openCV专栏：基础计算实战+色彩空间转换

Posted 2022-04-01 亿只萌新

OPENCV基础操作

提示：本专栏所用版本仅供参考，其他版本也可

库	版本
python	Python 3.9.3
opencv	4.5.5
matplotlib	3.4.3
numpy	1.19.5

学习目录

• （一）使用matplotlib库绘制图表
• （二）使用秘钥加密图像
• • 1：加密
  • 2：解密（二合一）
• （三）位平面分解
• （四）色彩空间
• • 1：色彩空间基本内容
  • 2：色彩空间类型转换
• （五）结束语

（一）使用matplotlib库绘制图表

   简介：matplotlib是Python最常用的绘图库，提供了一整套十分适合交互式绘图的命令具。
   学习任务：简单使用matplotlib库创建画布并加载图片至画布

代码：

import matplotlib.pyplot as plt #导入模块

#创建一个300*300*3的三维矩阵
img1 = np.ones((300,300,3),np.uint8)

#在img1的基础上计算并创建等大矩阵
img2 = img1*80
img3 = img1*160
img4 = img1*255

#加载图像至画布
plt.subplot(2,2,1)#在画布上创建行2，列2的四个区域,并指向区域1
plt.imshow(img1,'gray')#将img1加载至区域1
plt.title(1)#设置区域1的标题

plt.subplot(2,2,2)#在画布上创建行2，列2的四个区域,并指向区域2
plt.imshow(img2,'gray')#将img2加载至区域2
plt.title(2)#设置区域2的标题

plt.subplot(2,2,3)#在画布上创建行2，列2的四个区域,并指向区域3
plt.imshow(img3,'gray')#将img3加载至区域3
plt.title(3)#设置区域3的标题

plt.subplot(2,2,4)#在画布上创建行2，列2的四个区域,并指向区域4
plt.imshow(img4,'gray')#将img4加载至区域4
plt.title(4)#设置区域4的标题

#显示图像
plt.show()

运行结果：

（二）使用秘钥加密图像

   原理：图像与手动生成的秘钥图像进行按位异或操作，实现加密，反之解密
   作用：隐藏图像
   扩展：利用简单的原理制作一个图像解码器

1：加密

import cv2 
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('./111.jpg',0)# 0 代表读入一张灰度图像

# 2：构建秘钥图像
mask = np.random.randint(0,255,(img.shape),dtype = np.uint8)#深成一张img大小的uint8类型的矩阵

# 3：加密
maskimg = cv2.bitwise_xor(img,mask)#逻辑位异或操作

# 4：加载图片至画布
plt.subplot(121)
plt.imshow(maskimg,'gray')
plt.title("maskimg")
plt.show()

2：解密（二合一）

# 1：获取灰度图像
img = cv2.imread('./111.jpg',0)

# 2：构建秘钥图像
mask = np.random.randint(0,255,(img.shape),dtype = np.uint8)

# 3：加密
maskimg = cv2.bitwise_xor(img,mask)

# 4：加载图片至画布
plt.subplot(121)
plt.imshow(maskimg,'gray')
plt.title("maskimg")

# 二：解密
unmaskimg = cv2.bitwise_xor(maskimg,mask)

# 5：加载图片至画布
plt.subplot(122)
plt.imshow(unmaskimg,'gray')
plt.title("unmaskimg")

# 6：显示图像
plt.show()

运行结果：

（三）位平面分解

   原理：逐一分解灰度图每个比特位的二进制像素值，得到八个二进制图效果：从第0个位平面到第7个位平面分别表现了对图像的不同影响
   数学处理：按位与保留当前比特位
   扩展：可将水印图片藏于影响最小的第0位面中，增加隐蔽性

import cv2
import matplotlib.pyplot as plt 
import numpy as np 

"""
    原理：逐一分解灰度图每个比特位的二进制像素值，得到八个二进制图效果：从第0个位平面到第7个位平面分别表现了对图像的不同影响
    数学处理：按位与保留当前比特位
    扩展：可将水印图片藏于任意一个位面图中，增加隐蔽性
"""
# 1:获取灰度图像
filename = './111.jpg'#保存图片路径
img = cv2.imread(filename,0)#以灰度的形式读取图片111

# 2:构建提取矩阵
x,y = img.shape#获取行 列数
construction = np.ones((x,y,8),np.uint8)#构建x行，y列,8个通道的矩阵

for i in range(8):
    construction[:,:,i] = 2**i#通过八次循环给每一个通道写入一张比特位图，从低位到高位

# 3:提取位平面
for X in range(8):
    """将每个通道的表和原图进行按位与"""
    construction[:,:,X] = cv2.bitwise_and(construction[:,:,X],img)
# 4：法制处理（获得黑白分明的二值图)
for X in range(8):
    saveimg = construction[:,:,X]>0
    construction[saveimg,X] = 255
# 5:显示图像
for i in range(8): 
    plt.subplot(2,4,i+1)#将画布分为两行四列，当前图像显示到第i+1个区块
    plt.imshow(construction[:,:,i],cmap='gray')#把图像加载到plt画布中
    plt.title(i)#设置当前图像标题
plt.show()

运行结果：

（四）色彩空间

1：色彩空间基本内容

   介绍：在处理图像的过程中，我们总是说RGB图像。在opencv中，RGB是一种比较常见的色彩空间类型，除此之外，还有一些其他的色彩空间，常见的如下：

色彩空间	内容
GRAY	灰度图【单一通道的图像】
XYZ	更便于计算的色彩空间（常与RGB互相转换）
Ycrcb	加入了亮度的色彩空间
HSV	人眼感知的模型[色调[0~360]，饱和度[0 ~1]，亮度[0 ~1]]
HLS	类型HSV[色调[0 ~360],亮度/明度[0 ~1],饱和度[0 ~1]]
CIEL*a*b	均匀色彩空间模型
CIEL*u*v	适用于显示器显示和根据加色原理组合的场景
Bayer	用于CCD和CMOS相机中的颜色空间
Bayer	用于CCD和CMOS相机中的颜色空间

2：色彩空间类型转换

函数原型	参数
cv2.cvtColor(src,code[,dstCn])	src：输入图像
	code：色彩空间转码【枚举】
	dstCn：被转码图像通道数 默认表示自动获取
返回值：输出转码图像

​ 程序：

import cv2
import matplotlib.pyplot as plt 
import numpy as np 

img = cv2.imread('./111.jpg')#读入一张RGB图

x,y,n = img.shape
All = np.ones((x,y,3,4), dtype=np.uint8)

#转为GRAY灰度色彩空间
All[:,:,0,0] = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#转为CLE XYZ色彩空间
All[:,:,:,1] = cv2.cvtColor(img,cv2.COLOR_RGB2XYZ)
#转为HSV色彩空间
All[:,:,:,2] = cv2.cvtColor(img,cv2.COLOR_RGB2HSV)
#转为BGR色彩空间
All[:,:,:,3] = cv2.cvtColor(img,cv2.COLOR_RGB2BGR)

#加载图像至画布
for X in range(4):
    plt.subplot(2,2,X+1)
    if X ==0:
        plt.imshow(All[:,:,0,X],'gray')
        continue
    plt.imshow(All[:,:,:,X],'gray')
    
#显示画布
plt.show()

运行结果：（可以看到不同的色彩空间效果不同）

（五）结束语

   以上就是今天所要分享的内容了
   学习路漫漫，我们仍需负重前行……
   为此博主新创建了一个群，期待你们的加入：
   QQ群：928357277

欢迎加入我们的大家庭：928357277