opencv图像处理_图像基础知识 opencv图像处理_图像基础知识

一、数字图像
1.1 数字图像概念
数字图像，又称数码图像，一幅二维图像可以由一个数组或矩阵表示。数字图像可以理解为一个二维函数f(x,y),其中 x 和 y 是空间(平面)坐标，而在任意坐标处的值 f 称为图像在该点处的强度或灰度。
图像处理目的：
? 改善图示的信息以便人们解释；
? 为存储、传输和表示而对图像进行的处理
1.2 数字图像的应用
?图像处理主要研究二维图像，处理一个图像或一组图像之间的相互转换的过程，包括图像滤波，图像识别，图像分割等问题
? 计算机视觉主要研究映射到单幅或多幅图像上的三维场景，从图像中提取抽象的语义信息，实现图像理解是计算机视觉的终极目标。
? 人工智能在计算机视觉上的目标就是解决像素值和语义之
间关系，主要的问题有图片检测，图片识别，图片分割和图片检索。
二、图像的属性
2.1 图像格式
? BMP格式：Windows系统下的标准位图格式,未经过压缩，一般图像文件会比较大。在很多软件中被广泛应用。
? JPEG格式：也是应用最广泛的图片格式之一，它采用一种特殊的有损压缩算法，达到较大的压缩比(可达到2:1甚至40:1)，联网上最广泛使用的格。
? GIF格式：不仅可以是一张静止的图片,也可以是动画，并且支持透明背景图像，适用于多种操作系统， “体型” 很小，网上很多小动画都是GIF格式。但是其色域不太广,只支持256种颜色。
? PNG格式：与JPG格式类似，压缩比高于GIF，支持图像透明，支持Alpha通道调节图像的透明度。
? TIFF格式：它的特点是图像格式复杂、存贮信息多,在Mac中广泛使用，非常有利于原稿的复制。很多地方将TIFF格式用于印刷。
2.2 图像尺寸
图像尺寸的长度与宽度是以像素为单位的。
像素(pixel)：像素是数码影像最基本的单位，每个像素就是
一个小点，而不同颜色的点聚集起来就变成一幅动人的照片。
1、灰度像素点数值范围在0到255之间， 0表示黑、255表示白，其它值表示处于黑白之间；
2、彩色图用红、绿、蓝三通道的二维矩阵来表示。每个数值也是在0到255之间， 0表示相应的基色，而255则代表相应的基色在该像素中取得最大值
3、读入图像
函数： cv2.imread()
参数说明：
第一参数为待读路径；
第二个参数为读取方式，常见读取方式有三种：

文章图片

import cv2 img=cv2.imread('1.jpg',1)#1 读取图片的路径名称2 读取的方式 print(img.shape)#打印图片的维度

4、显示图像
函数： cv2.imshow()
参数说明：
参数1：窗口的名字；
参数2：图像数据名。

cv2.imshow('image',img) #1 窗口名字 2 图像的数据名 #是一个键盘绑定函数 cv2.waitKey(0)#单位毫秒 0代表键盘输入 #默认值为所有窗口，参数一为待删除窗口名 cv2.destroyAllWindows()

5、保存图像
函数： cv2.imwrite()
参数说明：
参数1：图像名（包括格式），
参数2：待写入的图像数据变量名。

img=cv2.imread('1.jpg',1) print(img.shape) #显示图像 cv2.imshow('image',img) #1 窗口名字 2 图像的数据名 #是一个键盘绑定函数 k=cv2.waitKey(0)#单位毫秒 0代表键盘输入 if k==27: #默认值为所有窗口，参数一为待删除窗口名 cv2.destroyAllWindows() elif k==ord('s'): #保存图像 cv2.imwrite("1.png",img) #1 图像名（包括格式） 2待写入图像的数据名

2.3 图像分辨率和通道
分辨率：单位长度中所表达或截取的像素数目。每英寸图像内的像素点数，单位是像素每英寸(PPI)。图像分辨率越高，像素的点密度越高，图像越清晰。
通道数：图像的位深度，是指描述图像中每个pixel数值所占的二进制位数。位深度越大则图像能表示的颜色数就越多，色彩越丰富逼真。
? 8位：单通道图像，也就是灰度图，灰度值范围2**8=256
? 24位：三通道3*8=24
? 32位：三通道加透明度Alpha通道

文章图片

1、灰度转化
函数：
cv2.cvtColor(img， flag)
参数说明
参数1：待转化图像；
参数2： flag就是转换模式， cv2.COLOR_BGR2GRAY：彩色转灰度 cv2.COLOR_GRAY2BGR：单通道转三通道

#灰度转化 #目的：将三通道图像（彩色图）转化为单通道图像（灰度图） #公式：3-->1: GRAY = B * 0.114 + G * 0.587 + R * 0.299 # 1-->3: R = G = B = GRAY; A = 0 img=cv2.imread('1.jpg',cv2.IMREAD_UNCHANGED)#图像原来是什么读取出来就是什么 shape=img.shape print(shape) if shape[2]==3 or shape[3]==4: img_gry=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #图像名转化模式 cv2.imshow('gray',img_gry) cv2.imshow('image',img) cv2.waitKey(0) cv2.destroyAllWindows()

2、RGB与BGR转化

img=cv2.imread('1.jpg',1) #opencv自带的方法 img_cv=cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #用numpy砖 img_np=img[:,:,::-1]#用matplot画图 plt.subplot(1,3,1) plt.imshow(img_cv) plt.subplot(1,3,2) plt.imshow(img_np) plt.subplot(1,3,3) plt.imshow(img) plt.show()

3、通道分离
目的：将彩色图像，分成b、 g、 r 3个单通道图像。方便我们对BGR 三个通道分别进行操作。
函数：
cv2.split(img)
参数说明
参数1：待分离通道的图像

#显示的是b,g,r的灰度图 img=cv2.imread('1.jpg',1) cv2.imshow('before',img) b,g,r=cv2.split(img) #三通道分别显示 cv2.imshow('blue',b) cv2.imshow('green',g) cv2.imshow('red',r) cv2.waitKey(0) cv2.destroyAllWindows()#显示b,g,r个通道的颜色图片 img=cv2.imread('1.jpg',1) cv2.imshow('before',img) b,g,r=cv2.split(img) #三通道分别显示 zeros=np.zeros(img.shape[:2],dtype='uint8') #创建一张与原图片大小相同的0矩阵 cv2.imshow('blue',cv2.merge([b,zeros,zeros])) cv2.imshow('g',cv2.merge([zeros,g,zeros])) cv2.imshow('r',cv2.merge([zeros,zeros,r])) cv2.waitKey(0) cv2.destroyAllWindows()

4、通道合并
通道分离为B,G,R后，对单独通道进行修改，最后将修改后的三通道合并为彩色图像。
函数： cv2.merge(List)
参数说明
参数1：待合并的通道数，以list的形式输入

img=cv2.imread('1.jpg',1) cv2.imshow('before',img) #调用通道分离 b,g,r=cv2.split(img) #将b通道的数值修改为0 b[:]=0 img_m=cv2.merge([b,g,r])#参数以列表的形式进行传递 cv2.imshow('after',img_m) cv2.waitKey(0) cv2.destroyAllWindows()

2.5 图像直方图
图像直方图（Image Histogram）是用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。这种直方图中，横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。
图像直方图的意义：
? 直方图是图像中像素强度分布的图形表达方式。
? 它统计了每一个强度值所具有的像素个数
? CV 领域常借助图像直方图来实现图像的二值化
1、直方图的绘制
目的：直方图是对图像像素的统计分布，它统计了每个像素（0到255）的数量。
函数：
cv2.calcHist(images, channels, mask, histSize,ranges)
参数说明
参数1：待统计图像，需用中括号括起来；
参数2：待计算的通道；
参数3： Mask，这里没有使用，所以用None。
参数4： histSize，表示直方图分成多少份；
参数5：是表示直方图中各个像素的值， [0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。直方图是对图像像素的统计分布，它统计了每个像素（0到255）的数量。

img=cv2.imread('cbl.jpg',1) img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)plt.imshow(img_gray,cmap=plt.cm.gray) #直方图 1 待统计图像 2 待计算的通道 3 mask4 直方图分成几份 5 灰度值范围 hist=cv2.calcHist([img],[0],None,[256],[0,256])plt.figure() plt.title("grayscale Histogram") plt.xlabel("Bins") plt.ylabel("pixels") plt.plot(hist) plt.xlim([0,256]) #x的刻度 plt.show()

2、三通道直方图的绘制

#三通道的彩色直方图 img=cv2.imread('cbl.jpg',1) cv2.imshow('cbl',img) color=('b','g','r') #使用for循环color列表enumerate枚举返回索引和值 for i ,color in enumerate(color): #直方图 1 待统计图像 2 待计算的通道 3 mask4 直方图分成几份 5 灰度值范围 hist=cv2.calcHist([img],[i],None,[256],[0,256])plt.title("cbl") plt.xlabel("Bins") plt.ylabel("pixels") plt.plot(hist,color=color) plt.xlim([0,260]) #x的刻度 plt.show() cv2.waitKey(0) cv2.destroyAllWindows()

2.6 图像色彩空间
概念：颜色空间也称彩色模型(又称彩色空间或彩色系统）它的用途是在某些标准下用通常可接受的方式对彩色加以说明。
常见的颜色空间：RGB、 HSV、 HSI、 CMYK
1、RGB颜色空间概念
主要用于计算机图形学中，依据人眼识别的颜色创建，图像中每一个像素都具有R,G,B三个颜色分量组成，这三个分量大小均为[0,255]通常表示某个颜色的时候，写成一个3维向量的形式（110,150,130）。
颜色模型：

文章图片

【opencv图像处理_图像基础知识】? 原点对应的颜色为黑色，它的三个分量值都为0；
? 距离原点最远的顶点对应的颜色为白色，三个分量值都为1；
? 从黑色到白色的灰度值分布在这两个点的连线上，该虚线称为灰度线；
? 立方体的其余各点对应不同的颜色，即三原色红、绿、蓝及其混合色黄、品红、青色；
2、HSV颜色空间概念：
HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间,这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。
颜色模型：
H通道： Hue，色调/色彩，这个通道代表颜色。
S通道： Saturation，饱和度，取值范围0%～ 100%，值越大，颜色越饱和。
V通道： Value，明暗，数值越高，越明亮， 0%（黑）到100（白）。

文章图片

def color_space_demo(image): gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) cv2.imshow("g",gray) hsv=cv2.cvtColor(image,cv2.COLOR_BGR2HSV) cv2.imshow('hsv',hsv) img=cv2.imread("cbl.jpg",1) cv2.imshow('cbl',img) color_space_demo(img) cv2.waitKey(0) cv2.destroyAllWindows()

3、HSI颜色空间概念
?HSI模型是美国色彩学家孟塞尔(H.A.Munseu)于1915年提出的，它反映了人的视觉系统感知彩色的方式，以色调、饱和度和强度三种基本特征量来感知颜色。
模型优点
? 在处理彩色图像时，可仅对I分量进行处理，结果不改变原图像中的彩色种类；
?HSI模型完全反映了人感知颜色的基本属性，与人感知颜色的结果一一对应
4、CMYK颜色空间概念
CMYK(Cyan, Magenta,Yellow, blacK)颜色空间应用于印刷工业,印刷业通过青?、品(M)、黄(Y)三原色油墨的不同网点面积率的叠印来表现丰富多彩的颜色和阶调，这便是三原色的CMY颜色空间。