Python?OpenCV實(shí)現(xiàn)圖片預(yù)處理的方法詳解
更新時(shí)間：2022年09月28日 14:16:39 作者：錦鯉AI幸運(yùn)
這篇文章主要為大家詳細(xì)介紹了Python?OpenCV實(shí)現(xiàn)圖片預(yù)處理的方法，文中的示例代碼講解詳細(xì)，具有一定的借鑒價(jià)值，感興趣的可以了解一下
一、圖片預(yù)處理
1.1 邊界填充(padding)
方法 : cv2.copyMakeBorder
BORDER_REPLICATE：復(fù)制法，也就是復(fù)制最邊緣像素。
BORDER_REFLECT：反射法，對(duì)感興趣的圖像中的像素在兩邊進(jìn)行復(fù)制例如：fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101：反射法，也就是以最邊緣像素為軸，對(duì)稱，gfedcb|abcdefgh|gfedcba
BORDER_WRAP：外包裝法cdefgh|abcdefgh|abcdefg
BORDER_CONSTANT：常量法，常數(shù)值填充。
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('cat.png')
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
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, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_CONSTANT, value=0)
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('REFLECT')
plt.subplot(234), plt.imshow(reflect101, '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()
其效果如下:
cat.png原圖下載：
dog.png原圖下載:
1.2 融合圖片(mixup)
方法 : cv2.addWeighted(src1, alpha, src2, beta, gamma)
- src1, src2：需要融合相加的兩副大小和通道數(shù)相等的圖像
- alpha：src1的權(quán)重
- beta：src2的權(quán)重
- gamma：gamma修正系數(shù)，不需要修正設(shè)置為0
import cv2
import matplotlib.pyplot as plt
img_cat = cv2.imread('cat.png')
img_cat = cv2.cvtColor(img_cat, cv2.COLOR_RGB2BGR)
cat_shape = [img_cat.shape[1], img_cat.shape[0]] # 因?yàn)閏v2讀取通道數(shù)是最后一位
img_dog = cv2.imread('dog.png')
img_dog = cv2.cvtColor(img_dog, cv2.COLOR_RGB2BGR)
img_dog = cv2.resize(img_dog, cat_shape)
mixup = cv2.addWeighted(img_cat, 0.55, img_dog, 0.45, 0)
plt.imshow(mixup)
plt.show()
其效果如下:
1.3 圖像閾值
ret, dst = cv2.threshold(src, thresh, maxval, type)
- src： 輸入圖，只能輸入單通道圖像，通常來(lái)說(shuō)為灰度圖
- dst： 輸出圖
- thresh： 閾值
- maxval： 當(dāng)像素值超過(guò)了閾值（或者小于閾值，根據(jù)type來(lái)決定），所賦予的值
- type：二值化操作的類型，包含以下5種類型：
- cv2.THRESH_BINARY 超過(guò)閾值部分取maxval（最大值），否則取0
- cv2.THRESH_BINARY_INV THRESH_BINARY的反轉(zhuǎn)
- cv2.THRESH_TRUNC 大于閾值部分設(shè)為閾值，否則不變
- cv2.THRESH_TOZERO 大于閾值部分不改變，否則設(shè)為0
- cv2.THRESH_TOZERO_INV THRESH_TOZERO的反轉(zhuǎn)
其效果如下:
二、濾波器
2.1 均值濾波器
import cv2
import numpy as np
img = cv2.imread('lenaNoise.png')
cv2.imshow('blur', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 均值濾波
# 簡(jiǎn)單的平均卷積操作
blur = cv2.blur(img, (3, 3))
lenaNoise.png原圖展示:
白色為圖片，黃色區(qū)域?yàn)闉V波器窗口:
2.2 方框?yàn)V波器
# 方框?yàn)V波 # 基本和均值一樣，可以選擇歸一化 box = cv2.boxFilter(img, -1, (3, 3), normalize=True)
總結(jié): 均值濾波器是取濾波器中的平均值，然后繼續(xù)滑動(dòng)下一個(gè)窗口。
2.3 高斯濾波器
# 高斯濾波 # 高斯模糊的卷積核里的數(shù)值是滿足高斯分布，相當(dāng)于更重視中間的 aussian = cv2.GaussianBlur(img, (5, 5), 1)
總結(jié): 高斯濾波器是濾波器窗口中離中心值近的權(quán)值大，用高斯分布增加一個(gè)權(quán)重，然后繼續(xù)滑動(dòng)下一個(gè)窗口。
2.4 中值濾波
# 中值濾波 # 相當(dāng)于用中值代替 median = cv2.medianBlur(img, 5) # 中值濾波
總結(jié): 中值濾波器是濾波器窗口中所有數(shù)字的中間值，如黃色框中9個(gè)數(shù)的中間值為113，然后繼續(xù)滑動(dòng)下一個(gè)窗口。
2.5 所有濾波器按照上述順序輸出
# 展示所有的
res = np.hstack((blur, aussian, median))
# print (res)
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
總結(jié):中值濾波器的圖效果最好，可以解決一些椒鹽噪聲。
以上就是Python OpenCV實(shí)現(xiàn)圖片預(yù)處理的方法詳解的詳細(xì)內(nèi)容，更多關(guān)于Python OpenCV圖片預(yù)處理的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
本文詳細(xì)介紹了如何使用Python實(shí)現(xiàn)兩組數(shù)據(jù)的縱向排序,包括開(kāi)發(fā)思想、開(kāi)發(fā)流程和代碼示例,感興趣的朋友一起看看吧2024-12-12
這篇文章主要介紹了Python讀取properties配置文件操作,結(jié)合實(shí)例形式分析了Python讀取properties配置文件操作中增加對(duì)鍵值對(duì)支持與使用的相關(guān)技巧,需要的朋友可以參考下2018-03-03
如何用OpenCV -python3實(shí)現(xiàn)視頻物體追蹤
OpenCV是一個(gè)基于BSD許可（開(kāi)源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。這篇文章主要介紹了如何用OpenCV -python3實(shí)現(xiàn)視頻物體追蹤,需要的朋友可以參考下2019-12-12
python刪除文件夾t和刪除文件代碼實(shí)例,大家參考使用吧，運(yùn)行環(huán)境是python2.72013-12-12
本文給大家分享的是使用python抓取最新博客內(nèi)容并生成Rss的代碼，主要用到了PyRSS2Gen方法，非常的簡(jiǎn)單實(shí)用，有需要的小伙伴可以參考下。2015-05-05
PyQt5內(nèi)嵌瀏覽器注入JavaScript腳本實(shí)現(xiàn)自動(dòng)化操作的代碼實(shí)例
今天小編就為大家分享一篇關(guān)于PyQt5內(nèi)嵌瀏覽器注入JavaScript腳本實(shí)現(xiàn)自動(dòng)化操作的代碼實(shí)例，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧2019-02-02
python爬蟲(chóng)控制aiohttp并發(fā)數(shù)量方式
這篇文章主要介紹了python爬蟲(chóng)控制aiohttp并發(fā)數(shù)量方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-06-06
這篇文章主要介紹了python 實(shí)現(xiàn)打印掃描效果詳情，文章圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-08-08
在本篇內(nèi)容里小編給各位整理的是一篇關(guān)于python爬蟲(chóng)中的url下載器用法詳解內(nèi)容，需要的朋友們參考下。2020-11-11
網(wǎng)上有很多添加解耦頭的博客,在此記錄下我使用解耦頭對(duì)YOLOv5改進(jìn),下面這篇文章主要給大家介紹了關(guān)于YOLO?v5引入解耦頭部的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-05-05