Opencv 图像处理:图像基础操作与灰度转化
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Opencv 图像处理:图像基础操作与灰度转化相关的知识,希望对你有一定的参考价值。
本文已收录于Opencv系列专栏: 深入浅出OpenCV ,专栏旨在详解Python版本的Opencv,为计算机视觉的开发与研究打下坚实基础。免费订阅,持续更新。
图像属性
1.图像格式
图像压缩比: 通过编码器压缩后的图象数字大小和原图象数字大小的压缩比。
- BMP 格式 Windows系统下的标准位图格式,未经过压缩,一般图像文件会比较大。在很多软件中被广泛应用。
- JPEG 格式 也是应用最广泛的图片格式之一,它采用一种特殊的有损压缩算法,达到较大的压缩比可达到 2:1 甚至 40:1,互联网上最广泛使用的格式
- GIF 格式 不仅可以是一张静止的图片,也可以是动画,并且支持透明背景图像,适用于多种操作系统, 体型很小,网上很多小动画都是 GIF 格式。但是其色域不太广只支持 256 种颜色。
- PNG 格式 与JPG 格式类似,压缩比高于 GIF(因此png损失较小,质量更好),支持图像透明支持 Alpha 通道调节图像的透明度。
- TIFF 格式 它的特点是图像格式复杂、存贮信息多。在 Mac 中广泛使用, 非常有利于原稿的复制。很多地方将 TIFF 格式用于印刷。
2.图像尺寸
图像尺寸
- 图像尺寸的长度与宽度是以像素为单位的。
像素
- 像素是数码影像最基本的单位,每个像素就是一个小点,而不同颜色的点聚集起来就变成一幅照片。
- 灰度像素点数值范围在 0 到 255 之间, 0 表示黑、255 表示白,其它值表示处于黑白之间;
- 黑白照片只需一个通道表示即可。
- 彩色图用红、绿、蓝三通道的二维矩阵来表示。每个数值也是在 0 到 255 之间, 0 表示相应的基色,而 255 则代表相应的基色在该像素中取得最大值。
读入图像cv2.imread()
cv2.imread()
参数说明:
第一参数为待读路径;
第二个参数为读取方式,常见读取方式有三种
#导入opencv的python版本依赖库cv2
import cv2
#使用opencv中imread函数读取图片,
#0代表灰度图形式打开,1代表彩色形式打开
img = cv2.imread(split.jpg,1)
print(img.shape)
#print(img) 打印图像的数组
显示图像cv2.imshow()
cv2.imshow()
参数说明:
参数1 :窗口的名字
参数2 :图像数据名/变量名
#导入opencv依赖库
import cv2
#读取图像,读取方式为彩色读取
img = cv2.imread(split.jpg,1)
#
cv2.imshow(photo,img)
k = cv2.waitKey(0)
if k == 27: # 输入ESC键退出
cv2.destroyAllWindows()
elif k == ord(s): # 输入S键保存图片并退出
cv2.imwrite(split_.jpg,img)
cv2.destroyAllWindows()
也可matplotlib导入图像
#加载第三方包
import cv2
from matplotlib import pyplot as plt
#使用Matplotlib导入图像
img = cv2.imread(test_image.png,0)
plt.imshow(img, cmap = gray, interpolation = bicubic)
#隐藏X、Y轴上的刻度
#plt.xticks([]), plt.yticks([])
plt.show()
键盘绑定cv2.waitKey(0)
#cv2.waitKey()是一个键盘绑定函数
#若为数字则是单位毫秒,若为0代表等待键盘输入。
cv2.waitKey(0)
删除窗口cv2.destrovAllWindows()
# cv2.destroyAllWindows() 删除窗口
# 默认值为所有窗口,参数一为待删除窗口名。
cv2.destrovAllWindows()
保存图像cv2.imwrite()
cv2.imwrite(split_.jpg,img)
参数说明:
参数1 :图像名(包括格式)
参数2 :待写入的图像数据变量名。
3.图像分辨率
- 分辨率: 单位长度中所表达或截取的像素数目。每英寸图像内的像素点数,单位是像素每英寸 (PPI) 。图像分辨率越高,像素的点密度越高,图像越清晰。
- 通道数: 图像的位深度,是指描述图像中每个pixel 数值所占的二进制位数。 位深度 越大则图像能表示的颜色数就越多,色彩越丰富逼真。
- 8 位:单通道图像,也就是灰度图,灰度值范围2**8=256
- 24 位:三通道 3*8=24
- 32 位:三通道加透明度 Alpha 通道
灰度转化
- 目的
将三通道图像(彩色图)转化为单通道图像(灰度图)。 - 公式
3---->1: GRAY = B * 0.114 + G * 0.587 + R * 0.299
1---->3: R = G = B = GRAY; A = 0 - 函数:
cv2.cvtColor(img,flag) - 参数说明
参数1 :待转化图像
参数2 :flag 就是转换模式
- cv2.COLOR_BGR2GRAY :彩色转灰度
- cv2.COLOR_GRAY2BGR:单通道转三通道
#导入opencv
import cv2
#读入原始图像,使用cv2.IMREAD_UNCHANGED
img = cv2.imread("girl.jpg",cv2.IMREAD_UNCHANGED)
#查看打印图像的shape
shape = img.shape
print(shape)
#判断通道数是否为3通道或4通道
if shape[2] == 3 or shape[2] == 4 :
#将彩色图转化为单通道图
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray_image",img_gray)
cv2.imshow("image", img)
cv2.waitKey(1000) # 等待1000毫秒也就是1秒
cv2.destroyAllWindows()
RGB与 BGR 转化
Opencv读取图像是以BGR读取的,但是许多包是RGB读取,因此有些情况下需要转化。
转化的方法
opencv自带的方法转
cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
numpy转
img[:,:,::-1] #列左右翻转
示例:
import cv2
import matplotlib.pyplot as plt
img = cv2.imread("test2.png", cv2.IMREAD_COLOR)
cv2.imshow("Opencv_win", img)
# 用opencv自带的方法转
img_cv_method = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 用numpy转,img[:,:,::-1]列左右翻转
img_numpy_method = img[:,:,::-1] # 本来是BGR 现在逆序,变成RGB
# 用matplot画图
plt.subplot(1,3,1)# 划分一个1行3列的空间
plt.imshow(img_cv_method)
plt.subplot(1,3,2)
plt.imshow(img_numpy_method)
plt.subplot(1,3,3)
plt.imshow(img)
plt.savefig("./plt.png")
plt.show()
#保存图片
cv2.imwrite("opencv.png", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
以上是关于Opencv 图像处理:图像基础操作与灰度转化的主要内容,如果未能解决你的问题,请参考以下文章
python使用openCV图像加载(转化为灰度图像)使用equalizeHist算法增强灰度图像对比度可视化对比度增强之后的图像
在opencv中,如何把灰度图像中的黑和白快速转化为1和0;