python学习之OpenCV-Python模块的部分应用示例(生成素描图和动漫图)
前言
OpenCV 是一个图像和视频处理库,具有 C++、C、Python 和 Java 中的绑定。OpenCV用于各种图像和视频分析,如面部识别和检测,车牌读取,照片编辑,高级机器人视觉,光学字符识别等等。
OpenCV-Python 是一个 Python 绑定库,旨在解决计算机视觉问题。
Python 是一种由 Guido van Rossum 开发的通用编程语言,它很快就变得非常流行,主要是因为它的简单性和代码可读性。它使程序员能够用更少的代码表达思想,而不会降低可读性。
与 C/C++ 这类语言相比,Python 的速度更慢。好在,可以使用 C/C++ 轻松的拓展 Python ,我们可以在 C/C++ 中编写计算密集型代码,并用 Python 来封装。这给我们带来了两个好处:首先,代码像原始的 C/C++ 代码一样快(因为后台实际上就是 C/C++ 代码在工作),其次,在 Python 中编写代码比在 C/C++ 中更容易。OpenCV-Python 就是 OpenCV C++ 的 Python 封装。
OpenCV-Python 使用了 Numpy,这是一个有着 MATLAB 风格语法,高度优化的用于数值计算的库。所有 OpenCV 数组结构都与 Numpy 数组进行转换。这也使得与使用 Numpy 的其他库(如 SciPy 和 Matplotlib)集成更容易。
一、图片转灰度
什么叫图片的灰度化呢?其实很简单,就是让像素点矩阵中的每一个像素点都满足下面的关系:R=G=B(就是红色变量的值,绿色变量的值,和蓝色变量的值,这三个值相等,“=”的意思不是程序语言中的赋值,是数学中的相等),此时的这个值叫做灰度值。
代码如下(示例):
import cv2 # 导入OpenCV-Python模块
import os # 导入文件与系统模块
import numpy as np # 导入数值计算库
'''
def filter(filein,picture_name):
imgI_filename = os.path.join(filein,picture_name) # 源文件路径
imgO_filename = os.path.join(r'out', picture_name) # 目标文件路径
img_rgb = cv2.imread(imgI_filename) # 读取源图片
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY) # 转换为灰度
# 调整亮度和对比度
res = np.uint8(np.clip((1.2 * img_gray + 0), 0, 255))
cv2.imwrite(imgO_filename, res) # 保存转换后的图片
## cv2.imshow('GrayImage',img_cartoon) # 加预览
if __name__ == '__main__':
imagelist = [] # 创建空列表
#循环读取指定路径下的文件名
for filename in os.listdir(r'in/'):
imagelist.append(filename) #将文件名添加到imagelist
print(filename)
filter(r'in',filename) # 为图片应用灰度滤镜
二、对图片进行二值化处理
什么叫图像的二值化?二值化就是让图像的像素点矩阵中的每个像素点的灰度值为0(黑色)或者255(白色),也就是让整个图像呈现只有黑和白的效果。在灰度化的图像中灰度值的范围为0~255,在二值化后的图像中的灰度值范围是0或者255。
代码如下(示例):
# 对图片进行二值化======================================================
import cv2
import numpy as np
img1 = cv2.imread('01.jpg')
img2 = cv2.imread('02.jpg')
rows, cols, channels = img1.shape
roi = img2[0:rows, 0:cols]
img2gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
ret, Mask = cv2.threshold(img2gray, 170, 255, cv2.THRESH_BINARY)
Mask_inv = cv2.bitwise_not(Mask)
img1_bg = cv2.bitwise_and(roi, roi, mask=Mask)
img1_fg = cv2.bitwise_and(img1, img1, mask=Mask_inv)
dst = cv2.add(img1_bg, img1_fg)
img2[0:rows, 0:cols] = dst
cv2.imshow('res', Mask)
cv2.imshow('das', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
三、对图片去除噪点
实现原理:是在于先将噪点调亮以后再减少它的细节,总之就是让噪点“沉”下去。
代码如下(示例):
import cv2
import numpy as np
