opencv——学习笔记（一）

opencv——学习笔记（一）

文章目录

• • 基础概念
  • • 1 . 二值化
    • 2 . 灰度值
    • 3 . ROI
    • 4 . 通道
  • 常用内置函数
  • • 1 . cv2.imread ( )
    • 2 . cv2.imshow( )
    • 3 . numpy.ones( )
    • 4 . numpy.hstack( )和numpy.vstack( )
  • 膨胀与腐蚀
  • • 1 . 什么是膨胀和腐蚀
    • 2 . 代码

基础概念 1 . 二值化

二值化(Binarization)意将非二值图像经过计算变成二值图像，它进行图像分割(Segmentation)最简单的一种方法，即后续图像处理技术的基础(简化后期的处理，提高处理速度），可以将灰度图像转化成二值图像。一般用它将感兴趣的目标和背景分离，比如：将人脸图像分为皮肤区域和非皮肤区域，将图像文字转换成PDF文字(黑/白)等等。因此，图像二值化可以看做是聚类或者分类。

2 . 灰度值

灰度值指把白色与黑色之间按对数关系分成若干级，称为“灰度等级”。范围一般从0到255，白色为255，黑色为0，故黑白图片也称灰度图像，在医学、图像识别领域有很广泛的用途。

3 . ROI

ROI(region of interest)，即感兴趣区域。OpenCV使用rect可以提取出来图像的ROI。

4 . 通道

颜色通道大概分为分为R,G,B,A,L 这几类，分别是：
R：红色成分，通常范围从0.0（没有红色）到1.0（全部的红色）
G：绿色成分，通常范围从0.0（没有绿色）到1.0（全部的绿色）
B：蓝色成分，通常范围从0.0（没有蓝色）到1.0（全部的蓝色）
A：alpha（不透明度）成分，通常范围从0.0（完全透明）到1.0（不透明）
L：亮度成分，通常范围从0.0（黑暗）到1.0（全白）

常用内置函数 1 . cv2.imread ( )

import cv2

img = cv2.imread('1.jpg', cv2.IMREAD_UNCHANGED)  #包含alpha通道
img = cv2.imread('1.jpg', cv2.IMREAD_COLOR)      #彩色图像
img = cv2.imread('1.jpg', cv2.IMREAD_GRAYSCALE)  #灰度图像                                                                          

2 . cv2.imshow( )

## 测试图片
pic = '1.jpg'
## a.图像的二值化 ，这里没有做阈值处理
src = cv2.imread(pic,cv2.IMREAD_UNCHANGED)
## 原始图
cv2.imshow('origin',src)

imshow（name,img）里面有两个参数，第一个是窗口名字，第二个是图像

3 . numpy.ones( )

numpy.ones（）函数返回给定形状和数据类型的新数组，其中元素的值设置为1。
numpy.ones(shape, dtype=None, order=‘C’)

shape是一个int或一个int元组，用于定义数组的大小。 如果我们仅指定一个int变量，则将返回一维数组。 对于一个整数元组，将返回给定形状的数组。

dtype是一个可选参数，默认值为float。 它用于指定数组的数据类型，例如int。

order是在内存中以行优先（C风格）还是列优先（Fortran风格）顺序存储多维数组。

4 . numpy.hstack( )和numpy.vstack( )

numpy.hstack( )是图像水平合并 h：horizon
numpy.vstack( )是图像垂直合并 v : vertical

膨胀与腐蚀 1 . 什么是膨胀和腐蚀

图像的膨胀（Dilation）和腐蚀（Erosion）是两种基本的形态学运算，主要用来寻找图像中的极大区域和极小区域。
膨胀：将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大。
腐蚀：将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。

2 . 代码

import cv2
import numpy as np
 
## 测试图片
pic = '1.jpg'
## a.图像的二值化 ，这里没有做阈值处理
src = cv2.imread(pic,cv2.IMREAD_UNCHANGED)
## b.设置卷积核5*5
kernel = np.ones((5,5),np.uint8)
## c.图像先腐蚀后膨胀，迭代次数为1
erosion = cv2.erode(src,kernel,iterations=1)
dilation = cv2.dilate(erosion,kernel,iterations=1)
## 原始图
cv2.imshow('origin',src)
## 结果图
res1 = np.hstack((src,erosion,dilation))  ## np.hstack是将图片横向合并显示
res2 = np.vstack((src,erosion,dilation))  ## np.hstack是将图片竖向合并显示
cv2.imshow('rsult1',res1)
cv2.imshow('rsult2',res2)
# 任意键终止
cv2.waitKey(0)