??寫在前面??

??個(gè)人主頁(yè)：https://blog.csdn.net/m0_52051577?type=blog?

??歡迎各位大佬支持點(diǎn)贊收藏，三連必回??！

??本人新開(kāi)系列專欄—python圖像處理

?愿每一個(gè)驟雨初晴之時(shí)，所有的蜻蜓振翅和雨后驚雷，都?xì)w你。

前言

????????首先引入以下灰度變換的概念。

????????灰度變換是指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐點(diǎn)改變?cè)磮D像中每一個(gè)像素灰度值的方法。目的是?為了改善畫質(zhì)，使圖像的顯示效果更加清晰。?圖像的灰度變換處理是圖像增強(qiáng)處理技術(shù)中的一種非?；A(chǔ)、直接的空間域圖像處理方法，也是圖像數(shù)字化軟件和圖像顯示軟件的一個(gè)重要組成部分?！獊?lái)自百度百科

? ? ? ? 這里采用opencv中的二值化相關(guān)方法進(jìn)行灰度處理，進(jìn)行灰度變換的非線性變換。

目錄

一、所需函數(shù)

二、圖像基本知識(shí)

1、自定義圖像

?2、三種常見(jiàn)圖像相互轉(zhuǎn)換

3、通道分離與合并?

三、圖像運(yùn)算

?四、實(shí)例

?注：本文涉及到的圖片資源可在博客積分資源中獲取，相關(guān)鏈接：https://download.csdn.net/download/m0_52051577/87844285?spm=1001.2014.3001.5503

一、所需函數(shù)

## 1. 圖像讀取
img = cv.imread()

## 2. 彩色圖轉(zhuǎn)灰度圖
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

## 3. 二值化圖像（灰度圖轉(zhuǎn)二值圖）
_, img_bin = cv.threshold(img_gray, th1, th2, cv.THRESH_BINARY)

## 4. 保存圖像
cv.imwrite('pic/bear_gray.jpg', img_gray)

## 5. 通道分離
b, g, r = cv.split(img)

## 6. 通道合并
img_new = cv.merge([b, g, r])

## 7. 兩圖像相加、相減、相乘、相除
img = cv.add(img1, img2)
img = cv.subtract(img1, img2)
img = cv.multiply(img1, img2)
img = cv.divide(img1, img2)

二、圖像基本知識(shí)

1、自定義圖像

b = np.array([
    [0, 127, 255],
    [255, 0, 255],
    [10, 50, 100]
], dtype=np.uint8)

g = b.T
r = b - g

# show(b)
show(cv.merge([b, g, r]))

# cv.imwrite()

?

注：其中，b矩陣中的三個(gè)行向量分別表示純色圖像，其中0表示純黑，255表示純白。g表示b的轉(zhuǎn)置矩陣，r則是將b與g矩陣對(duì)應(yīng)元素相減，最后再用merge函數(shù)將b,g,r三個(gè)單通道的純色圖像合并成一張真彩色三通道圖像。?

RGB顏色對(duì)照表鏈接：RGB顏色對(duì)照表

?2、三種常見(jiàn)圖像相互轉(zhuǎn)換

首先預(yù)先定義函數(shù)。 若圖片的維度為2，即灰度圖，則讀取并展示圖片；若不為灰度圖，即彩色圖，則采用cvtColor()函數(shù)進(jìn)行色彩空間的轉(zhuǎn)換。

def show(img):
    if img.ndim == 2:
        plt.imshow(img, cmap='gray')
    else:
        plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
    plt.show()

# 讀取彩色圖
img = cv.imread('pic/bear500x333.jpg')
# print(img)
show(img)

?

# 讀取灰度圖
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
show(img_gray)

?

如圖，已經(jīng)將彩色圖進(jìn)行灰度處理。?

# 二值化圖像
_, img_bin = cv.threshold(img_gray, 150, 255, cv.THRESH_BINARY)
show(img_bin)

?如圖，將灰度圖二值化處理，其中設(shè)定的值為150和255。該函數(shù)根據(jù)原圖像的像素點(diǎn)分布占比對(duì)圖像根據(jù)設(shè)定的值進(jìn)行二值化。

# 保存圖像
cv.imwrite('pic/apple_gray.jpg', img_gray)
cv.imwrite('pic/apple_bin.jpg', img_bin)

3、通道分離與合并?