original_image1 = cv2.imread('in/01.jpg').astype(np.float32)/255
# 设置调整颜色参数,小于1时,数值越小,越具有美白效果。反之,大于1时数值越大,可对美白照片还原原色
gamma1 = 0.6
whitening = np.power(original_image1, gamma1)
# 去除噪点
denoise = cv2.medianBlur(whitening, 5)
cv2.imshow('original_image', original_image1)
cv2.imshow('whitening', whitening)
cv2.imshow('denoise', denoise)
四、调整图片透明度
实现原理:需要在RGB三个通道的基础上添加alpha通道信息(alpha通道)。
代码如下(示例):
# 实时调整图片透明度
import cv2
import numpy as np
def callback(object):
pass
cv2.namedWindow('image')
img1 = cv2.imread('01.jpg')
[x, y, z] = img1.shape
# 创建一个相同规格的图像,可以自己读取一张图用切片工具
# 选出相同大小的矩阵
img2 = np.zeros([x, y, z], img1.dtype)
B, G, R = 10, 88, 21 # 自己调色
img2[:, :, 0] = np.uint8(B)
img2[:, :, 1] = np.uint8(G)
img2[:, :, 2] = np.uint8(R)
cv2.createTrackbar('alpha', 'image', 0, 100, callback)
while True:
Alpha = cv2.getTrackbarPos('alpha', 'image')/100
img3 = cv2.addWeighted(img1, Alpha, img2, 1-Alpha, 0)
cv2.imshow('image', img3)
if cv2.waitKey(10) & 0xFF == ord('q'):
break
cv2.destroyAllWindows()
五、生成素描滤镜效果图(方法结合应用)
代码如下(示例):
import cv2 # 导入OpenCV-Python模块
import os # 导入文件与系统模块
import numpy as np # 导入数值计算库
def filter(filein,picture_name):
imgI_filename = os.path.join(filein,picture_name) # 源文件路径
imgO_filename = os.path.join(r'out', picture_name) # 目标文件路径
img_rgb = cv2.imread(imgI_filename) # 读取源图片
num_down = 2 # 缩减像素采样的数目
num_bilateral = 9 # 定义双边滤波的数目
# 用高斯金字塔降低取样
img_color = img_rgb
for _ in range(num_down):
img_color = cv2.pyrDown(img_color)
# 重复使用小的双边滤波代替一个大的滤波
for _ in range(num_bilateral):
img_color = cv2.bilateralFilter(img_color,d=4,sigmaColor=8,sigmaSpace=4)
# 升采样图片到原始大小
for _ in range(num_down):
img_color = cv2.pyrUp(img_color)
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY) # 转换为灰度
img_blur = cv2.medianBlur(img_gray, 19) # 增加模糊效果。值越大越模糊(取奇数)
# 检测到边缘并且增强其效果
img_edge = cv2.adaptiveThreshold(img_blur,256,
cv2.ADAPTIVE_THRESH_MEAN_C,
cv2.THRESH_BINARY,
blockSize=9,
C=2)
img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB) # 彩色图像转为灰度图像
cv2.imwrite(imgO_filename, img_edge) # 保存图片
if __name__ == '__main__':
imagelist = [] # 创建空列表
#循环读取指定路径下的文件名
for filename in os.listdir(r'in/'):
imagelist.append(filename) #将文件名添加到imagelist
print(filename)
filter(r'in',filename) # 为图片应用写生素描滤镜
六、生成动漫卡通滤镜效果图(方法结合应用)
代码如下(示例):
import cv2 # 导入OpenCV-Python模块
import os # 导入文件与系统模块
