《opencv 数字图像处理 图像基础》

矩阵

定义一个显示图像的函数，对于灰度图，里面添加了vmin=0,vmax=255,强制赋值最大值和最小值。

随机生成一个0-256的2维矩阵，显示灰度图像。

随机生成一个0-256的三维数组，并展示彩色图像。

uint8 8位整型图像的理解，可以发现0-255之外的数字都会转换为对应的数字，0-255之间的数字不会改变。

f浮点
浮点图像，可以发现和A显示的图像一样。

0-1之间缩放，显示效果 vmin=0,vmax=255 保留

0-1之间缩放，vmin=0,vmax=255去掉，显示的结果

通道分离和合并

首先读入一张图片并展示

使用cv.split()函数对图像进行分离，得到b,g,r三个通道的灰度图像

使用cv.merge()函数对b,g,r三个通道进行合并，得到彩色图像

调整b,g,r三个的顺序，得到不同的彩色图像

彩色图像转灰度图像

r,g,b三通道平均加权 系数和满足为1

gray1是浮点类型，两种方法转换成uint8，方便计算。第一种是使用np.uint8(),第二种是使用gray1.astype(np.uint8)

使用cv里面自带的cv.cvtColor()函数进行彩色图转灰度图

灰度图转二值化图像

设置个阈值，把大于阈值的赋值为255，小于等于阈值的赋值为0

另一种写法是调用cv.threshold()函数，第一个参数是图像，第二个参数是阈值，第三个参数是要赋的值，第四个是二值图。第四个参数可以设置为0。

图像运算

展示四张灰度图像，分别是目标，背景，掩模和噪声。四张图像的形状相同，都是500x500。

直接相加，得到的结果，大于255，会进行循环，找到对应的值。

使用cv.add()函数得到的结果，大于255直接赋值为255。

为了防止相加后的和大于255，分别赋予权重相乘的结果，但此时的类型是float64

使用cv.addWeighted()函数得到的结果，第一个参数是目标，第二个参数是权重，第三个参数是背景，第四个参数是权重，第5个参数是总偏移。此时的类型是uint8类型。

减法：第一种方法是直接减，最后转换成uint8类型。第二种是使用cv.subtract()函数进行减法，最后转换成uint8。

乘法; 首先进行归一化，缩小到0-1之间，然后用cv.multipy()函数进行两个同类型的对象相乘，结果如下。

除法：
这里没有考虑噪声中含有0的情况

加1大于255，也会被循环赋值为0

转为浮点数，再加1

图像像素的非线性变换

线性变换 b=20，k=2，这里要注意，直接按公式来写，可能得不到想要的结果，原因如下：

因此，要对数据类型进行转换





在这里插入图片描述