基本的图像处理操作

资讯 1年前
1.27K
基本的图像处理操作 基本的图像处理操作 基本的图像处理操作

Python中的图像处理基础

图像处理是一种对图像执行操作以从中提取信息或增强图像的方法。图像处理是当今计算机视觉中最热门的话题之一,因为它被认为是计算机视觉、OCR 和其他相机相关领域的基础。

让我们开始实际处理图像。

提示

只是在这里向你展示一个代码片段,但在本文的末尾,提供了的git 存储库,你可以在其中找到此文中的所有代码。你可以直接复制粘贴!

让我们开始吧!

如何读取图像?

你可以通过 3 种类型读取图像。

1. 使用 open-cv

OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库。OpenCV 旨在为计算机视觉应用程序提供通用基础架构,并加速机器感知在商业产品中的使用。

这是读取图像的最常用方法。

import cv2

#read image by opencv

img_1 = cv2.imread(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")

cv2.imshow("img",img_1)

cv2.waitKey(0)

cv2.destroyAllWindows()


cv2 读取图像

运行代码后,将打开一个单独的窗口,你将看到你的图像。

· Waitley 代表你希望在屏幕上停留多长时间的时间。

· destroyAllWindows() 是用于在时间结束后删除图像的命令。

· 输出图像是数组的形式。

2. Pillow 库

PIL(Python Imaging Library)为 Python 添加了许多图像处理功能。Pillow 是 PIL 的一个分支,增加了一些用户友好的特性。

# read image by PIL

from PIL import Image

# creating a object

img = Image.open(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")

img.show()

type(img)

输出:

· 输出格式为JPG格式[PIL.JpegImagePlugin.JpegImageFile

3. matplotlib库

matplotlib 库中的图像模块用于在 Python 中处理图像。

#read image by matplotlib

import matplotlib.pyplot as plt

import matplotlib.image as mpimg

from matplotlib.pyplot import figure

figure(figsize=(4, 3), dpi=80)

img = mpimg.imread(r'C:UsersChinmayBDownloadspexels-photo-8115603.jpeg')

imgplot = plt.imshow(img)

plt.show()

输出:

· 输出图像是数组的形式。

使图像模糊

1. 高斯模糊

使图像模糊的最简单方法是使用高斯滤波器。高斯模糊只是一种借助高斯函数模糊图像的方法。模糊图像使边缘更牢固。

#gaussian blurr

import cv2

img_1 = cv2.imread(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")

blur = cv2.blur(img_1,(5,5))

cv2.imshow("img",blur)

cv2.waitKey(0)

cv2.destroyAllWindows()

2. 内核模糊

你可以自定义模糊率和其他内容。

#Kernel blurr

import numpy as np

kernel = np.ones((5,5),np.float32)/25

dst = cv2.filter2D(img_1,-1,kernel)

cv2.imshow("img",dst)

cv2.waitKey(0)

cv2.destroyAllWindows()

3. 中值模糊

##median blurr

img_1 = cv2.imread(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")

median = cv2.medianBlur(img_1,17)

cv2.imshow("img",median)

cv2.waitKey(0)

cv2.destroyAllWindows()

· 这些是你可以使图像模糊并更改模糊强度的方法。

将图像转换为黑白

· 我们以 RGB 三种颜色读取图像。很多时候我们想使用它的基础版本,比如黑白。

######converting image into black and white

import cv2
 

img_1 = cv2.imread(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")

grayImage = cv2.cvtColor(img_1, cv2.COLOR_BGR2GRAY)
(thresh, blackAndWhiteImage) = cv2.threshold(grayImage, 127, 255, cv2.THRESH_BINARY)

# cv2.imshow('Black white image', blackAndWhiteImage)

cv2.imshow('Gray image', grayImage)
 

cv2.waitKey(0)

cv2.destroyAllWindows()

· 你可以通过上面的代码改变灰度的强度。

裁剪图像

#Cropping Image

img_1 = cv2.imread(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")
x,y,c = img_1.shape

new_img = img_1[50:580, 100:300]  

cv2.imshow('Gray image', new_img)  

cv2.waitKey(0)

cv2.destroyAllWindows()  

