没有合适的资源？快使用搜索试试~ 我知道了~

文库首页人工智能深度学习opencv opencv 图像处理

opencv opencv 图像处理

opencv

图像处理

4 下载量 47 浏览量 2023-12-14 17:56:06 上传评论收藏 2.31MB PDF 举报

温馨提示

试读

27页

opencv opencv 图像处理

资源推荐

资源详情

资源评论

灰

度

图

In[1]:

In[7]:

HSV

H -

⾊

调

（

主

波

⻓

）

。

S -

饱

和

度

（

纯

度

颜

⾊

的

阴

影

）

。

值

（

强度

）

In[8]:

图

像

阈

值

ret, dst = cv2.threshold(src, thresh, maxval, type)

src

：

输

⼊

图

，

只

能

输

⼊

单

通道

图

像

，

通

常

来

说

为

灰

度

图

dst

：

输

出

图

Out[1]:

(414, 500)

import cv2 #opencv

读

取

的

格

式

是

BGR

import numpy as np

import matplotlib.pyplot as plt#Matplotlib

是

RGB

%matplotlib inline

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

img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

img_gray.shape

cv2.imshow("img_gray", img_gray)

cv2.waitKey(0)

cv2.destroyAllWindows()

hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

cv2.imshow("hsv", hsv)

cv2.waitKey(0)

cv2.destroyAllWindows()

thresh

：

阈

值

maxval

：

当

像

素

值

超

过

了

阈

值

（

或

者

⼩

于

阈

值

，

根

据

type

来

决

定

），

所

赋

予

的

值

type

：

⼆

值

化

操

作

的

类

型

，

包

含

以

下

种

类

型

：

cv2.THRESH_BINARY

；

cv2.THRESH_BINARY_INV

；

cv2.THRESH_TRUNC

；

cv2.THRESH_TOZERO

；

cv2.THRESH_TOZERO_INV

cv2.THRESH_BINARY

超

过

阈

值

部

分

取

maxval

（

最

⼤

值

），

否

则

取

cv2.THRESH_BINARY_INV THRESH_BINARY

的

反

转

cv2.THRESH_TRUNC

⼤

于

阈

值

部

分

设

为

阈

值

，

否

则

不

变

cv2.THRESH_TOZERO

⼤

于

阈

值

部

分

不

改

变

，

否

则

设

为

cv2.THRESH_TOZERO_INV THRESH_TOZERO

的

反

转

In[9]:

图

像

平

滑

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 = ['Original Image', '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()

In[2]:

In[40]:

In[41]:

img = cv2.imread('lenaNoise.png')

cv2.imshow('img', img)

cv2.waitKey(0)

cv2.destroyAllWindows()

均

值

滤

波

简

单

的

平

均

卷

积

操

作

blur = cv2.blur(img, (3, 3))

cv2.imshow('blur', blur)

cv2.waitKey(0)

cv2.destroyAllWindows()

⽅

框

滤

波

基

本

和

均

值

⼀

样

，

可

以

选

择

归

⼀

化

box = cv2.boxFilter(img,-1,(3,3), normalize=True)

cv2.imshow('box', box)

cv2.waitKey(0)

cv2.destroyAllWindows()

In[42]:

In[]:

In[44]:

In[48]:

形态

学

腐

蚀

操

作

⽅

框

滤

波

基

本

和

均

值

⼀

样

，

可

以

选

择

归

⼀

化

容

易

越

界

box = cv2.boxFilter(img,-1,(3,3), normalize=False)

cv2.imshow('box', box)

cv2.waitKey(0)

cv2.destroyAllWindows()

⾼

斯

滤

波

⾼

斯

模

糊

的

卷

积

核

⾥

的

数

值

是

满

⾜

⾼

斯

分

布

，

相

当

于

更

重

视

中

间

的

aussian = cv2.GaussianBlur(img, (5, 5), 1)

cv2.imshow('aussian', aussian)

cv2.waitKey(0)

cv2.destroyAllWindows()

中

值

滤

波

相

当

于

⽤

中

值

代

替

median = cv2.medianBlur(img, 5) #

中

值

滤

波

cv2.imshow('median', median)

cv2.waitKey(0)

cv2.destroyAllWindows()

展

示

所

有

的

res = np.hstack((blur,aussian,median))

#print (res)

cv2.imshow('median vs average', res)

cv2.waitKey(0)

cv2.destroyAllWindows()

In[95]:

In[71]:

In[88]:

In[74]:

形态

学

膨胀

操

作

In[86]:

img = cv2.imread('dige.png')

cv2.imshow('img', img)

cv2.waitKey(0)

cv2.destroyAllWindows()

kernel = np.ones((3,3),np.uint8)

erosion = cv2.erode(img,kernel,iterations = 1)

cv2.imshow('erosion', erosion)

cv2.waitKey(0)

cv2.destroyAllWindows()

pie = cv2.imread('pie.png')

cv2.imshow('pie', pie)

cv2.waitKey(0)

cv2.destroyAllWindows()

kernel = np.ones((30,30),np.uint8)

erosion_1 = cv2.erode(pie,kernel,iterations = 1)

erosion_2 = cv2.erode(pie,kernel,iterations = 2)

erosion_3 = cv2.erode(pie,kernel,iterations = 3)

res = np.hstack((erosion_1,erosion_2,erosion_3))

cv2.imshow('res', res)

cv2.waitKey(0)

cv2.destroyAllWindows()

img = cv2.imread('dige.png')

cv2.imshow('img', img)

cv2.waitKey(0)

cv2.destroyAllWindows()

剩余26页未读，继续阅读

评论收藏

内容反馈

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

我们是宇宙中最孤独的孩子

粉丝: 8
资源: 2

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

opencv opencv 图像处理

OpenCV数字图像处理

基于QT5+Opencv完成简单的图像处理及视频处理软件

数字图像处理_opencv_图像处理_

opencv2.0.0图像处理

基于OpenCV图像处理的智能小车户外寻迹算法的设计.docx

基于OpenCV的图像处理

opencv(DFT处理)

基于opencv的图像处理库

图像处理 VC opencv

opencv数字图像处理

OpenCV图像处理讲义

Opencv图像处理经典例图

C++ Builder和Opencv 运行程序

OpenCV+C++图像处理设计-遥感图像配准系统源码.zip

OpenCV图像处理总结

使用opencv进行图像处理

QT+opencv的图像处理

基于OPENCV的数字图像处理

图像处理源码 opencv图像处理源码

YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt

Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）

社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期

Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip

行人跌倒数据集（VOC格式）

YOLOV5 + 双目相机实现三维测距（新版本）

全新的SOTA模型YOLOv9

YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip

最新资源