运算和闭运算
- # 1，开运算：先腐蚀后膨胀
- img = cv2.imread("dige.png")
- cv2.imshow("img", img)
- kernel = np.ones((3, 3), np.uint8)
- opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=2)
- cv2.imshow("openning", opening)
- # 2，闭运算：先膨胀后腐蚀
- img = cv2.imread("dige.png")
- cv2.imshow("img", img)
- kernel = np.ones((3, 3), np.uint8)
- closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=2)
- cv2.imshow("closing", closing)
- # 梯度运算
- # 梯度=膨胀-腐蚀
- pie = cv2.imread("pie.png")
- cv2.imshow("pie", pie)
- kernel = np.ones((3, 3), np.uint8)
- # dilation = cv2.dilate(pie, kernel, iterations=2)
- # erosion = cv2.erode(pie, kernel, iterations=2)
- # res = dilation - erosion
- # cv2.imshow("res", res)
- res = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel, iterations=2)
- cv2.imshow("res", res)
- # 礼帽与黑帽
- # 1，礼帽 = 原始输入-开运算结果（刺）
- img = cv2.imread("dige.png")
- cv2.imshow("img", img)
- kernel = np.ones((3, 3), np.uint8)
- tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, iterations=2)
- cv2.imshow("tophat", tophat)
- # 2,黑帽 = 闭运算结果-原始输入(框)
- img = cv2.imread("dige.png")
- cv2.imshow("img", img)
- kernel = np.ones((3, 3), np.uint8)
- blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel,iterations=2)
- cv2.imshow("blackhat", blackhat)
- # 图像梯度—Sobel算子:白到黑是正数，黑道白是负数。要取绝对值（cv2.covertscaleAbs()）
- # 图像梯度计算的是图像变化的速度。一般情况下，图像梯度计算的是图像的边缘信息。
- # ddepth: 输出图像的深度（可以理解为数据类型），-1表示与原图像相同的深度
- # 图像深度是指存储每个像素值所用的位数，例如cv2.CV_8U，指的是8位无符号数，取值范围为0~255，
- # 超出范围则会被截断（截断指的是，当数值大于255保留为255，当数值小于0保留为0，其余不变）。
- # 具体还有：CV_16S（16位无符号数），CV_16U（16位有符号数），CV_32F（32位浮点数），CV_64F（64位浮点数）
- # dx,dy:当组合为dx=1,dy=0时求x方向的一阶导数，当组合为dx=0,dy=1时求y方向的一阶导数（如果同时为1，通常得不到想要的结果
- # convertScaleAbs：缩放，计算绝对值，然后将结果转换为8位。
- img = cv2.imread("sobelPicture.png")
- cv2.imshow("yuanlaidetu", img)
- # x轴方向
- sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)
- sobelx = cv2.convertScaleAbs(sobelx)
- cv2.imshow("sobelx", sobelx)
- # y轴方向
- sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1)
- sobely = cv2.convertScaleAbs(sobely)
- cv2.imshow("sobely", sobely)
- # 合并
- sobel = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
- cv2.imshow("sobel", sobel)
- # 图像梯度—Scharr算子：更敏感
- # 图像梯度—laplacian算子：距离近
- lena = cv2.imread("lena.png", cv2.IMREAD_GRAYSCALE)
- cv2.imshow("lena", lena)
- # Scharr
- scharrx = cv2.Scharr(lena, cv2.CV_64F, 1, 0)
- scharry = cv2.Scharr(lena, cv2.CV_64F, 0, 1)
- scharrx = cv2.convertScaleAbs(scharrx)
- scharry = cv2.convertScaleAbs(scharry)
- scharr = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)
- cv2.imshow("scharr", scharr)
- print(scharry.shape)
- # Laplacian
- laplacian = cv2.Laplacian(lena, cv2.CV_64F, ksize=3)
- laplacian = cv2.convertScaleAbs(laplacian)
- cv2.imshow("laplacian", laplacian)
- # Canny边沿检测
- # 梯度值>maxVal:则处理为边界
- # minVal<梯度值
while True:
# ret, frame = vc.read()
# cv2.imshow("xianchang", frame)
# frame_part = frame[200:400, 400:800]
# cv2.imshow("frame_part", frame_part)
if cv2.waitKey(20) & 0xFF == ord('q'):
break
cv2.destroyAllWindows()写自定义目录标题)
欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：
- 全新的界面设计 ，将会带来全新的写作体验；
- 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
- 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
- 全新的 KaTeX数学公式 语法；
- 增加了支持甘特图的mermaid语法1 功能；
- 增加了 多屏幕编辑 Markdown文章功能；
- 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
- 增加了 检查列表 功能。
撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G
直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
插入链接与图片链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。
如何插入一段漂亮的代码片去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.
// An highlighted block var foo = 'bar';生成一个适合你的列表
- 项目
- 项目
- 项目
- 项目
- 项目1
- 项目2
- 项目3
- 计划任务
- 完成任务
一个简单的表格是这么创建的：
使用:---------:居中
使用:----------居左
使用----------:居右
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：
-
Markdown
- Text-to- HTML conversion tool Authors
- John
- Luke
一个具有注脚的文本。2
注释也是必不可少的Markdown将文本转换为 HTML。
KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N Gamma(n) = (n-1)!quadforall ninmathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . Gamma(z) = int_0^infty t^{z-1}e^{-t}dt,. Γ(z)=∫0∞tz−1e−tdt.
新的甘特图功能，丰富你的文章你可以找到更多关于的信息 LaTeX 数学表达式here.
- 关于 甘特图 语法，参考 这儿,
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：
这将产生一个流程图。:
- 关于 Mermaid 语法，参考 这儿,
我们依旧会支持flowchart的流程图：
- 关于 Flowchart流程图 语法，参考 这儿.
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。
导入如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。
mermaid语法说明 ↩︎
注脚的解释 ↩︎
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）