OpenCV的全称是:Open Source Computer Vision Library。OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。相比于PIL库来说OpenCV更加强大, 可以做更多更复杂的应用,比如人脸识别等。
1. 读入并显示图片
import cv2 # 读入图片 img = cv2.imread(r'D:\test\test_001.jpg', 1) # 显示图像 cv2.imshow('img', img) # 窗口等待命令 0表示无限等待 cv2.waitKey(0)
运行效果如下:
2. 缩放图片
import cv2 # 读入图片 img = cv2.imread(r'D:\test\test_001.jpg', 1) rows, cols, channels = img.shape print(rows, cols, channels) new_img = cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels = new_img.shape print(rows, cols, channels) # 显示图像 cv2.imshow('new_img', new_img) # 窗口等待命令 0表示无限等待 cv2.waitKey(0)
将图片尺寸按比例缩小一半,运行效果如下:
3. 彩色图像转换为灰度图像
彩色图片有RGB三个颜色通道,无法进行腐蚀和膨胀的操作。这个就需要我们将彩色图片转换为hsv灰度图像后,再进行腐蚀和膨胀的操作。
import cv2 img = cv2.imread(r'D:\test\test_001.jpg', 1) new_img = cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels = new_img.shape print(rows, cols, channels) # 显示图像 cv2.imshow('new_img', new_img) # 将图片转换为灰度图片 gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV) cv2.imshow('hsv', gray_img) cv2.waitKey(0)
运行效果如下:
4. 图片二值化处理
二值化处理是为了将图片转换为黑白图片,目的是滤除太大或太小值像素、消除噪声,从而从灰度图中获取二值图像(将图像的灰度值设置为0或255),实现增强整个图像呈现更为明显的黑白效果,同时也大大减少了数据量。
import cv2 import numpy as np img = cv2.imread(r'D:\test\test_001.jpg', 1) new_img = cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels = new_img.shape print(rows, cols, channels) # 显示图像 cv2.imshow('new_img', new_img) # 将图片转换为灰度图片 gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV) cv2.imshow('hsv', gray_img) # 图片二值化处理 low_value = np.array([90, 70, 70]) high_value = np.array([110, 255, 255]) binary_img = cv2.inRange(gray_img, low_value, high_value) cv2.imshow('binary_img', binary_img) cv2.waitKey(0)
运行效果如下:
5. 图像的腐蚀和膨胀
图像的膨胀(Dilation)和腐蚀(Erosion)是两种基本的形态学运算,主要用来寻找图像中的极大区域和极小区域。其中膨胀类似于“领域扩张”,将图像中的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大;腐蚀类似于“领域被蚕食”,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。
- 图像被腐蚀后,去除了噪声,但是会压缩图像。
- 对腐蚀过的图像,进行膨胀处理,可以去除噪声,并且保持原有形状。
# 腐蚀膨胀 erode = cv2.erode(binary_img, None, iterations=1) dilate = cv2.dilate(erode, None, iterations=1) cv2.imshow('dilate', dilate)
6. 遍历像素点进行颜色替换
图像是由每一个像素点组成的,找到腐蚀后得到图片的白色底色处的像素点,然后将原图中对应位置处的像素点,替换为红色或者白色,即可实现给照片换底色。
import cv2 import numpy as np img = cv2.imread(r'D:\test\test_001.jpg', 1) new_img = cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels = new_img.shape print(rows, cols, channels) # 显示图像 cv2.imshow('new_img', new_img) # 将图片转换为灰度图片 gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV) # 图片二值化处理 low_value = np.array([90, 70, 70]) high_value = np.array([110, 255, 255]) binary_img = cv2.inRange(gray_img, low_value, high_value) # 腐蚀膨胀 erode = cv2.erode(binary_img, None, iterations=1) dilate = cv2.dilate(erode, None, iterations=1) # cv2.imshow('dilate', dilate) # 遍历替换 for i in range(rows): for j in range(cols): if dilate[i, j] == 255: # 此处替换颜色,为BGR通道 new_img[i, j] = (0, 0, 255) # (0, 0, 255)替换为红底 (255, 255, 255)替换为白底 cv2.imshow('red_bg_img', new_img) # 窗口等待命令 0表示无限等待 cv2.waitKey(0) cv2.destroyAllWindows()
运行效果如下:
程序运行成功,可以将照片的蓝底换为红底或者白底,成功利用opencv实现给照片换底色。
7. 其他说明
测试所用图片来源于百度图片搜索,图片仅用于图像处理知识交流和学习,如有侵权请联系我删除!
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 群星《前途海量 电影原声专辑》[FLAC/分轨][227.78MB]
- 张信哲.1992-知道新曲与精丫巨石】【WAV+CUE】
- 王翠玲.1995-ANGEL【新艺宝】【WAV+CUE】
- 景冈山.1996-我的眼里只有你【大地唱片】【WAV+CUE】
- 群星《八戒 电影原声带》[320K/MP3][188.97MB]
- 群星《我的阿勒泰 影视原声带》[320K/MP3][139.47MB]
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[320K/MP3][148.91MB]
- 刘雅丽.2001-丽花皇后·EMI精选王【EMI百代】【FLAC分轨】
- 齐秦.1994-黄金十年1981-1990CHINA.TOUR.LIVE精丫上华】【WAV+CUE】
- 群星.2008-本色·百代音乐人创作专辑【EMI百代】【WAV+CUE】
- 群星.2001-同步过冬AVCD【环球】【WAV+CUE】
- 群星.2020-同步过冬2020冀待晴空【环球】【WAV+CUE】
- 沈雁.1986-四季(2012梦田复刻版)【白云唱片】【WAV+CUE】
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[FLAC/分轨][257.88MB]
- 《国语老歌 怀旧篇 3CD》[WAV/分轨][1.6GB]