图像处理基础

1.图像基础

• 二值图：只有2种取值
• 灰度：对8位灰度图，有256种灰度级取值
• RGB：真彩色：R,G,B通道各有8位；假彩色：8位表示256种颜色

2.通道分离与合并

b, g, r = cv.split(img)
img_new = cv.merge([b, g, r])

3.彩色图转灰度图

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

4.二值化图像

_, img_bin = cv.threshold(img_gray, th1, th2, cv.THRESH_BINARY)
#ignore,img_bin = cv.threshold(gray2, 125, 255, cv.THRESH_BINARY)
#ignore,img_bin = cv.threshold(gray2, 125, 1, 0)

 5.图像运算

• 相加：混合图像、添加噪声
• 相减：消除背景、差影法（比较差异、运动跟踪）
• 相乘：逐元素相乘   掩膜（mask)
• 相除：校正设备、比较差异

img = cv.add(img1, img2)
img = cv.addWeighted(img1, alpha, img2,  beta, gamma)
#img1*aplah img2*beta  总体偏移值：gamma
img = cv.subtract(img1, img2)
img = cv.multiply(img1, img2)
img = cv.divide(img1, img2)

6.图像的线性和非线性变换

线性变换:s = b + kr

img = cv.convertScaleAbs(img, alpha=2, beta=20)
#alpha相当于k,beta相当于b

非线性变换:

　　s = a + ln(r+1)/b

　　s = cr^gamma

img4 = 10 + np.log(img.astype(np.float32) + 1) / 0.1

#伽马变换
img01 = img / 255#将图片放缩到0-1之间
img05 = np.power(img01, 0.5) * 255#指数0.5
img15 = np.power(img01, 1.5) * 255#指数1.5

show(np.hstack([img05, img, img15]))
#指数<1，图片更亮 指数>1，图片更暗

 7.图像融合

8. 图像模糊

#卷积
cv.filter2D(img, -1, kernel)
#均值模糊
cv.blur(img, -1, (5,5))
cv.boxFilter(img, -1, (5,5))
#中值滤波
cv.medianBlur(img,3)
#高斯滤波
cv.GaussianBlur(img, (5,5), sigma)#sigma:方差
#sigma太小与原图区别不大，sigma太大与均值滤波后的结果区别不大
#双边滤波
#保留边缘等高频信息，平滑颜色（灰度）相近的地方
cv.bilateralFilter(img, -1, sigmaColor=50, sigmaSpace=3)
# sigmaColor越大，表明该像素邻域内有越宽广的颜色会被混合到一起
#sigmaSpace越大，越远的像素将相互影响