【Python】计算机视觉应用:OpenCV库图像处理入门

news2024/11/25 11:06:21

计算机视觉应用:OpenCV库图像处理入门

在当今的数字化时代,计算机视觉(Computer Vision)已经渗透到各行各业,比如自动驾驶、智能监控、医疗影像分析等。而 Python 的 OpenCV 库(Open Source Computer Vision Library)因其强大且开源的特性,被广泛应用于图像处理和计算机视觉应用中。本文将详细介绍 OpenCV 的基本功能和常见的图像处理操作,并通过一个完整的实战项目展示 OpenCV 在图像处理中的应用。
在这里插入图片描述

一、OpenCV简介

OpenCV 是一个开源计算机视觉库,最初由英特尔开发,现在被广泛用于各类图像和视频处理任务。OpenCV 提供了多种图像处理算法,涵盖了从图像基础操作到复杂机器学习应用的各个方面。它支持多种编程语言,如 C++、Python 和 Java,并且能够在多个平台(Windows、Linux、macOS)上运行。

安装OpenCV

可以通过以下命令安装 OpenCV:

pip install opencv-python

安装完成后,导入库进行初始化:

import cv2

在这里插入图片描述

二、图像的基本概念

在开始学习 OpenCV 的功能之前,我们需要了解一些基本的图像概念。

  1. 像素:图像由多个小方块组成,这些方块称为像素。每个像素都有自己的颜色和亮度值。
  2. 颜色模式:图像的颜色模式通常有三种:
    • 灰度图像:每个像素只有一个灰度值(0-255),代表黑白色调。
    • RGB图像:由红、绿、蓝三个通道组成,每个通道的像素值表示颜色的浓度。
    • 二值图像:每个像素只有两个值,0(黑色)和255(白色)。
      在这里插入图片描述

三、OpenCV基础功能

1. 读取和显示图像

cv2.imread() 用于读取图像,cv2.imshow() 用于显示图像,cv2.imwrite() 用于保存图像。

import cv2

# 读取图像
image = cv2.imread("image.jpg")

# 显示图像
cv2.imshow("Image", image)
cv2.waitKey(0)  # 等待用户按键关闭窗口
cv2.destroyAllWindows()  # 关闭窗口

2. 图像的缩放与调整大小

cv2.resize() 函数可以用来调整图像大小。

resized_image = cv2.resize(image, (300, 300))  # 将图像调整为300x300大小
cv2.imshow("Resized Image", resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 图像的旋转

cv2.getRotationMatrix2D()cv2.warpAffine() 函数可以实现图像旋转。

(h, w) = image.shape[:2]
center = (w // 2, h // 2)
matrix = cv2.getRotationMatrix2D(center, 45, 1.0)  # 旋转45度
rotated = cv2.warpAffine(image, matrix, (w, h))
cv2.imshow("Rotated Image", rotated)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 图像的裁剪

裁剪是指截取图像的某一部分。可以通过切片操作直接实现。

cropped = image[50:200, 50:200]  # 截取从(50, 50)到(200, 200)的区域
cv2.imshow("Cropped Image", cropped)
cv2.waitKey(0)
cv2.destroyAllWindows()

5. 图像的颜色转换

OpenCV 支持多种颜色空间的转换。常用的转换包括 BGR 到灰度、BGR 到 HSV 等。

# 转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow("Gray Image", gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

6. 边缘检测

边缘检测是图像处理中常见的一项操作。cv2.Canny() 提供了高效的边缘检测方法。

edges = cv2.Canny(gray_image, 100, 200)  # 阈值范围为100到200
cv2.imshow("Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

7. 图像的模糊处理

模糊处理通常用于降噪或实现特效。OpenCV 提供了多种模糊方法,如均值模糊、Gaussian模糊和中值模糊。

blurred = cv2.GaussianBlur(image, (15, 15), 0)
cv2.imshow("Blurred Image", blurred)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

