【opencv】图像处理（一）

实验环境：anaconda、jupyter notebook

实验用到的包：numpy,matplotlib,opencv

一、opencv安装

最好使用python3.6（我之前用的3.9安装opencv3.4.1.15会失败）

conda create -n cv python=3.6

安装opencv3.4.1.15（3.4.2版本开始有些算法就有专利了）

pip install opencv-python==3.4.1.15
pip install opencv-contrib-python==3.4.1.15

进入python命令行

import cv2
cv2.__version__

如果没报错那就可以了，如果出现了如下报错

ImportError: libGL.so.1: cannot open shared object file: No such file or directory

需要再安装

pip install opencv-python-headless==3.4.1.15

二、本文使用到的图片

图片放在python脚本相同目录下（不介意需要调整目录的话，放哪里都无所谓）

三、引入包

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

四、opencv基础操作

读入图片

img = cv2.imread('cat.jpg')

灰度图形式读入

img = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)

显示图片

如果你使用的是jupyer notebook，使用cv2.imshow()会导致内核崩溃

cv2.imshow(img')

使用matplotlib显示图片

# opencv是BGR表示
plt.subplot(121)
plt.imshow(img)
plt.title('cv cat')
# 转为RGB表示
plt.subplot(122)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('plt cat')
plt.show()

截取部分图片

img = cv2.imread('cat.jpg')
cat = img[0:500,0:1000]
plt.imshow(cv2.cvtColor(cat, cv2.COLOR_BGR2RGB))
plt.title('roi cat')
plt.show()

边界填充

img = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)

top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
replicate = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT)
reflect_101 = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT, value=0)

plt.figure(figsize=(20,10))

plt.subplot(231)
plt.imshow(img,'gray')
plt.title('ORIGINAL')

plt.subplot(232)
plt.imshow(replicate,'gray')
plt.title('REPLICATE')

plt.subplot(233)
plt.imshow(reflect,'gray')
plt.title('REFLCET')

plt.subplot(234)
plt.imshow(reflect_101,'gray')
plt.title('REFLECT_101')

plt.subplot(235)
plt.imshow(wrap,'gray')
plt.title('WRAP')

plt.subplot(236)
plt.imshow(constant,'gray')
plt.title('CONSTANT')

plt.show()

图像融合

cat = cv2.imread('cat.jpg')
dog = cv2.imread('dog.jpg')

# 0.4 * cat + 0.6 * dog + 0
img = cv2.addWeighted(cat,0.4 ,dog, 0.6, 0)

plt.subplot(313)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('fusion')
plt.show()

五、opencv图像阈值处理

阈值处理

阈值处理函数如下：

res,dst = cv3.threshold(src, thresh, maxval, type)

• src:输入图像
• dst:输出图像
• thresh：阈值
• maxval：像素超出阈值的赋值
• type：操作类型

常用操作类型

1. cv2.THRESH_BINARY：超过阈值部分取maxval，其它为0
2. cv2.THRESHBINARYINV
3. cv2.THRESH_TRUNC：大于阈值部分取设为阈值，其他不变
4. cv2.THRESH_TOZERO：大于阈值部分不变，其它为0
5. cv2.THRESHTOZEROINV

img_gray = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)
ret, thresh1 = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img_gray,127,255,cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO_INV)

titles = ['orginal','binary','binary inv', 'trunc', 'tozero', 'tozero inv']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    plt.subplot(2,3, i + 1)
    plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

图像平滑处理

均值滤波

noise = cv2.imread('noise.jpg')

# 均值滤波
# 相加取平均
blur = cv2.blur(noise, (3,3))

plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))

plt.subplot(122)
plt.imshow(cv2.cvtColor(blur, cv2.COLOR_BGR2RGB))
plt.show()

方框滤波

带归一化的方框滤波与均值滤波相同

# 方框滤波，带归一化跟均值滤波一样
box = cv2.boxFilter(noise, -1, (3,3), normalize=True)

plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))

plt.subplot(122)
plt.imshow(cv2.cvtColor(box, cv2.COLOR_BGR2RGB))
plt.show()

不带归一化的方框滤波容易出现越界情况

# 方框滤波，无归一化（不做平均），容易越界
box = cv2.boxFilter(noise, -1, (3,3), normalize=False)

plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))

plt.subplot(122)
plt.imshow(cv2.cvtColor(box, cv2.COLOR_BGR2RGB))
plt.show()

高斯滤波

# 高斯滤波
# 根据每个点像素值与中心点像素值的差距添加一个权重
gaussian = cv2.GaussianBlur(noise,(5,5),1)

plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))

plt.subplot(122)
plt.imshow(cv2.cvtColor(gaussian, cv2.COLOR_BGR2RGB))
plt.show()

中值滤波

# 中值滤波
# 用指定区域内的中间值替代区域内的像素值
# 5和(5,5)是一样的
median = cv2.medianBlur(noise,5)

plt.figure(figsize=(20,25))
plt.subplot(121)
plt.imshow(cv2.cvtColor(noise, cv2.COLOR_BGR2RGB))

plt.subplot(122)
plt.imshow(cv2.cvtColor(median, cv2.COLOR_BGR2RGB))
plt.show()

六、opencv形态学

原始图片

img = cv2.imread('cangying.jpg')

plt.imshow(img)
plt.show()

腐蚀操作

腐蚀操作会用黑色覆盖小面积的白色区域

kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img, kernel, iterations = 1)

plt.imshow(erosion)
plt.show()

可以发现小毛刺被去除了，但是笔画也变细了

膨胀操作

膨胀操作会扩大二值图像的白色区域

dilate = cv2.dilate(erosion, kernel, iterations=1)

plt.imshow(dilate)
plt.show()

开运算

先腐蚀，后膨胀

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN,kernel)

plt.figure(figsize=(20,15))
plt.subplot(121)
plt.imshow(img)
plt.subplot(122)
plt.imshow(opening)
plt.show()

闭运算

先膨胀，再腐蚀

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE,kernel)

plt.figure(figsize=(20,15))
plt.subplot(121)
plt.imshow(img)
plt.subplot(122)
plt.imshow(closing)
plt.show()

梯度运算

膨胀结果-腐蚀结果

可以得到一个空心的结果

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

plt.imshow(gradient)
plt.show()

礼帽运算

原图片 - 开运算结果

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

plt.imshow(tophat)
plt.show()

黑帽运算

闭运算结果 - 原始图片

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

plt.imshow(blackhat)
plt.show()