OpenCV图像预处理实战指南

OpenCV 图像预处理基础

图像预处理是计算机视觉任务中的重要环节，能够有效提升后续算法的性能。OpenCV 提供了丰富的图像预处理功能，涵盖灰度化、二值化、滤波、边缘检测等操作。

灰度化处理

灰度化将彩色图像转换为单通道灰度图像，减少计算量。OpenCV 提供 cvtColor() 函数实现这一功能。

import cv2
import numpy as np

# 读取彩色图像
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Gray', gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像二值化

二值化将灰度图像转换为黑白图像，通过设定阈值实现。OpenCV 提供 threshold() 函数。

# 应用固定阈值二值化
_, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)

# 自适应阈值二值化
adaptive_binary = cv2.adaptiveThreshold(gray_img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

# 显示结果
cv2.imshow('Fixed Threshold', binary_img)
cv2.imshow('Adaptive Threshold', adaptive_binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像滤波

图像滤波用于消除噪声或增强特征。常见滤波操作包括均值滤波、高斯滤波和中值滤波。

# 均值滤波
blur = cv2.blur(img, (5,5))

# 高斯滤波