四、图像处理综合应用案例

案例:图像美化与滤镜效果

我们将创建一个简单的图像美化程序,该程序包括亮度调整、对比度增强、锐化处理、边缘增强等步骤,并展示如何利用 OpenCV 实现一款滤镜效果。

第一步:图像的亮度与对比度调整

亮度和对比度是控制图像视觉效果的关键参数。

def adjust_brightness_contrast(image, brightness=30, contrast=50):
    brightness = brightness / 100.0
    contrast = contrast / 100.0
    return cv2.convertScaleAbs(image, alpha=1 + contrast, beta=brightness * 255)

brightened_image = adjust_brightness_contrast(image, brightness=30, contrast=50)
cv2.imshow("Brightened Image", brightened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
第二步:图像的锐化处理

锐化用于提高图像的清晰度。可以通过卷积操作实现。

kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
sharpened_image = cv2.filter2D(image, -1, kernel)
cv2.imshow("Sharpened Image", sharpened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
第三步:添加边缘增强效果

边缘增强可以通过 Sobel 滤波器或 Laplacian 滤波器实现。

laplacian = cv2.Laplacian(image, cv2.CV_64F)
edge_enhanced_image = cv2.convertScaleAbs(laplacian)
cv2.imshow("Edge Enhanced Image", edge_enhanced_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
第四步:综合滤镜效果

接下来我们将多个效果结合起来,创建一个滤镜效果函数。

def apply_filter(image):
    # 1. 调整亮度和对比度
    bright_contrast = adjust_brightness_contrast(image, brightness=20, contrast=40)
    
    # 2. 模糊处理
    blurred = cv2.GaussianBlur(bright_contrast, (5, 5), 0)
    
    # 3. 锐化处理
    kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
    sharpened = cv2.filter2D(blurred, -1, kernel)
    
    # 4. 边缘增强
    laplacian = cv2.Laplacian(sharpened, cv2.CV_64F)
    edge_enhanced = cv2.convertScaleAbs(laplacian)
    
    return edge_enhanced

filtered_image = apply_filter(image)
cv2.imshow("Filtered Image", filtered_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

通过这种方式,我们可以快速为图像添加自定义的滤镜效果。
在这里插入图片描述

五、实战项目:摄像头实时滤镜应用

现在让我们将所学知识应用于一个完整的实战项目:创建一个实时滤镜应用,使用电脑的摄像头捕捉画面并实时显示滤镜效果。

实战步骤

  1. 打开摄像头:使用 cv2.VideoCapture(0) 打开默认摄像头。
  2. 实时捕捉图像:通过循环不断读取摄像头的画面。
  3. 应用滤镜效果:对每一帧应用滤镜效果。
  4. 显示实时滤镜效果:显示实时滤镜后的画面。

实战代码

import cv2
import numpy as np

def apply_filter(image):
    # 调整亮度和对比度
    bright_contrast = adjust_brightness_contrast(image, brightness=20, contrast=40

)
    # 模糊
    blurred = cv2.GaussianBlur(bright_contrast, (5, 5), 0)
    # 锐化
    kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
    sharpened = cv2.filter2D(blurred, -1, kernel)
    # 边缘增强
    laplacian = cv2.Laplacian(sharpened, cv2.CV_64F)
    edge_enhanced = cv2.convertScaleAbs(laplacian)
    return edge_enhanced

def adjust_brightness_contrast(image, brightness=30, contrast=50):
    brightness = brightness / 100.0
    contrast = contrast / 100.0
    return cv2.convertScaleAbs(image, alpha=1 + contrast, beta=brightness * 255)

cap = cv2.VideoCapture(0)  # 打开摄像头

while True:
    ret, frame = cap.read()  # 捕捉视频中的一帧
    if not ret:
        break
    
    # 应用滤镜效果
    filtered_frame = apply_filter(frame)
    
    # 显示原始和滤镜效果画面
    cv2.imshow("Original", frame)
    cv2.imshow("Filtered", filtered_frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

