Основы обработки изображений OpenCV
OpenCV предоставляет богатые возможности обработки изображений и компьютерного зрения, включая чтение изображений, отображение, преобразование цветового пространства, фильтрацию, обнаружение краев, обнаружение контуров и многое другое.
В этой главе мы познакомимся с основными концепциями и распространенными функциями OpenCV.
Представление и обработка изображений
OpenCV используетмассивы NumPyдля представления данных изображения. Каждое изображение — это многомерный массив, где каждый элемент соответствует пикселю изображения. Размер и цветовой режим изображения также можно представить через форму массива.
Основные свойства изображения:
- Размер изображения (Ширина, Высота): может быть
img.shapeполучить. - Цветовые каналы (Channels): обычно RGB (три канала), или оттенки серого (один канал).
- Тип данных (Data type): обычно используются
uint8(диапазон 0-255), также может бытьfloat32или другие.
Чтение изображения:
import cv2
img = cv2.imread('image.jpg')
cv2.imread()Прочитать файл изображения и вернуть массив NumPy.Если путь к изображению неверен или файл не существует, возвращает
None。
Отображение изображения:
# 显示图像
cv2.imshow("Display Window", image)
# 等待按键输入
cv2.waitKey(0)
# 关闭所有窗口
cv2.destroyAllWindows()cv2.imshow()Используется для отображения изображения,cv2.waitKey(0)ожидает события нажатия клавиши,cv2.destroyAllWindows()закрывает все окна.
Сохранение изображения:
# 保存图像
cv2.imwrite("output_image.jpg", image)
cv2.imwrite()Сохранить изображение по указанному пути.
Базовые операции с изображениями
1. Доступ к значениям пикселей и их изменение
# 获取像素值 (BGR 格式) pixel_value = image[100, 100] # 获取 (100, 100) 处的像素值 # 修改像素值 image[100, 100] = [255, 255, 255] # 将 (100, 100) 处的像素设置为白色
2. ROI изображения (область интереса)
# 获取 ROI roi = image[50:150, 50:150] # 获取 (50,50) 到 (150,150) 的区域 # 修改 ROI image[50:150, 50:150] = [0, 255, 0] # 将 ROI 区域设置为绿色
3. Разделение и объединение каналов изображения
# 分离通道 b, g, r = cv2.split(image) # 合并通道 merged_image = cv2.merge([b, g, r])
4. Масштабирование, поворот, сдвиг и отражение изображения
# 缩放 resized_image = cv2.resize(image, (new_width, new_height)) # 旋转 rotation_matrix = cv2.getRotationMatrix2D((center_x, center_y), angle, scale) rotated_image = cv2.warpAffine(image, rotation_matrix, (width, height)) # 平移 translation_matrix = np.float32([[1, 0, tx], [0, 1, ty]]) # tx, ty 为平移距离 translated_image = cv2.warpAffine(image, translation_matrix, (width, height)) # 翻转 flipped_image = cv2.flip(image, flip_code) # flip_code: 0 (垂直翻转), 1 (水平翻转), -1 (双向翻转)
Арифметические операции над изображениями
1. Сложение изображений
result = cv2.add(image1, image2)
2. Вычитание изображений
result = cv2.subtract(image1, image2)
3. Смешивание изображений
result = cv2.addWeighted(image1, alpha, image2, beta, gamma)
alphaиbeta— это вес,gamma— это скалярная величина.
Пороговая обработка изображения
1. Простая пороговая обработка
ret, thresholded_image = cv2.threshold(image, thresh, maxval, cv2.THRESH_BINARY)
thresh— это пороговое значение,maxval— это максимальное значение.
2. Адаптивная пороговая обработка
thresholded_image = cv2.adaptiveThreshold(image, maxval, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, block_size, C)
3. Бинаризация Оцу
ret, thresholded_image = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
Сглаживание изображения
1. Средняя фильтрация
blurred_image = cv2.blur(image, (kernel_size, kernel_size))
2. Гауссова фильтрация
blurred_image = cv2.GaussianBlur(image, (kernel_size, kernel_size), sigmaX)
3. Медианная фильтрация
blurred_image = cv2.medianBlur(image, kernel_size)
4. Двусторонняя фильтрация
blurred_image = cv2.bilateralFilter(image, d, sigmaColor, sigmaSpace)
Цветовые пространства изображения и преобразование
OpenCV поддерживает преобразование между множеством цветовых пространств, например из RGB в оттенки серого, HSV и т.д.
Преобразование цветового пространства очень важно во многих задачах обработки изображений.
Преобразование из RGB в оттенки серого:
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
Преобразование из BGR в HSV:
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
Преобразование из RGB в YUV:
yuv_img = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
Преобразование цветового пространства — базовая операция в обработке изображений, используемая для различных алгоритмов и визуальных эффектов.
Изменение размера и обрезка изображения
OpenCV предоставляет несколько способов изменения размера изображений и обрезки областей изображения.
Изменение размера изображения:
resized_img = cv2.resize(img, (width, height))
Обрезка изображения:
cropped_img = img[y1:y2, x1:x2]
Определённую область изображения можно обрезать с помощью операций среза.
Сглаживание и шумоподавление изображения (размытие)
Сглаживание изображения позволяет уменьшить шум. Распространённые алгоритмы размытия включают размытие по Гауссу, среднее размытие и т. д.
Размытие по Гауссу:
blurred_img = cv2.GaussianBlur(img, (5, 5), 0)
Среднее размытие:
blurred_img = cv2.blur(img, (5, 5))
Медианное размытие:
blurred_img = cv2.medianBlur(img, 5)
Обнаружение краёв изображения
Обнаружение краёв — распространённая техника обработки изображений, используемая для обнаружения краёв на изображении. Наиболее часто используемый метод — обнаружение краёв Canny.
Обнаружение границ Canny:
edges = cv2.Canny(img, 100, 200)
Алгоритм Canny находит границы путем вычисления градиентов на изображении и возвращает бинарное изображение, в котором границы белые, а остальные области черные.
Оператор Собеля:
sobel_x = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=5) sobel_y = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=5)
Оператор Лапласа:
laplacian = cv2.Laplacian(image, cv2.CV_64F)
Морфологические операции
Морфологические операции часто используются при обработке бинарных изображений. К распространенным операциям относятся эрозия, дилатация, размыкание, замыкание и т. д.
Эрозия:Сжимает белые области на изображении.
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) eroded_img = cv2.erode(img, kernel, iterations=1)
Дилатация:Расширяет белые области на изображении.
dilated_img = cv2.dilate(img, kernel, iterations=1)
Операции размыкания и замыкания:
- Размыкание (эрозия с последующей дилатацией): используется для удаления мелких объектов.
- Замыкание (дилатация с последующей эрозией): используется для заполнения мелких отверстий на изображении.
opening_img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) closing_img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
Обнаружение контуров изображения
OpenCV предоставляет мощные возможности обнаружения контуров, которые можно использовать в таких приложениях, как распознавание объектов и сегментация изображений.
Обнаружение контуров:
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) _, threshold_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY) contours, _ = cv2.findContours(threshold_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
Рисование контуров:
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)
Обработка видео
OpenCV также поддерживает обработку видео. Она может читать видеофайлы, захватывать видеопотоки и выполнять обработку в реальном времени.
Чтение видео:
Примеры
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# Обработать каждый кадр
cv2.imshow('Video', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()