2.3 OpenCV随手简记（四）

news2024/11/26 18:39:50

阈值处理是很多高级算法底层处理的预方法之一。

自己求图像平均阈值：

# -*- coding=GBK -*-
import cv2 as cv
import numpy as np
#求出图像均值作为阈值来二值化
def custom_image(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
cv.imshow("原来", gray)
h, w = gray.shape[:2]
m = np.reshape(gray, [1, w*h])#化为一维数组
mean = m.sum() / (w*h)
print("mean: ", mean)
ret, binary = cv.threshold(gray, mean, 255, cv.THRESH_BINARY)
cv.imshow("二值", binary)
src = cv.imread("C://1.jpg")
custom_image(src)
cv.waitKey(0)
cv.destroyAllWindows()

基于cv.inRange() 的彩色图像分割与视频图像追踪

灰度图像大多通过算子寻找边缘和区域生长融合来分割图像。彩色图像增加了色彩信息，可以通过不同的色彩值来分割图像，常用彩色空间HSV/HSI, RGB, LAB等都可以用于分割！

inRange()函数介绍

主要介绍inrange() 来划分颜色区域。

1、RGB颜色空间每个通道分量受亮度影响大，HSV颜色空间受亮度影响较小，所以在HSV颜色空间下进行颜色追踪；

2、EmguCV与OpenCV的HSV取值： H：0-180 ; S: 0-255; V: 0-255（注意取值范围）;

3、常用的HSV参考值：

4、使用inRange()函数在HSV空间中寻找HSV在某一范围内的值，输出掩膜，作为寻找结果。

# 源图像中仅有图像值介于 lowerb 和 upperb 之间的值才不为 0 ，且值将变成 255
dst = cv2.inRange(src, lowerb, upperb)
# src为输入图像
# lowerb为lower阈值, 低于 lowerb 的值，其所对应的图像值将为 0,变黑；
# upperb为upper阈值, 高于 upperb 的值，图像值变为 0
# **dst** 返回处理后的图像

代码示例：

颜色显示

import cv2
import numpy as np
img_cv2 = cv2.imread(img_file)
hsv = cv2.cvtColor(img_cv2, cv2.COLOR_BGR2HSV)
lower_red = np.array([20, 20, 20])
upper_red = np.array([200, 200, 200])
# mask -> 1 channel
mask = cv2.inRange(hsv, lower_red, upper_red)
# cv2.imshow('Display', mask)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
plt.subplot(1,2,1); plt.imshow(img_cv2);plt.axis('off');plt.title('BGR')
plt.subplot(1,2,2); plt.imshow(mask);plt.axis('off');plt.title('mask')
plt.show()

2.视频特定颜色追踪

#视频特定颜色追踪
import cv2 as cv
import numpy as np
def extrace_object_demo():
capture=cv.VideoCapture("C:/Users/df/Desktop/3333.mp4")
while True:
ret, frame = capture.read()
if ret == False:
break
hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV) #色彩空间由RGB转换为HSV
lower_hsv = np.array([100, 43, 46]) #设置要过滤颜色的最小值
upper_hsv = np.array([124, 255, 255]) #设置要过滤颜色的最大值
mask = cv.inRange(hsv, lower_hsv, upper_hsv) #调节图像颜色信息（H）、饱和
度（S）、亮度（V）区间，选择蓝色区域
cv.imshow("video",frame)
cv.imshow("mask", mask)
c = cv.waitKey(40)
if c == 27: #按键Esc的ASCII码为27
break
extrace_object_demo()
cv.destroyAllWindows()

3.追踪视频中的颜色对图片通道的分离与合并

from cv2 import cv2 as cv
import numpy as np
def video_demo():
# VideoCapture.open
capture = cv.VideoCapture('C:\\pictures\\videos\\1.mp4')
while True:
ret,frame = capture.read()
if ret == False:
break
hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
# 根据那个表可以修改所想的颜色，可以追踪中视频中的颜色
lower_hsv = np.array([156,43,46])
upper_hsv = np.array([180,255,255])
mask = cv.inRange(hsv,lowerb=lower_hsv, upperb=upper_hsv)
# 小技巧，所显示的是所需要的颜色部分
dst = cv.bitwise_and(frame,frame,mask=mask)
cv.imshow('dst',dst)
cv.imshow('video',frame)
cv.imshow('mask',mask)
c = cv.waitKey(40)
if c == 27 :
break
'''
filepath = "C:\\pictures\\0.jpg"
img = cv.imread(filepath) # blue green red
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",img)
# 通道的分离与合并
b,g,r = cv.split(img)
cv.imshow('blue',b)
cv.imshow('green',g)
cv.imshow('red',r)
img[:,:,2] = 0 #把红色去掉了
img = cv.merge([b,g,r]) #通道合起来
cv.imshow('changed image',img)
'''
video_demo()
cv.waitKey(0)
cv.destroyAllWindows()