项目总结

该实战项目展示了如何结合 OpenCV 和实时视频处理技术,为摄像头捕捉的画面应用滤镜效果。你可以根据需要进一步自定义滤镜效果,例如添加彩色滤镜、卡通化效果等。
在这里插入图片描述

总结

OpenCV 是一个强大的图像处理库,支持各种图像和视频的操作。从基础的图像读取、显示,到高级的边缘检测、模糊处理和滤镜应用,OpenCV 提供了全面的支持。在本文中,我们学习了 OpenCV 的基本功能,并通过一个实时滤镜应用的实战项目,演示了 OpenCV 在图像处理和计算机视觉中的应用。希望这篇文章能为你打开计算机视觉的大门,激发你在图像处理领域进一步探索的兴趣!
在这里插入图片描述

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/2234361.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!

相关文章

Spring Boot开发入门教程

简介 Spring Boot是一个开源的Java基础框架,用于创建独立、生产级的基于Spring框架的应用程序。通过Spring Boot,你可以轻松地创建独立的、生产级的Spring应用程序。 环境准备 Java开发环境:确保你的机器上安装了Java 8或更高版本。Maven…

vue3入门知识(一)

vue3简介 性能的提升 打包大小减少41%初次渲染快55%,更新渲染快133%内存减少54% 源码的升级 使用Proxy代替defineProperty实现响应式重写虚拟DOM的实现和Tree-Shaking 新的特性 1. Composition API(组合API) setupref与reactivecomput…

【产品经理】工业互联网企业上市之路

树根互联2022年6月2日提交招股书之后,因财务资料超过六个月有效期加三个月延长期,2022年9月30日上市审核中止;2022年12月26日树根互联更新了2022年半年度财务资料,又九个月过去了,其上市进程将面临再一次中止。 处于上…

Centos 7系统一键安装宝塔教程

服务器推荐青鸟云服务器,2H2G低至16元/月 官网地址: 所有产品_香港轻量云 2核 2G-A型_青鸟云 推荐Finalshell软件连接至服务器,下载地址: https://dl.hostbuf.com/finalshell3/finalshell_windows_x64.exe 下载完成后连接服务…

Vue3-实现父子组件通信

Vue3-实现父子组件通信 父组件向子组件传值defineProps()代码示例 子组件给父组件传值defineEmits()示例代码 结语 😀大家好!我是向阳🌞,一个想成为优秀全栈开发工程师的有志青年! 📔今天来讨论前端中Vue3父…

Imperva 数据库与安全解决方案

Imperva是网络安全解决方案的专业提供商,能够在云端和本地对业务关键数据和应用程序提供保护。公司成立于 2002 年,拥有稳定的发展和成功历史并于 2014 年实现产值1.64亿美元,公司的3700多位客户及300个合作伙伴分布于全球各地的90多个国家。…

【TabBar嵌套Navigation案例-常见问题按钮-WebView-加载本地html文件 Objective-C语言】

一、接下来,我们来说,webView如何加载本地的html文件 1.把这里的http://www.baidu.com/ 如何替换成本地的html文件,实际上,我们只需要把URL替换一下就可以了, 然后呢,先给大家看一眼素材,在我们的help.json里边,比如说,第一个按钮, 如何领奖,这块儿有一个叫做htm…

搜维尔科技:【煤矿虚拟仿真】煤矿企业、高校、科研单位-多语言支持、数字孪生、交互式学习体验

品牌:SouVR 发票:支持专票、普票 单位:套 版本号:1.0 包装清单:软件1套 软件形式:U盘、光盘 运行环境:windows 应用对象:煤矿企业、高校、科研单位 系统配置:…

【CSS】标准怪异盒模型

概念 CSS 盒模型本质上是一个盒子,盒子包裹着HTML 元素,盒子由四个属性组成,从内到外分别是:content 内容、padding 内填充、border 边框、外边距 margin 盒模型的分类 W3C 盒子模型(标准盒模型) IE 盒子模型(怪异盒模型) 两种…

