做网站找模版好吗,网线制作流程,wps上怎么做网站点击分析表,建筑资料下载网一、计算机眼中的图像
1.图像操作
构成像素点的数字在0~255之间
RGB叫做图像的颜色通道 h500#xff0c;w500 2.灰度图像 3. 彩色图像 4.图像的读取 5.视频的读取
cv2.VideoCapture()--在OpenCV中#xff0c;可以使用VideoCapture来读取视频文件#xff0c;或是摄像头数…一、计算机眼中的图像
1.图像操作
构成像素点的数字在0~255之间
RGB叫做图像的颜色通道 h500w500 2.灰度图像 3. 彩色图像 4.图像的读取 5.视频的读取
cv2.VideoCapture()--在OpenCV中可以使用VideoCapture来读取视频文件或是摄像头数据。
cv2.VideoCapture.isOpened()--判断文件打开是否成功可以使用cv2.VideoCapture.isOpened()这个函数。
cv2.VideoCapture.read()--cv2.VideoCapture.read()提供了一个最简单的视频帧处理方式集合了抓起Grab解码retrieve两个功能返回解码之后的数据。需要特别注意的是如果获取到空帧抓取失败或是文件结束返回值会是一个空指针
示例 VideoCapture也是支持读取摄像头的提供rtsp码流即码流地址 二
1.截取部分图像数据
import os
import cv2 # 遍历指定目录显示目录下的所有文件名
def CropImage4File(filepath,destpath):pathDir os.listdir(filepath) # 列出文件路径中的所有路径或文件for allDir in pathDir:child os.path.join(filepath, allDir)dest os.path.join(destpath,allDir)if os.path.isfile(child):image cv2.imread(child) sp image.shape #获取图像形状返回【行数值列数值】列表sz1 sp[0] #图像的高度行 范围sz2 sp[1] #图像的宽度列 范围#sz3 sp[2] #像素值由【RGB】三原色组成#你想对文件的操作aint(sz1/2-64) # x startbint(sz1/264) # x endcint(sz2/2-64) # y startdint(sz2/264) # y endcropImg image[a:b,c:d] #裁剪图像cv2.imwrite(dest,cropImg) #写入图像路径if __name__ __main__:filepath F:\\\maomi #源图像destpathF:\\maomi_resize # resized images saved hereCropImage4File(filepath,destpath)2. 截取部分图像数据-批量处理 处理数据集 和 标签数据集的代码主要是对原始数据集裁剪处理方式分别处理注意修改 输入 输出目录 和 生成的文件名output_dir ./label_tempinput_dir ./labelimport cv2
import os
import sys
import timedef get_img(input_dir):img_paths []for (path,dirname,filenames) in os.walk(input_dir):for filename in filenames:img_paths.append(path/filename)print(img_paths:,img_paths)return img_pathsdef cut_img(img_paths,output_dir):scale len(img_paths)for i,img_path in enumerate(img_paths):a #* int(i/1000)b .*(int(scale/1000)-int(i/1000))c (i/scale)*100time.sleep(0.2)print(正在处理图像 %s % img_path.split(/)[-1])img cv2.imread(img_path)weight img.shape[1]if weight1600: # 正常发票cropImg img[50:200, 700:1500] # 裁剪【y1,y2x1,x2】#cropImg cv2.resize(cropImg, None, fx0.5, fy0.5,#interpolationcv2.INTER_CUBIC) #缩小图像cv2.imwrite(output_dir / img_path.split(/)[-1], cropImg)else: # 卷帘发票cropImg_01 img[30:150, 50:600]cv2.imwrite(output_dir /img_path.split(/)[-1], cropImg_01)print({:^3.3f}%[{}{}].format(c,a,b))if __name__ __main__:output_dir ../img_cut # 保存截取的图像目录input_dir ../img # 读取图片目录表img_paths get_img(input_dir)print(图片获取完成 。。。)cut_img(img_paths,output_dir)3. 多进程加快处理
#coding: utf-8采用多进程加快处理。添加了在读取图片时捕获异常OpenCV对大分辨率或者tif格式图片支持不好
处理数据集 和 标签数据集的代码主要是对原始数据集裁剪处理方式分别处理注意修改 输入 输出目录 和 生成的文件名output_dir ./label_tempinput_dir ./labelimport multiprocessing
import cv2
import os
