该图片来源于百度图片,若是侵权,请联系我删除!图片仅用于知识交流。
python
import cv2 import numpy as np # 读取照片 img=cv2.imread('girl.jpg') # 显示图像 cv2.imshow('img',img) # 窗口等待的命令,0表示无限等待 cv2.waitKey(0)
效果以下:
web
import cv2 import numpy as np # 读取照片 img=cv2.imread('girl.jpg') # 图像缩放 img = cv2.resize(img,None,fx=0.5,fy=0.5) rows,cols,channels = img.shape print(rows,cols,channels) # 显示图像 cv2.imshow('img',img) # 窗口等待的命令,0表示无限等待 cv2.waitKey(0)
结果以下:
svg
三色图片有RGB三个颜色通道,没法进行腐蚀和膨胀的操做。这个就须要咱们将彩色图片转换为hsv灰度图像后,再完成腐蚀和膨胀的操做。ui
import cv2 import numpy as np # 读取照片 img=cv2.imread('girl.jpg') # 图像缩放 img = cv2.resize(img,None,fx=0.5,fy=0.5) rows,cols,channels = img.shape print(rows,cols,channels) cv2.imshow('img',img) # 图片转换为二值化图 hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) # 显示图像 cv2.imshow('hsv',hsv) # 窗口等待的命令,0表示无限等待 cv2.waitKey(0)
结果以下:
spa
二值化处理是为了将图片转换为黑白图片。二值化相似于1表示男、2表示女,对于图像的处理咱们也须要自定义一个最小值和最大值,这里分别用lower_blue和upper_blue表示code
import cv2 import numpy as np # 读取照片 img=cv2.imread('girl.jpg') # 图像缩放 img = cv2.resize(img,None,fx=0.5,fy=0.5) rows,cols,channels = img.shape print(rows,cols,channels) cv2.imshow('img',img) # 图片转换为灰度图 hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) cv2.imshow('hsv',hsv) # 图片的二值化处理 lower_blue = np.array([90,70,70]) upper_blue = np.array([110,255,255]) mask = cv2.inRange(hsv, lower_blue, upper_blue) # 显示图像 cv2.imshow('mask',mask) # 窗口等待的命令,0表示无限等待 cv2.waitKey(0)
结果以下:
缺点:咱们观察第三章图片,发现黑色区域有时候会出现一些噪声(白点),这里可能显示的不是很明显,有的图片显示的很明显,这就须要咱们进行腐蚀或膨胀。xml
上面的图象进行二值化后,出现了一些噪声,咱们能够采用腐蚀或膨胀进行图片的处理,观察哪一种的处理效果好一些。blog
import cv2 import numpy as np # 读取照片 img=cv2.imread('girl.jpg') # 图像缩放 img = cv2.resize(img,None,fx=0.5,fy=0.5) rows,cols,channels = img.shape print(rows,cols,channels) cv2.imshow('img',img) # 图片转换为灰度图 hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) cv2.imshow('hsv',hsv) # 图片的二值化处理 lower_blue=np.array([90,70,70]) upper_blue=np.array([110,255,255]) mask = cv2.inRange(hsv, lower_blue, upper_blue) #腐蚀膨胀 erode=cv2.erode(mask,None,iterations=1) cv2.imshow('erode',erode) dilate=cv2.dilate(erode,None,iterations=1) cv2.imshow('dilate',dilate) # 窗口等待的命令,0表示无限等待 cv2.waitKey(0)
结果以下:
观察上图:对于这个图片,不管是腐蚀或膨胀,都起到了很好的去图片噪声的操做,咱们使用腐蚀后的图片也能够,咱们使用膨胀后的图片也能够。token
图片是由每个像素点组成的,咱们就是要找到腐蚀后获得图片的,白色底色处的像素点,而后将原图中对应位置处的像素点,替换为红色。图片
import cv2 import numpy as np # 读取照片 img=cv2.imread('girl.jpg') # 图像缩放 img = cv2.resize(img,None,fx=0.5,fy=0.5) rows,cols,channels = img.shape print(rows,cols,channels) cv2.imshow('img',img) # 图片转换为灰度图 hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) cv2.imshow('hsv',hsv) # 图片的二值化处理 lower_blue=np.array([90,70,70]) upper_blue=np.array([110,255,255]) mask = cv2.inRange(hsv, lower_blue, upper_blue) #腐蚀膨胀 erode=cv2.erode(mask,None,iterations=1) cv2.imshow('erode',erode) dilate=cv2.dilate(erode,None,iterations=1) cv2.imshow('dilate',dilate) #遍历替换 for i in range(rows): for j in range(cols): if erode[i,j]==255: # 像素点为255表示的是白色,咱们就是要将白色处的像素点,替换为红色 img[i,j]=(0,0,255) # 此处替换颜色,为BGR通道,不是RGB通道 cv2.imshow('res',img) # 窗口等待的命令,0表示无限等待 cv2.waitKey(0)
效果以下: