Opencv学习笔记 - 使用OpenCV，scikit-image和Python检测低对比度图像

坐望云起

已于 2022-03-28 10:41:46 修改

阅读量937

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习从入门到精通 OpenCV从入门到精通文章标签： opencv 对比度 python scikit 图像处理

于 2021-03-17 21:51:21 首次发布

本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/114951395

深度学习从入门到精通同时被 2 个专栏收录

797 篇文章 ¥99.90 ¥299.90

订阅专栏

OpenCV从入门到精通

200 篇文章 ¥49.90 ¥99.00

订阅专栏

本文探讨了低对比度图像带来的问题，即难以分辨对象边界和背景。通过示例代码展示了如何利用OpenCV和scikit-image库检测并处理这类图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

低对比度图像/帧会产生什么问题？以及我们如何检测到它们？

低对比度图像在明暗区域之间的差异很小，因此很难看到对象边界的起点和场景背景的起点。如下图。

但是可以识别对比度相对比较低的排除掉。

参考代码如下：

# import the necessary packages
from skimage.exposure import is_low_contrast
from imutils.paths import list_images
import argparse
import imutils
import cv2

image = cv2.imread('C:/Users/zyh/Desktop/123.png')
image = imutils.resize(image, width=450)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# blur the image slightly and perform edge detection
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edged = cv2.Canny(blurred, 30, 150)
# initialize the text and color to indicate that the input image
# i

了解本专栏