import timedef get_img(input_dir):img_paths []for (path,dirname,filenames) in os.walk(input_dir):for filename in filenames:img_paths.append(path/filename)print(img_paths:,img_paths)return img_pathsdef cut_img(img_paths,output_dir):imread_failed []try:img cv2.imread(img_paths)height, weight img.shape[:2]if (1.0 * height / weight) 1.3: # 正常发票cropImg img[50:200, 700:1500] # 裁剪【y1,y2x1,x2】cv2.imwrite(output_dir / img_paths.split(/)[-1], cropImg)else: # 卷帘发票cropImg_01 img[30:150, 50:600]cv2.imwrite(output_dir / img_paths.split(/)[-1], cropImg_01)except:imread_failed.append(img_paths)return imread_faileddef main(input_dir,output_dir):img_paths get_img(input_dir)scale len(img_paths)results []pool multiprocessing.Pool(processes 4)for i,img_path in enumerate(img_paths):a #* int(i/10)b .*(int(scale/10)-int(i/10))c (i/scale)*100results.append(pool.apply_async(cut_img, (img_path,output_dir )))print({:^3.3f}%[{}{}].format(c, a, b)) # 进度条可用tqdmpool.close() # 调用join之前先调用close函数否则会出错。pool.join() # join函数等待所有子进程结束for result in results:print(image read failed!:, result.get())print (All done.)if __name__ __main__:input_dir D:/image_person # 读取图片目录表output_dir D:/image_person_02 # 保存截取的图像目录main(input_dir, output_dir)4.颜色通道提取
在OpenCV中cv2.split() 函数用于将多通道数组如彩色图像拆分为多个单通道数组。彩色图像通常由多个颜色通道组成例如BGR蓝绿红彩色空间中的三个通道。cv2.split() 函数将这些通道拆分为独立的数组每个数组只包含一个通道的信息。
以下是使用 cv2.split() 的示例代码
import cv2# 读取一张彩色图片
image cv2.imread(path_to_your_color_image.jpg)# 使用 cv2.split() 拆分通道
b, g, r cv2.split(image)# 此时b, g, r 分别包含蓝色、绿色和红色通道的图像数据# 如果你想查看每个通道的图像可以这样做
cv2.imshow(Blue Channel, b)
cv2.imshow(Green Channel, g)
cv2.imshow(Red Channel, r)# 等待按键然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()5.合并颜色通道
cv2.merge() 是 OpenCV 中用来合并多个单通道图像为一个多通道图像的函数。它的工作原理与 cv2.split() 相反。如果你有几个单通道图像例如从 cv2.split() 得到的并且你想将它们合并成一个多通道图像例如一个彩色图像那么你可以使用 cv2.merge()。
以下是 cv2.merge() 的基本用法
import cv2# 假设你有三个单通道图像b, g, r
# 这些通常是通过 cv2.split() 从一个彩色图像中得到的
b ... # 蓝色通道图像
g ... # 绿色通道图像
r ... # 红色通道图像# 使用 cv2.merge() 将它们合并为一个彩色图像
bgr_image cv2.merge([b, g, r])# 现在 bgr_image 是一个包含 b, g, r 三个通道的彩色图像在 cv2.merge() 函数中你需要传递一个列表作为参数该列表包含你想要合并的所有单通道图像。合并的顺序很重要因为它决定了输出图像中通道的顺序。在上述示例中我们按照 BGR蓝绿红的顺序合并了通道这是 OpenCV 中彩色图像的标准通道顺序。
如果你想合并的通道顺序与 BGR 不同例如 RGB红绿蓝顺序你需要相应地调整通道的顺序
rgb_image cv2.merge([r, g, b])请注意cv2.merge() 要求所有输入图像都具有相同的大小和类型。如果它们的大小或类型不匹配函数将抛出一个错误。
在处理图像时理解通道的顺序和类型非常重要因为不同的图像处理库和函数可能会使用不同的通道顺序和数据类型。OpenCV 使用 BGR 顺序而一些其他库如 PIL/Pillow则使用 RGB 顺序。因此在将图像从一个库传递到另一个库时可能需要进行通道顺序的转换。
6.边界填充
cv2.copyMakeBorder() 是 OpenCV 库中的一个函数用于在图像周围创建边框。cv2.copyMakeBorder(src,top,bottom,left,right,borderType,value)
