机器视觉技术分享-彩色图像处理含c++ ,python代码说明

news2024/11/24 11:50:49

彩色图像处理是指对彩色图像进行数字处理和分析的过程，其目的是提取图像的有用信息，改善图像质量，实现图像的增强、复原、分割、匹配、识别等功能。

针对彩色图像处理，可以采用以下一些常见的方法：

1. 颜色空间转换：把彩色图像从RGB颜色空间转换到其他颜色空间，如HSV、YUV、Lab等，在不同颜色空间下可以更好地处理图像的色彩信息。

2. 直方图均衡化：通过对图像的亮度直方图进行均衡化，使得图像在各个灰度级上的像素数量分布更加均匀，从而增强图像的对比度和清晰度。

3. 滤波处理：通过对彩色图像进行平滑、锐化、边缘检测等滤波处理，可以改善图像质量，去除噪声和伪影等不良影响。

4. 分割处理：对彩色图像进行分割，可以将图像分为多个区域，实现对感兴趣目标的提取和识别。

5. 特征提取和分类：通过对彩色图像的纹理、形态、颜色等特征进行提取和分类，可以实现对图像的自动识别和分类等功能。

C++代码示例：

#include <opencv2/opencv.hpp>
using namespace cv;

void processImage(Mat& image) 
{
    Mat grayImg;
    cvtColor(image, grayImg, COLOR_BGR2GRAY); // 转换为灰度图像
    GaussianBlur(grayImg, grayImg, Size(5, 5), 0, 0); // 高斯滤波
    Canny(grayImg, grayImg, 50, 150); // 边缘检测
    imshow("Processed Image", grayImg);
}

int main() 
{
    Mat image = imread("test.jpg");
    imshow("Original Image", image);
    processImage(image);
    waitKey(0);
    return 0;
}

python代码：

import cv2
import numpy as np

def processImage(image):
    hsvImg = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 转换为HSV颜色空间
    hsvChannels = cv2.split(hsvImg) # 分离H、S、V三个通道
    hsvChannels[0] = np.mod(hsvChannels[0]+50, 180).astype(np.uint8) # 调整色调，加50
    hsvChannels[1] = cv2.multiply(hsvChannels[1], 1.5) # 调整饱和度，乘1.5
    hsvChannels[2] = cv2.multiply(hsvChannels[2], 0.8) # 调整亮度，乘0.8
    hsvImg = cv2.merge(hsvChannels) # 合并H、S、V三个通道
    image = cv2.cvtColor(hsvImg, cv2.COLOR_HSV2BGR) # 转换回RGB颜色空间
    cv2.imshow("Processed Image", image)

if __name__ == '__main__':
    image = cv2.imread("test.jpg")
    cv2.imshow("Original Image", image)
    processImage(image)
    cv2.waitKey(0)

原始图像（test.jpg）