· 裁剪非常简单,因为你只需要提供从哪里开始和从哪里结束的坐标。

· 你可以使用 cv2.imwrite 存储裁剪的图像以供进一步处理。

编辑应用程序等对比效果

· 对比度决定图像中阴影的数量。

· 在图像特征的灰度基础上进行区分,使用对比度。

######contrast

from PIL import Image, ImageEnhance
 

# Opening Image

im = Image.open(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")
 

# Creating object of Contrast class

im3 = ImageEnhance.Contrast(im)
 

# showing resultant image

im3.enhance(4.9).show()

锐化图像

· 很多时候,由于相机镜头没有对焦,图像会变得模糊。锐化效果锐化边缘以获得更好的外观。

#sharpning an image

import numpy as np

import cv2

img1 = cv2.imread(r'C:UsersChinmayBDownloadspexels-photo-8115603.jpeg',1)

# Creating our sharpening filter

filter = np.array([[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]])

# Applying cv2.filter2D function on our Cybertruck image

sharpen_img_1=cv2.filter2D(img1,-1,filter)

sharpen_img_1 = cv2. resize(sharpen_img_1, (960, 840))

cv2.imshow("sharp",sharpen_img_1)

cv2.waitKey(0)

cv2.destroyAllWindows()  

压纹滤镜

import cv2

img1 = cv2.imread(r'C:UsersChinmayBDownloadspexels-photo-8115603.jpeg',1)

(b,g,r)=cv2.split(img1)

r_new = r*0.393 + g*0.769 + b*0.189

g_new = r*0.349 + g*0.686 + b*0.168

b_new = r*0.272 + g*0.534 + b*0.131

img_new=cv2.merge([b_new, g_new, r_new])

cv2.imshow("img",img_new)

cv2.waitKey(0)

cv2.destroyAllWindows()

小提示:内核中这些不同值的组合是生成你当前在 Instagram、Snapchat 和其他社交媒体上使用的许多滤镜的基础。

以任意角度旋转图像

· 通过这种简单的 cv2 方法,可以实现所有图像数据增强,如旋转、翻转、垂直和水平。

# Creating our emboss filter

img_1 = cv2.imread(r'C:UsersChinmayBDownloadspexels-photo-8115603.jpeg',1)

filter = np.array([[0,1,0],[0,0,0],[0,-1,0]])

# Applying cv2.filter2D function on our Cybertruck image

emboss_img_1=cv2.filter2D(img_1,-1,filter)

emboss_img_1=emboss_img_1+128

emboss_img_1 = cv2. resize(emboss_img_1, (660, 640))

cv2.imshow("dsnfj",emboss_img_1)

cv2.waitKey(0)

cv2.destroyAllWindows()

缩小/调整图像大小

· 对于更大尺寸的图像,数据要求更多。所以缩小有时可以提高它的可见性和功能。

# import the Python Image

# processing Library

from PIL import Image

# Giving The Original image Directory

# Specified

Original_Image = Image.open(r"C:UsersChinmayBDownloadspexels-photo-8115603.jpeg")

# Rotate Image By 180 Degree

rotated_image1 = Original_Image.rotate(180)

# This is Alternative Syntax To Rotate

# The Image

rotated_image2 = Original_Image.transpose(Image.ROTATE_90)

# This Will Rotate Image By 60 Degree

rotated_image3 = Original_Image.rotate(60)

rotated_image1.show()

rotated_image2.show()

rotated_image3.show()

在图像上写文字

水印或任何其他文本是图像中的重要因素之一。下面的程序将让你了解如何在图像上编写文本。

###shrink image

img_1 = cv2.imread(r'C:UsersChinmayBDownloadspexels-photo-8115603.jpeg',1)

img_shrinked = cv2.resize(img_1,(150, 150), interpolation = cv2.INTER_AREA)

cv2.imshow('img',img_shrinked)

cv2.waitKey(0)

cv2.destroyAllWindows()

这些是我觉得有趣的图像处理操作。这些所有操作都基于许多图像编辑应用程序。你可以通过结合所有技术来创建相同的应用程序。

       原文标题 : 基本的图像处理操作

© 版权声明

相关文章