下面是该函数的参数及其解释 src要处理的输入图像。 top在源图像的顶部添加的像素数目。 bottom在源图像的底部添加的像素数目。 left在源图像的左侧添加的像素数目。 right在源图像的右侧添加的像素数目。 borderType边框类型可以是以下之一 cv2.BORDER_CONSTANT添加一个常量值的边框。此时需要提供一个value参数用于指定常量值。 cv2.BORDER_REPLICATE复制源图像的边界像素。 cv2.BORDER_REFLECT对源图像的边界进行反射比如fedcba|abcdefgh|hgfedcb cv2.BORDER_REFLECT_101对源图像的边界进行反射但略微不同比如gfedcb|abcdefgh|gfedcba cv2.BORDER_WRAP对源图像的边界进行包装比如cdefgh|abcdefgh|abcdefg value可选当borderType为cv2.BORDER_CONSTANT时指定的常量值。 该函数返回一个新的图像其大小为原始图像加上指定边框大小并且根据指定的边框类型进行填充。 示例代码 image cv2.imread(./img/dog21.png)
imagecv2.cvtColor(image,cv2.COLOR_BGR2RGB)
# 定义填充参数
top_border 10
bottom_border 10
left_border 10
right_border 10# 使用常数填充填充值为0
bordered_image_constant cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_CONSTANT, value0)# 使用边界复制
bordered_image_replicate cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_REPLICATE)# 使用边界反射
bordered_image_reflect cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_REFLECT)# 使用边界反射101
bordered_image_reflect_101 cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_REFLECT_101)# 使用边界包裹
bordered_image_wrap cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_WRAP)# 创建子图
fig, ((ax1, ax2, ax3),(ax4, ax5,ax6)) plt.subplots(2, 3, figsize(20, 10), sharexTrue, shareyTrue)# 显示图像
ax1.imshow(image.copy())
ax1.set_title(original)
ax2.imshow(bordered_image_constant)
ax2.set_title(constant)
ax3.imshow(bordered_image_replicate, cmapgray)
ax3.set_title(replicate)
ax4.imshow(bordered_image_reflect, cmapgray)
ax4.set_title(reflect)
ax5.imshow(bordered_image_reflect_101, cmapgray)
ax5.set_title(reflect_101)
ax6.imshow(bordered_image_wrap, cmapgray)
ax6.set_title(wrap)
plt.show() Python OpenCV库中的边界填充通常用于图像处理比如二值化后的边缘增强、腐蚀膨胀操作后的填补空洞等。边界填充函数cv2.floodFill()是一个常用工具。这个函数会在指定起点周围填充特定颜色直到遇到另一个更大区域或者达到边界条件。
以下是一个基本的使用示例
import cv2
import numpy as np# 假设img是你的输入图像前景像素是白色背景是黑色
img ... # 你的图像数组# 定义起始点和填充的颜色
seed_point (x, y) # 起始填充点的坐标
new_color (255, 255, 255) # 填充的新颜色这里是白色# 应用 floodFill
mask np.zeros(img.shape[:2], dtypenp.uint8)
cv2.floodFill(img, mask, seed_point, new_color)# 显示结果
cv2.imshow(Filled Image, img)
cv2.waitKey(0)
cv2.destroyAllWindows() 7.数值计算 cv2.add函数中如果像素点相加之和超过255则最大只能为255不超过则不变
8.图像融合
两个图片shape值如果不一样不能做数值计算
resize函数 1.图像尺寸调整 cv2.resize(img,(w,h))调整图像img尺寸到w*h cv2.resize(img,(0,0),fx3,fy1)将w、h设置为0fx为x向相对原图的比例fy为y向相对于原图的比例fx与fy大于1时图像为放大小于1时为缩小。2.图像融合 imgfcv2.addWeighted(img1,α,img2,β,b) img1与img2为需要融合的图像 α和β为两张图的融合系数 b为图像偏置量 计算方式imgfα×img1β×img2b 注意两张可融合的图片必须尺寸一致如不一致需通过resize操作调整为一致方可融合 示例代码
import cv2
import os
os.chdir(e://text)
img1cv2.imread(wanzi.png)
img2cv2.imread(car.jpg)
def cv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()
print(img1.shape)
print(img2.shape)
img2cv2.resize(img2,(396,203))
#注意此句img.shape的数值时(h,w),而resize需要的输入是(w,h),两者是颠倒的
print(img2.shape)
acv2.addWeighted(img,1,img2,0.5,0)
#注意相加后像素中加和超过255的值会被置为255
cv_show(a,a)
