OpenCV-Python-(3)-图像预处理

图像预处理：

• cv2.copyMakeBorder(src,top, bottom, left, right ,borderType,value) #边界填充
• cv2.add()                                                                                                   #相加
• cv2.substract()                                                                                         #相减
• cv2.bitwise_and(src1, src2, dst=None, mask=one)                             #与
• cv2.bitwise_or(src1, src2, dst=None, mask=None)                             #或
• cv2.bitwise_not(src1, src2, dst=None, mask=None)                           #非
• cv2.bitwise_xor(src1, src2, dst=None, mask=None)                           #异或
• cv2.cvtColor(img, flag)                                                                           #可以RGB转为GRAY&HSV

---

1.图像边界填充

cv2.copyMakeBorder(src,top, bottom, left, right ,borderType,value)

• src:源图像
• top,bottem,left,right: 分别表示四个方向上边界的长度
• borderType: 边界的类型，有以下几种：

       BORDER_REFLICATE　　　 # 直接用边界的颜色填充

       BORDER_REFLECT　　　　# 反转

       BORDER_REFLECT_101　　# 反转，和上面类似，但在反转时，会把边界空开

       BORDER_WRAP　　　　 　 

       BORDER_CONSTANT　　　　# 常量，增加的变量均为value填充的颜色

• value - Color of border if border type is cv.BORDER_CONSTANT

import cv2 


img = cv2.imread(r'C:\Users\x\Desktop\11.jpg', cv2.IMREAD_ANYCOLOR)
green = [0,255,0]

replicate = cv2.copyMakeBorder(img,50,50,50,50,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img,50,50,10,10,cv2.BORDER_CONSTANT,value=green)

cv2.imshow("image", img)
cv2.imshow("replicate", replicate)
cv2.imshow("reflect", reflect)
cv2.imshow("reflect101", reflect101)
cv2.imshow("wrap", wrap)
cv2.imshow("constant", constant)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

2.图像运算：相加、相减、与、或、异或、非

• cv2.add()
• cv2.substract()

import cv2 
import numpy as np

img = cv2.imread(r'C:\Users\x\Desktop\11.jpg', cv2.IMREAD_ANYCOLOR)

#构建矩阵，进行cv2.add 与　cv2.substract运算
A = np.ones(img.shape, dtype='uint8')*100
 
add = cv2.add(img, A)
subtract = cv2.subtract(img, A)
 
cv2.imshow("image", img)
cv2.imshow("add", add)
cv2.imshow("subtract", subtract)

cv2.waitKey(0)
cv2.destroyAllWindows()

 

图像与运算-cv2.bitwise_and(src1, src2, dst=None, mask=one)

图像或运算-cv2.bitwise_or(src1, src2, dst=None, mask=None)

图像非运算-cv2.bitwise_not(src1, src2, dst=None, mask=None)

图像异或运算-cv2.bitwise_xor，一个二值图，将黑色转为白色，白色转为黑

图像异或运算-cv2.bitwise_xor(src1, src2, dst=None, mask=None)
这四个运算，最少要有两个参数，即src1,src2；dst：参数返回结果可选，mask：参数也是可选的，指定msk区域进行操作。

import cv2 
import numpy as np

# 生成矩形图形
rectangle = np.zeros((300, 300, 3), dtype='uint8')
cv2.rectangle(rectangle, (25, 25), (275, 275), (255,255,255), -1)

#生成圆形
circle = np.zeros((300, 300, 3), dtype='uint8')
cv2.circle(circle, (150, 150), 150, (255,255,255), -1)

# 位运算
bitwise_and = cv2.bitwise_and(rectangle, circle) #与

bitwise_or = cv2.bitwise_or(rectangle, circle)   #或

bitwise_xor = cv2.bitwise_xor(rectangle, circle) #异或

bitwise_not = cv2.bitwise_not(rectangle)         #非

cv2.imshow("rectangle", rectangle)
cv2.imshow("circle", circle)
cv2.imshow("bitwise_and", bitwise_and)
cv2.imshow("bitwise_or", bitwise_or)
cv2.imshow("bitwise_xor", bitwise_xor)
cv2.imshow("bitwise_not", bitwise_not)

cv2.waitKey(0)
cv2.destroyAllWindows()

 

图像掩模处理mask

import cv2 
import numpy as np

img = cv2.imread(r'C:\Users\x\Desktop\47.jpg', cv2.IMREAD_ANYCOLOR)

mask = np.zeros(img.shape[:2], dtype='uint8')
(w, h) = (img.shape[1]//2, img.shape[0]//2)

cv2.rectangle(mask, (w-200, h-200), (w, h), 255, -1)
cv2.circle(mask, (w+20, h+90), 100, 255, -1)

masked = cv2.bitwise_and(img, img, mask=mask)
masked = cv2.bitwise_and(img, img, mask=mask)

cv2.imshow("image", img)
cv2.imshow("mask", masked)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

3.色彩空间

opencv中有多种色彩空间，包括 RGB、HSI、HSL、HSV、HSB、YCrCb、CIE XYZ、CIE Lab8种。

cv2.cvtColor(img, flag)  可以RGB转为GRAY&HSV

• img，源图片
• flag, 色彩空间转换类型：cv2.COLOR_BGR2GRAY,cv2.COLOR_BGR2HSV等

HSV(Hue（色调）, Saturation（饱和度） , Value（明度）):

• n色度H:用角度度量，取值范围为0~360，红色开始按逆时针方向计算，红色为0度，绿色为120度，蓝色为240度

• 饱和度S:接近光谱色的程度，颜色可以看成是光谱色与白色混合结果，光谱色占的比例愈大，颜色接近光谱色的程度越高，颜色饱和度就越高。光谱色中白色成分为0，饱和度达到最高，取值范围0%~100%，值越大，颜色越饱和

• 明度V:表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，与物体的透射比有关，取值范围为0%(黑)~100%(白)

在Opencv中
H色度取值范围是[0,179]
S饱和度的取值范围是[0,255]
V明度的取值范围是[0,255]

import cv2 

img = cv2.imread(r'C:\Users\x\Desktop\47.jpg', cv2.IMREAD_ANYCOLOR)

GRAY = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
LAB = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

cv2.imshow("image", img)
cv2.imshow("GRAY", GRAY)
cv2.imshow("HSV", HSV)
cv2.imshow("LAB", LAB)

cv2.waitKey(0)
cv2.destroyAllWindows()