import numpy as np # 导入数值计算库
def filter(filein,picture_name):
imgI_filename = os.path.join(filein,picture_name) # 源文件路径
imgO_filename = os.path.join(r'out', picture_name) # 目标文件路径
img_rgb = cv2.imread(imgI_filename) # 读取图片
# 转换为灰度并且使其产生中等的模糊
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2GRAY)
img_blur = cv2.medianBlur(img_gray, 5) # 值越大越模糊(取奇数)
#检测到边缘并且增强其效果
img_edge = cv2.adaptiveThreshold(img_blur,128,
cv2.ADAPTIVE_THRESH_MEAN_C,
cv2.THRESH_BINARY,
blockSize=9,
C=8)
img_edge = cv2.cvtColor(img_edge, cv2.COLOR_GRAY2RGB) #彩色图像转为灰度图像
img_cartoon = cv2.bitwise_and(img_rgb, img_edge) # 灰度图像转为彩色图像
# 调整亮度和对比度
res = np.uint8(np.clip((2.0 * img_cartoon + 16), 0, 255))
# 保存转换后的图片
cv2.imwrite(imgO_filename, res)
if __name__ == '__main__':
imagelist = [] # 创建空列表
#循环读取指定路径下的文件名
for filename in os.listdir(r'in/'):
imagelist.append(filename) #将文件名添加到imagelist
print(filename)
filter(r'in',filename) # 为图片应用卡通动漫滤镜
总结
到此这篇关于python学习之OpenCV-Python模块的部分应用示例的文章就介绍到这了,更多相关python学习内容浏览下面的相关文章,希望大家以后多多支持!
历史文章地址:
python和C++代码实现图片九宫格切图程序(附VS2015配置Opencv教程)
python和C++代码实现模拟动态指针时钟
python学习之10行代码制作炫酷的词云图(匹配指定图形形状)
相关文章
- 【Python成长之路】python 基础篇 -- global/nonlocal关键字使用
- 【python cookbook】【数据结构与算法】8.与字典有关的计算问题
- Python 图像处理 OpenCV (3):图像属性、图像感兴趣 ROI 区域及通道处理
- 【python基础】Linux环境下非root用户安装Python和第三方包
- 【Python】python对象与json相互转换
- 用于图像处理、计算机视觉、图像搜索引擎的最佳Python库
- 点云配准精度评价指标——均方根误差(python版本)
- 【OpenCV-Python】教程:7-4 KMeans 应用
- Python语言学习:Python语言学习之python包/库package的简介(模块的封装/模块路径搜索/模块导入方法/自定义导入模块实现华氏-摄氏温度转换案例应用)、使用方法、管理工具之详细攻略
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(LabelFrame/Checkbutton/Radiobutton)
- Python编程语言学习:python的列表的特殊应用之一行命令实现if判断中的两类判断
- 成功解决cv2.error: C:projectsopencv-pythonopencvmodulesimgprocsrcresize.cpp:4044: error: (-215) s
- 已解决cv2.error: OpenCV(4.2.0) C:projectsopencv-pythonopencvmodulesimgprocsrccolor.cpp:182: erro
- Python+OpenCV 轻松实现人脸识别签到考勤系统
- Python编程:python-attrs模块的简单使用
- yolov4视频目标检测:使用C++版本联合CUDA11.2的OpenCV 5.x编译生成opencv-python==5.x进行推理
- 关于粉丝需要编译python版本的opencv-cuda11的方法(在ubuntu22.04平台编译,python3.6,cuda11.7)
- python实战===2017年30个惊艳的Python开源项目 (转)
- OpenCV入门(一)Python环境的搭建
- Python编程语言学习:python中浅复制/深复制(或浅拷贝/深拷贝)的简介、案例应用注意事项之详细攻略
- opencv-python 通过 PIL支持中文添加文字,速度还慢,最好使用英文
- yolov4视频目标检测:使用C++版本联合CUDA11.2的OpenCV 5.x编译生成opencv-python==5.x进行推理
- ROS Python 入门学习笔记 --3-- 订阅者程序的编写