图像缩放：

图像缩放只是调整图像的大小，为此， OpenCV 为我们提供了一个函数 cv.resize() ，原函数如下：

resize(src, dsize, fx=None, fy=None, interpolation=None)

src 表示的是输入图像，而 dsize 代表的是输出图像的大小，如果为 0 ，则：

dsize = Size(round(fx src.cols), round(fy src.rows))dsize = Size(round(fx src.cols), round(fy src.rows))

dsize 和 fx 、 fy 不能同时为 0 。

fx 、 fy 是沿 x 轴和 y 轴的缩放系数，默认取 0 时，算法如下：

fx=(double)dsize.width/src.colsfx=(double)dsize.width/src.cols

fy=(double)dsize.height/src.rowsfy=(double)dsize.height/src.rows

最后一个参数 interpolation 表示插值方式：

INTER_NEAREST - 最近邻插值
INTER_LINEAR - 线性插值（默认）
INTER_AREA - 区域插值
INTER_CUBIC - 三次样条插值
INTER_LANCZOS4 - Lanczos插值

看一个简单的示例：

import cv2 as cv
#读取图片
src = cv.imread('maliao.jpg')
print(src.shape)
#图像缩放
result = cv.resize(src, (300, 150))
print(result.shape)
#显示图像
cv.imshow("src", src)
cv.imshow("result", result)
#等待显示
cv.waitKey()
cv.destroyAllWindows()

结果如下：

需要注意的是，这里的设置的是 dsize 的列数为 300 ，行数为 150 。

同理，我们可以通过设定一个比例进行缩放，可以是等比例缩放，也可以是不等比例缩放，下面是等比例缩放的示例：

import cv2 as cv
# 设定比例
scale = 0.5
#读取图片
src = cv.imread('maliao.jpg')
rows, cols = src.shape[:2]
#图像缩放
result = cv.resize(src, ((int(cols * scale), int(rows * scale))))
print(result.shape)
#显示图像
cv.imshow("src", src)
cv.imshow("result", result)
#等待显示
cv.waitKey()
cv.destroyAllWindows()

除了可通过设定 dszie 对图像进行缩放，我们还可以通过设定 fx 和 fy 对图像进行缩放：

import cv2 as cv
#读取图片
src = cv.imread('maliao.jpg')
print(src.shape)
#图像缩放
result = cv.resize(src, None, fx=1.5, fy=0.2)
print(result.shape)
#显示图像
cv.imshow("src", src)
cv.imshow("result", result)
#等待显示
cv.waitKey()
cv.destroyAllWindows()

两种操作方法：

import cv2 as cv
#读取图片
src = cv.imread('maliao.jpg')
print(src.shape)
#图像缩放
result1 = cv.resize(src, None, fx=0.5, fy=0.7)
result2 = cv.resize(src, (src.shape[0]+200,src.shape[1]+300))
print(result1.shape)
print(result1.shape)
#显示图像
cv.imshow("src", src)
cv.imshow("result1", result1)
cv.imshow("result2", result2)
#等待显示
cv.waitKey()
cv.destroyAllWindows()

import cv2 as cv
#读取图片
src1 = cv.imread('1111.jpg')
src2 = cv.imread('2222.jpg')
#将图像1缩放为图像2的大小
src1 = cv.resize(src1,(src2.shape[1],src2.shape[0]))
#显示图像
cv.imshow("result1", src1)
cv.imshow("result2", src2)
#等待显示
cv.waitKey()
cv.destroyAllWindows()

缩放的动态显示

import cv2 as cv
import time
#读取图片
src = cv.imread('beauty5.jpeg')
# 原图的高、宽
rows, cols = src.shape[:2]
i = 1
while cv.waitKey(1) == -1: #等待1毫秒后，用户按下任意键
if i<=12:
i = i+1
elif i>12:
i = 1
#图像缩放
dst = cv.resize(src, None, fx=0.1*i, fy=0.1*i)
# 生成 M 矩阵
#M = cv.getRotationMatrix2D((cols/2, rows/2), 0+i, 1)
# 绕图像的中心旋转
# 参数：旋转中心 旋转度数 scale
#dst = cv.warpAffine(src, M, (cols, rows))
# 显示图像
cv.imshow("dst", dst)
time.sleep(1/10)
cv.destroyWindow("dst")

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1795357.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！