国标GB28181视频平台EasyCVR私有化视频平台工地防盗视频监控系统方案

一、方案背景 在当代建筑施工领域,安全监管和防盗监控是保障工程顺利进行和资产安全的关键措施。随着科技进步,传统的监控系统已不足以应对现代工地的安全挑战。因此,基于国标GB28181视频平台EasyCVR的工地防盗视频监控系统应运而生&#xf…

动态规划 —— dp 问题-打家劫舍II

1.打家劫舍II 题目链接: 213. 打家劫舍 II - 力扣(LeetCode)https://leetcode.cn/problems/house-robber-ii/ 2. 题目解析 通过分类讨论,将环形问题转换为两个线性的“打家劫舍|” 当偷第一个位置的时候,rob1在&#…

配置elk插件安全访问elk前台页面

编辑els配置文件vim elasticsearch.yml,添加以下配置文件 用elk用户,启动els服务 关闭防火墙,查看els启动是否成功,通过是否启动java进程来判断 或者通过查看是否启动9200和9300端口来判断是否启动 交互模式启动密码配置文件interactive表示交…

通过mybatis和mybatis plus 实现用户注册功能和基础的增删改查

1,切分application的环境并引入依赖 通过将application.yml进行切分,切分成三个不同的环境,生产环境和开发环境,我们可以在不同情况下所需要的不同环境上进行相关的配置 我们对代码进行一次切分 application.yml spring:application:name…

TypeError: Cannot read properties of undefined (reading ‘__asyncLoader‘)

项目场景: vue3element-plus 项目场景:vue3element-plustsvite的技术栈开发的后台,一个后台列表页面,使用了ElTable组件 问题描述 页面提示报一个好像是异步的问题 runtime-core.esm-bundler.js:2261 Uncaught (in promise) Ty…

大模型学习笔记------CLIP模型解读与思考

大模型学习笔记------CLIP模型解读与思考 1、为什么提出CLIP模型2、CLIP模型详解3、CLIP模型的重要意义 上文已经讲到,我认为多模态的大模型是最有前途的大模型,首先学习的就是CLIP这个模型。 CLIP(Contrastive Language-Image Pretraining&…

【大数据学习 | kafka】kafka的ack和一致性

1. ack级别 上文中我们提到过kafka是存在确认应答机制的,也就是数据在发送到kafka的时候,kafka会回复一个确认信息,这个确认信息是存在等级的。 ack0 这个等级是最低的,这个级别中数据sender线程复制完毕数据默认kafka已经接收到…

完美解决mysql -u root -p ‘mysql‘ 不是内部或外部命令,也不是可运行的程序 或批处理文件

如果你已经安装了mysql8.0,但是还出现是下面的问题,解决方法是从根目录打开或者配置环境变量。 遇到的错误主要是与命令行环境和 MySQL 命令无法识别有关。这里我会逐步分析问题,并给出可能的解决方法。 问题描述和分析: ‘my…

UE5 材质篇 1 如何偏移顶点

顶点偏移 start content里的plane长这样 我们进行一点顶点偏移就能长这样 XY加起来乘个缩放系数扔给sin结果乘个缩放系数即可

求助帖【如何学习核磁共振的原理】

最近提前进组了 我完全不懂磁共振的相关知识 想问问各位大佬有没有推荐的学习路线 或者是学习资料、论坛都可以的(我做的方向是磁共振成像技术) 老师给了一本书,但是有点看不懂,全英文的 叫Principles Of Magnetic Resonance …

vite+vue项目创建流程;npm error enoent Could not read package.json异常报错问题

前提概要:默认下载好node vue vite等等东西啊 新建文件夹,放项目管理员身份运行命令行,先转到所在大盘,然后再cd到具体的新建文件夹,执行npm init vitelatest命令。 管理员身份运行vscode,打开刚才新建的v…