OpenCV图像处理实战技巧

最新推荐文章于 2025-12-16 10:33:45 发布

原创最新推荐文章于 2025-12-16 10:33:45 发布 · 286 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #人工智能 #csdn

图像灰度化

灰度化是将彩色图像转换为灰度图像的过程，通常通过加权平均法或最大值法实现。OpenCV提供了cvtColor函数实现这一转换。

import cv2
img = cv2.imread('image.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

加权平均法公式： $Gray = 0.299 \times R + 0.587 \times G + 0.114 \times B$

图像二值化

二值化将灰度图像转换为黑白图像，通过设定阈值将像素分为两类。OpenCV提供多种二值化方法，最常用的是全局阈值法。

_, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)

自适应阈值二值化：

binary_img = cv2.adaptiveThreshold(gray_img, 255, 
                                  cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                                  cv2.THRESH_BINARY, 11, 2)

仿射变换

仿射变换是线性变换加平移变换，保持图像中直线的平行性。需要定义变换矩阵，通常通过三个点的映射关系确定。

rows, cols = img.shape[:2]
pts1 = np.float32([[50,50], [200,50], [50,200]])
pts2 = np.float32([[10,100], [200,50], [100,250]])
M = cv2.getAffineTransform(pts1, pts2)
dst = cv2.warpAffine(img, M, (cols,rows))

旋转加缩放的仿射变换：

M = cv2.getRotationMatrix2D((cols/2,rows/2), 45, 0.5)
dst = cv2.warpAffine(img, M, (cols,rows))

颜色空间转换

除了灰度化，OpenCV支持多种颜色空间转换，如HSV、LAB等。HSV空间对光照变化更鲁棒。

hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lab_img = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

提取特定颜色范围（HSV示例）：

lower_blue = np.array([110,50,50])
upper_blue = np.array([130,255,255])
mask = cv2.inRange(hsv_img, lower_blue, upper_blue)

直方图均衡化

提高图像对比度的方法，特别适用于灰度图像。OpenCV提供equalizeHist函数实现。

equ = cv2.equalizeHist(gray_img)

CLAHE（限制对比度自适应直方图均衡化）：

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(gray_img)