Learn OpenCV by Examples

Learn OpenCV by Examples - with Python

news2024/11/16 22:37:15

关于OpenCV

新增内容

Content

1.锐化

2.阈值，二值化和自适应阈值

本文是自己在kaggle上学习OpenCV的学习笔记，如果对你有所帮助再好不过了。这是原文链接Learn OpenCV by Examples - with Python | Kaggle里面不仅有代码还有图片等。如果你还没有注册kaggle可以参考这篇文章http://t.csdn.cn/oUkxY可以使你不用翻墙快速注册。在参考和在kaggle学习时，需要一定的英语基础。

关于OpenCV

OpenCV(开源计算机视觉)正式发布于1999年，由英特尔发起。

OpenCV的核心是用c++编写的。在python中，我们只是使用一个包装器在python内部执行c++代码。

第一个主要版本1.0是在2006年，第二个是在2009年，第三个是在2015年，第四个是在2018年。使用OpenCV 4.0测试版。

它是一个包含超过2500个优化算法的开源库。

它对几乎所有计算机视觉应用程序都非常有用，并且支持Windows, Linux, MacOS, Android, iOS，绑定到Python, Java和Matlab。

更新(19.05.2020)

我将一直努力改进这个内核。我对这个版本做了一些补充。谢谢你的阅读，希望对你有帮助

新增内容

17.背景减法

18.有趣的镜子使用OpenCV

Content

Sharpening
Thresholding, Binarization & Adaptive Thresholding
Dilation, Erosion, Opening and Closing
Edge Detection & Image Gradients
Perpsective Transform
Scaling, re-sizing and interpolations
Image Pyramids
Cropping
Blurring
Contours
Approximating Contours and Convex Hull
Identifiy Contours by Shape
Line Detection - Using Hough Lines
Counting Circles and Ellipses
Finding Corners
Finding Waldo
Background Subtraction Methods
Funny Mirrors Using OpenCV

Background Subtraction Methods Output

Funny Mirrors Using OpenCV Output

Some pictures from content

导入包：

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

1.锐化

通过改变我们的核，我们可以实现锐化，它具有增强或强调图像边缘的效果。

image = cv2.imread('/kaggle/input/opencv-samples-images/data/building.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

plt.figure(figsize=(20, 20))
plt.subplot(1, 2, 1)
plt.title("Original")
plt.imshow(image)


# Create our shapening kernel, we don't normalize since the 
# the values in the matrix sum to 1
kernel_sharpening = np.array([[-1,-1,-1], 
                              [-1,9,-1], 
                              [-1,-1,-1]])

# applying different kernels to the input image
sharpened = cv2.filter2D(image, -1, kernel_sharpening)


plt.subplot(1, 2, 2)
plt.title("Image Sharpening")
plt.imshow(sharpened)

plt.show()

2.阈值，二值化和自适应阈值

import numpy as np
import cv2
from matplotlib import pyplot as plt
# Load our new images
image = cv2.imread('images/Origin_of_Species.jpg', 0)

plt.figure(figsize=(30, 30))
plt.subplot(3, 2, 1)
plt.title("Original")
plt.imshow(image)

# Values below 127 goes to 0 (black, everything above goes to 255 (white)
ret,thresh1 = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

plt.subplot(3, 2, 2)
plt.title("Threshold Binary")
plt.imshow(thresh1)


# It's good practice to blur images as it removes noise
image = cv2.GaussianBlur(image, (3, 3), 0)

# Using adaptiveThreshold
thresh = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 3, 5)

plt.subplot(3, 2, 3)
plt.title("Adaptive Mean Thresholding")
plt.imshow(thresh)


_, th2 = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

plt.subplot(3, 2, 4)
plt.title("Otsu's Thresholding")
plt.imshow(th2)


plt.subplot(3, 2, 5)
# Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(image, (5,5), 0)
_, th3 = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
plt.title("Guassian Otsu's Thresholding")
plt.imshow(th3)
plt.show()