?該部分涉及到cv庫(kù)中的split()函數(shù)，該函數(shù)用于將多通道圖像分離成單通道圖像，即將三通道的彩色圖分離成三個(gè)單通道的純色圖。

# 分離BGR通道

# r = img[:,:,0]
b, g, r = cv.split(img)
# b.shape
#show(b)
#show(g)
show(r)

?

如圖，從左到右依次為b,g,r對(duì)應(yīng)的單通道圖像。倘若我們將b,g,r重新合并，則可將圖像還原為原彩色圖。

# 合并BGR通道
img_new = cv.merge([b, g, r])
show(img_new)

?

?此外，還可將原彩色圖中的r,g,b三個(gè)色彩通道按自定義的權(quán)重進(jìn)行重新調(diào)整，將其轉(zhuǎn)化為灰度圖。如下所示：

# rgb轉(zhuǎn)灰度圖
img_gray2 = 0.114*b + 0.587*g + 0.299*r
# img_gray2 = (0.299*r + 0.587*g + 0.114*b).astype(np.uint8)
show(img_gray2)

?

三、圖像運(yùn)算

該部分主要涉及圖像的加減乘除處理。?

bg = cv.imread('D:\\proclass\\class\\pic\\background.jpg', 0)
ob = cv.imread('D:\\proclass\\class\\pic\\computer500x500.jpg', 0)
show(np.hstack([bg, ob]))

?

注：將兩個(gè)圖像用hstack()函數(shù)實(shí)現(xiàn)水平方向的拼接，但要求兩個(gè)圖像的維度必須一致。?具體可用shape()函數(shù)對(duì)圖像的維度進(jìn)行檢查。

# 圖像相加
# img_add = cv.add(bg*0.5, ob*0.5)
img_add = bg * 0.5 + ob * 0.5
show(img_add)

將兩張圖片按定義的權(quán)重進(jìn)行相加處理，也可采用cv中的add()函數(shù)。 相加主要用于混合圖像和添加噪聲。

# 圖像相減
# img_sub = img_add - bg * 0.5
img_sub = cv.subtract(img_add, bg * 0.5)
show(img_sub)

?

同理，對(duì)兩張圖像進(jìn)行相減操作。 用來(lái)消除背景或者比較差異。

# 圖像相乘
mask = cv.imread('D:\\proclass\\class\\pic\\mask500x500.jpg', 0)
# mask /= 255
# show(mask)
show(np.hstack([ob, mask]))
img_mul = cv.multiply(ob/1.0, mask/255)
show(img_mul)

?

?進(jìn)行相乘處理，用來(lái)遮擋圖像。

# 圖像相除

ob_noise = cv.imread('D:\\proclass\\class\\pic\\hedgehog_noise_500x500.jpg', 0)
show(np.hstack([ob, ob_noise]))
img_div = cv.divide(ob, ob_noise+1)
show(img_div)

?

?其中，ob_noise為帶噪聲的圖像，用來(lái)比較兩張圖中的差異。

?四、實(shí)例

第一步，讀入圖片。

bg = cv.imread('pic/petal500x500.jpg')
ob = cv.imread('pic/hedgehog500x500.jpg')
mask = cv.imread('pic/mask500x500.jpg')

show(np.hstack([bg, ob, mask]))

??

?第二步，用mask對(duì)第二張圖片進(jìn)行遮擋。

ob_select = np.float32(ob/1.0) * np.float32(mask/255.0)
show(np.uint8(ob_select))

?

?第三步，將mask圖像的周圍區(qū)域進(jìn)行邊緣處理，并用第一張圖像對(duì)黑洞周圍的區(qū)域進(jìn)行填充。

bg_select = np.float32(bg/1.0) * np.float32(1-mask/255.0)
show(np.uint8(bg_select))

?

?第四步，將第二步處理后的圖像與第三步處理后的圖像按指定權(quán)重相加。從而實(shí)現(xiàn)圖像的混合。

nice = cv.add(ob_select*0.8, bg_select).astype(np.uint8)
show(nice)

?

?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-465290.html

?

到了這里，關(guān)于python圖像處理實(shí)戰(zhàn)（二）—二值化圖像與線性變換的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！