本文我们将讨论使用Python中的OpenCV库进行图像处理的一些基本操作。

图像处理是对图像进行的技术操作与分析,比如为了得到增强的图像或提取一些有用的信息而进行的一系列操作。随着我们的发展,许多应用程序使用图像/帧/视频作为输入,对它们进行预处理,并将其输入到设备或软件或脚本中。

应用

图像处理也可以是娱乐性的,可以用于许多应用。它可以用来调整图像的大小,以适应我们的网页所需大小,并可以使他们锐化它可以将黑白图像转换成彩色照片,或者可以使用着色技术使彩色照片看起来像旧的黑白照片一样它可以用来增强医学影像来检查病人的癌症或其他疾病。基本图像处理技术在本文中,我们将看到从目录中读取图像、修改图像并将其存储在另一个目录中的函数实现。下面是我们要讨论的主要内容。

使用Python和OpenCV读取图像使用OpenCV调整图像大小模糊/平滑图像锐化图像边缘检测算法(Canny)基本要求和安装:装有Windows的电脑/个人电脑/笔记本电脑Python软件:可以按照这里相关包进行下载和安装。

下载并安装VS Code。从Visual Studio Marketplace安装Python扩展包。Python扩展名为Python,由Microsoft发布。通过在CMD(命令提示符)中发出以下命令来安装opencv python(这是一个用于python的非正式预构建opencv包):pip install PACKAGE_NAME
PACKAGE_NAME可以是opencv-python(只包含主模块)opencv-contrib-python(包含main和contrib模块)opencv-python-headless(与opencv-python相同,但没有GUI功能)opencv-contrib-python-headless(与opencv-contrib-python相同,但没有GUI功能)设置完成之后,打开一个目录,创建一个“Image_Processing”文件夹。下载少量图像(3-4个图像)并保存在该文件夹中。创建一个Python脚本文件“Test_img_processing．py“(．py是python脚本的扩展)

实现与执行:现在我们可以使用python脚本了,需要在导入所需库的情况下启动脚本。

下面是进行基本图像处理的函数。

1．我们使用函数“imread()”来读取图像,它将图像文件名作为字符串和标志imread(/complete/path/to/image,flag)第一个参数是指向图像的完整路径以及扩展名。第二个参数是可选标志,可以是以下任意一个:cv2．IMREAD_COLOR:加载彩色图像。图像的任何透明度都将被忽略,它是默认标志。cv2．IMREAD_GRAYSCALE:以灰度模式加载图像cv2．IMREAD_UNCHANGED:加载图像,包括alpha通道返回numpy数组,包含像素值。对于彩色图像,每个像素都表示为一个包含红色、绿色和蓝色通道的数组。注意,默认标志是cv2．IMREAD_COLOR,因此,即使读取具有透明度的png图像,透明通道也会被忽略。

2．使用“imshow()”来显示读取的图像cv2．imshow(window_name, image)第一个参数是显示图像时显示的窗口名称。第二个参数是要在窗口中显示的图像。

3．为了将读取的图像保存到另一个目录中,我们使用“imwrite()”函数,目标路径和图像文件作为参数。cv2．imwrite(‘/path/to/destination/image．png’,image)第一个参数是指向文件系统上的目标路径,在该位置上保存图像。第二个参数是包含图像的ndarray如果图像成功写入文件系统,则返回True,否则返回False。

4．为了得到图像的尺寸,我们有一个称为shape的属性img = cv2．imread(‘/home/img/python．png’, cv2．IMREAD_UNCHANGED)
# 获取图像的尺寸
dimensions = img．shape
# 高度、宽度、通道
height = img．shape[0]
width = img．shape[1]
channels = img．shape[2]
img．shape返回(高度、宽度、通道数)高度表示图像中的像素行数或图像数组的每列中的像素数。宽度表示图像中的像素列数或图像数组中每行的像素数。通道数表示用于表示每个像素的组件数。

5．为了模糊图像,我们使用“cv2．Blur()”,输入参数为图像和滤波器。这里使用平均滤波器,当然也还有其他选择:高斯模糊中值模糊双边滤波示例脚本:# 导入opencv CV2模块
import cv2
# bat．jpg 是蝙蝠侠的图片．
img = cv2．imread(‘bat．jpg’)
# 确保已将其保存在同一文件夹中
# 平均
# 你可以随意改变核大小
Averaging_blur= cv2．blur(img,(10,10))
cv2．imshow(‘Averaging’,Averaging_blur)
cv2．waitKey(0)# 等待窗口关闭
# 高斯模糊
# 你可以随意改变核大小
Gaussian_Blur= cv2．GaussianBlur(img, (5,5),0)
cv2．imshow(‘Gaussian Blurring’, Gaussian_Blur)
cv2．waitKey(0)#waits for the window to close
# 中值模糊
Median_Blur= cv2．medianBlur(img,5)
cv2．imshow(‘Median Blurring’, Median_Blur)
cv2．waitKey(0)# 等待窗口关闭
# 双边滤波
Bilateral_Filter= cv2．bilateralFilter(img,9,75,75)
cv2．imshow(‘Bilateral Filtering’, Bilateral_Filter)
cv2．waitKey(0) # 等待窗口关闭
cv2．destroyAllWindows()# 关闭此会话中所有打开的窗口

6．为了检测图像的边缘,我们使用了流行的canny边缘检测算法。OpenCV有一个内置函数cv2．Canny(),它将输入图像作为第一个参数,其光圈大小(最小值和最大值)作为最后两个参数。edges = cv2．Canny(frame,100,200)
# 在框架中显示边
cv2．imshow('Edges',edges)

使用opencv和python有更多的操作和开源算法来执行图像的特定功能,这些操作和算法可以非常容易和灵活地在实时视频/帧中实现。