图像处理一百题（1-10）

Posted 2022-11-02 狗蛋儿l

题来自于
读取图片：「画像処理100本ノック」中文版本！为图像处理初学者设计的 100 个问题。

问题一：通道交换

读取图像，然后将通道替换成通道。

下面的代码用于提取图像的红色通道。

注意，cv2.imread() 的系数是按顺序排列的！

其中的变量red表示的是仅有原图像红通道的imori.jpg。

答案：

import cv2

# function: BGR -> RGB


def BGR2RGB(img):
    b = img[:, :, 0].copy()
    g = img[:, :, 1].copy()
    r = img[:, :, 2].copy()

    # RGB > BGR
    img[:, :, 0] = r
    img[:, :, 1] = g
    img[:, :, 2] = b

    return img


# Read image
img = cv2.imread("imori.jpg")

# BGR -> RGB
img = BGR2RGB(img)

# Save result
cv2.imwrite("out.jpg", img)
cv2.imshow("result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

问题二：灰度化（Grayscale）

将图像灰度化吧！

灰度是一种图像亮度的表示方法，通过下式计算： $$Y=0.2126R+0.7152G+0.0722B$$

import cv2
import numpy as np

# Gray scale
def BGR2GRAY(img):
	b = img[:, :, 0].copy()
	g = img[:, :, 1].copy()
	r = img[:, :, 2].copy()

	# Gray scale
	out = 0.2126 * r + 0.7152 * g + 0.0722 * b
	out = out.astype(np.uint8)

	return out


# Read image
img = cv2.imread("imori.jpg").astype(np.float)

# Grayscale
out = BGR2GRAY(img)

# Save result
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

问题三：二值化（Thresholding）

二值化是将图像使用黑和白两种颜色表示的方法。
先进行灰度化，然后以阈值为界限，大于阈值的=255，小于阈值的=0。

我们将灰度的阈值设置为128来进行二值化，即：

if (x>=128)x=255
else x=0

import cv2
import numpy as np

# Gray scale


def BGR2GRAY(img):
    b = img[:, :, 0].copy()
    g = img[:, :, 1].copy()
    r = img[:, :, 2].copy()

    # Gray scale
    out = 0.2126 * r + 0.7152 * g + 0.0722 * b
    out = out.astype(np.uint8)

    return out

# binalization


def binarization(img, th=128):
    img[img < th] = 0
    img[img >= th] = 255
    return img


# Read image
img = cv2.imread("imori.jpg").astype(np.float32)

# Grayscale
out = BGR2GRAY(img)

# Binarization
out = binarization(out)

# Save result
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

问题四：大津二值化算法（Otsu’s Method）

简介

我们在最灰度图做二值化时，需要设定一个分割阈值，我们并没有一个万能的阈值。而Otsu大津算法则是根据灰度图本身的信息，自动确定最佳阈值，实现以最佳阈值对灰度图进行二值化。
需要注意的是，大津算法并不是直接进行二值化处理，而是得到一个整型数字，也即阈值，我们得到阈值再进行二值化。

原理

一般情况下，我们将我们感兴趣的部分称为前景，对于不感兴趣的称为背景。

大津算法的思想是比较简单的，我们认为分为的前景和背景之间差异是较大的，而前景部分中的像素是相似的，背景部分中的像素是相似的：同一类中差异小，不同类中差异大。那么如果存在一个阈值，使得图像分为了前景和背景，应当符合同一类中差异最小，不同类中差异最大，这个值就是最佳阈值。根据这个最佳阈值分割的图像效果应当是最好的(即将前景和背景彻底分割开)。

那么所谓的“差异”如何表示？其实就是用方差来表示：如果单个的数据其越偏离于中心，那么，其方差值也就越大。如果同一类中方差越小，那么表示同一类中差异也小；不同类之间方差越大，表示不同类中差异越大。

题

使用大津算法来二值化图像吧。

大津算法，也被称作最大类间方差法，是一种可以自动确定二值化中阈值的算法。

从类内方差和类间方差的比值计算得来：

import cv2
import numpy as np


# Gray scale
def BGR2GRAY(img):
	b = img[:, :, 0].copy()
	g = img[:, :, 1].copy()
	r = img[:, :, 2].copy()

	# Gray scale
	out = 0.2126 * r + 0.7152 * g + 0.0722 * b
	out = out.astype(np.uint8)

	return out

# Otsu Binarization
def otsu_binarization(img, th=128):
	max_sigma = 0
	max_t = 0

	# determine threshold
	for _t in range(1, 255):
		v0 = out[np.where(out < _t)]
		m0 = np.mean(v0) if len(v0) > 0 else 0.
		w0 = len(v0) / (H * W)
		v1 = out[np.where(out >= _t)]
		m1 = np.mean(v1) if len(v1) > 0 else 0.
		w1 = len(v1) / (H * W)
		sigma = w0 * w1 * ((m0 - m1) ** 2)
		if sigma > max_sigma:
			max_sigma = sigma
			max_t = _t

	# Binarization
	print("threshold >>", max_t)
	th = max_t
	out[out < th] = 0
	out[out >= th] = 255

	return out


# Read image
img = cv2.imread("imori.jpg").astype(np.float32)
H, W, C =img.shape


# Grayscale
out = BGR2GRAY(img)

# Otsu's binarization
out = otsu_binarization(out)

# Save result
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

问题五：$\text{HSV}$变换

将使用表示色彩的图像的色相反转吧！

即使用 **色相（Hue）、饱和度（Saturation）、明度（Value）**来表示色彩的一种方式。

• 色相：将颜色使用到表示，就是平常所说的颜色名称，如红色、蓝色。色相与数值按下表对应：

红	黄	绿	青色	蓝色	品红	红
0°	60°	120°	180°	240°	300°	360°

• 饱和度：是指色彩的纯度，饱和度越低则颜色越黯淡（）；
• 明度：即颜色的明暗程度。数值越高越接近白色，数值越低越接近黑色（）；

从色彩表示转换到色彩表示通过以下方式计算：

的取值范围为，令： $$\text{Max}=\max (R,G,B)\text{Min}=\min (R,G,B)$$ 色相： $$H=\begin{array}{llccc}0& (\text{if}\text{Min}=\text{Max})60\frac{G-R}{\text{Max}-\text{Min}}+60& (\text{if}\text{Min}=B)60\frac{B-G}{\text{Max}-\text{Min}}+180& (\text{if}\text{Min}=R)60\frac{R-B}{\text{Max}-\text{Min}}+300& (\text{if}\text{Min}=G)\end{array}$$ 饱和度： $$S=\text{Max}-\text{Min}$$ 明度： $$V=\text{Max}$$ 从色彩表示转换到色彩表示通过以下方式计算： $$C=S{H}^{\prime }=\frac{H}{60}X=C(1-|H^{\prime }\mathrm{m}\mathrm{o}\mathrm{d}2-1|)(R,G,B)=(V-C)(1,1,1)+\begin{array}{llc}(0,0,0)& (\text{if H is undefined})(C,X,0)& (\text{if以上是关于图像处理一百题（1-10）的主要内容，如果未能解决你的问题，请参考以下文章}\end{array}$$

图像处理一百题（11-20）

图像处理一百题（11-20）

图像处理一百题（11-20）

LeetCode第一百题—相同的数—Python实现

java一百题：1~4

leetcode 简单 第一百题 压缩字符串