计算机视觉及图像处理 05-形态变换（二）

图像处理实战技巧

原创已于 2022-11-03 22:24:39 修改 · 605 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #python

于 2022-11-03 13:00:54 首次发布

深度学习专栏收录该内容

63 篇文章

订阅专栏

本文详细介绍了一系列图像处理技术，包括图像缩放（放大与缩小）、不同插值方法的应用（如最临近插值、双线性插值）、图像裁剪（随机裁剪及中心裁剪）以及图像叠加等操作，并提供了具体的Python代码实现。

图片链接

跟着峰哥学计算机视觉所有需要用到的图片-深度学习文档类资源-优快云下载

代码

图像缩放示例

# 图像缩放示例

import cv2

im = cv2.imread("../data/Linus.png")
cv2.imshow("im", im)

h, w = im.shape[:2]  # 获取图像高度、宽度

# 缩小
dst_size = (int(w / 2), int(h / 2))  # 计算缩放后的图像宽度、高度
resized = cv2.resize(im, dst_size)
cv2.imshow("reduce", resized)

cv2.waitKey()
cv2.destroyAllWindows()

最临近插值

# 图像缩放示例

import cv2

im = cv2.imread("../data/Linus.png")
cv2.imshow("im", im)

h, w = im.shape[:2]  # 获取图像高度、宽度

# 放大
dst_size = (200, 300)  # 缩放尺寸，宽200，高300
resized = cv2.resize(im,
                     dst_size,
                     interpolation=cv2.INTER_NEAREST)  # 最邻近差值
cv2.imshow("NEAREST", resized)
cv2.waitKey()
cv2.destroyAllWindows()

双线性差值

# 图像缩放示例

import cv2

im = cv2.imread("../data/Linus.png")
cv2.imshow("im", im)

h, w = im.shape[:2]  # 获取图像高度、宽度

# 放大
dst_size = (200, 300)  # 缩放尺寸，宽200，高300
resized = cv2.resize(im,
                     dst_size,
                     interpolation=cv2.INTER_LINEAR)  # 双线性差值
cv2.imshow("LINEAR", resized)
cv2.waitKey()
cv2.destroyAllWindows()

图像裁剪

随机裁剪

# 图像裁剪(利用数组切片操作实现)

import numpy as np
import cv2


# 随机裁剪
def random_crop(im, w, h):
    # 随机产生裁剪起点的x,y坐标
    start_x = np.random.randint(0, im.shape[1])  # 裁剪起始的x坐标
    start_y = np.random.randint(0, im.shape[0])  # 裁剪起始的y坐标

    new_img = im[start_y:start_y + h, start_x:start_x + w]  # 切片
    return new_img


if __name__ == '__main__':
    im = cv2.imread("../data/banana_1.png", 1)
    new_img = random_crop(im, 200, 200)  # 随机裁剪200×200
    cv2.imshow("random_crop", new_img)

    cv2.waitKey()
    cv2.destroyAllWindows()

中心裁剪

# 图像裁剪(利用数组切片操作实现)

import numpy as np
import cv2

# 中心裁剪
def center_crop(im, w, h):
    start_x = int(im.shape[1] / 2) - int(w / 2)
    start_y = int(im.shape[0] / 2) - int(h / 2)
    new_img = im[start_y:start_y + h, start_x:start_x + w]  # 切片
    return new_img


if __name__ == '__main__':
    im = cv2.imread("../data/banana_1.png", 1)

    new_img2 = center_crop(im,200,200)
    cv2.imshow("center_crop",new_img2)

    cv2.waitKey()
    cv2.destroyAllWindows()

图像直接相加

# 图像相加
import cv2

a = cv2.imread("../data/lena.jpg", 0)
b = cv2.imread("../data/lily_square.png", 0)

# 图像直接相加，会导致图像越加越白，越加越亮
dst1 = cv2.add(a, b)
cv2.imshow("dst1", dst1)

cv2.waitKey()
cv2.destroyAllWindows()

图像按权重相加

# 图像相加
import cv2

a = cv2.imread("../data/lena.jpg", 0)
b = cv2.imread("../data/lily_square.png", 0)

# 图像按权重相加
dst2 = cv2.addWeighted(a, 0.6,  # 第一幅图像的权重
                       b, 0.4,  # 第二幅图像的权重
                       0)  # 亮度调节
cv2.imshow("dst2", dst2)

cv2.waitKey()
cv2.destroyAllWindows()

图像相减

# 图像相减
import cv2

a = cv2.imread("../data/3.png", 0)
b = cv2.imread("../data/4.png", 0)

dst = cv2.subtract(a,b)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.imshow("dat",dst)


cv2.waitKey()
cv2.destroyAllWindows()