python opencv 找出图片中最亮和最暗的的行、列、区域

python opencv 找出图片中最亮和最暗的的行、列、区域

最亮的列

import cv2
import numpy as np
#得到图片路径image_path的宽wide、高heigh和深度deep
def wide_heigh(image_path):
    img = cv2.imread(image_path)
    (heigh,wide,deep) = img.shape
    print('图片的高是：',heigh)
    print('图片的宽是：',wide)
    print('图片的深是：', deep)
    return heigh,wide,deep
#最亮的列
def brightestColumn(img_path):
    # 图片的高、宽、深
    heigh, wide, deep = wide_heigh(img_path)
    # 读取图片
    img = cv2.imread(img_path)
    #列亮度列表
    bright_list = []
    # 遍历宽
    for i in range(wide):
        # 提取每一列
        Column_i = img[:,i:i+1]
        # 列的亮度求和
        bright_sum = Column_i.sum()
        # 列亮度加到列亮度列表中
        bright_list.append(bright_sum)
    #找出列表bright_list中最大索引（就是图片的最亮的列数）
    brightest_Column = bright_list.index(max(bright_list))
    # 找出列表bright_list中最小索引（就是图片的最暗的列数）
    # dark_Column = bright_list.index(min(bright_list))
    # 最亮列起点的坐标
    ptStart = (brightest_Column, 0)
    # 最亮列终点的坐标
    ptEnd = (brightest_Column, heigh)
    # 最亮列的颜色
    point_color = (0, 255, 0)  # BGR
    # 最亮列的线条宽度
    thickness = 1
    # lineType：最亮线的类型
    #          - 8( or omitted) ： 8 - connectedline
    #          - 4：4 - connectedline
    #          - CV_AA - antialiased line
    lineType = 4
    # 画出最亮列
    cv2.line(img, ptStart, ptEnd, point_color, thickness, lineType)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    return brightest_Column
if __name__ == '__main__':
    img_path = '1.jpg'
    brightestColumn(img_path)

效果如下：

最亮的行

import cv2
import numpy as np
#得到图片路径image_path的宽wide、高heigh和深度deep
def wide_heigh(image_path):
    img = cv2.imread(image_path)
    (heigh,wide,deep) = img.shape
    print('图片的高是：',heigh)
    print('图片的宽是：',wide)
    print('图片的深是：', deep)
    return heigh,wide,deep
#最亮的行
def brightestColumn(img_path):
    # 图片的高、宽、深
    heigh, wide, deep = wide_heigh(img_path)
    # 读取图片
    img = cv2.imread(img_path)
    #行亮度行表
    bright_list = []
    # 遍历宽
    for i in range(heigh):
        # 提取每一行
        Column_i = img[i:i+1]
        # 行的亮度求和
        bright_sum = Column_i.sum()
        # 行亮度加到行亮度行表中
        bright_list.append(bright_sum)
    #找出行表bright_list中最大索引（就是图片的最亮的行数）
    brightest_Column = bright_list.index(max(bright_list))
    # 找出行表bright_list中最小索引（就是图片的最暗的行数）
    # dark_Column = bright_list.index(min(bright_list))
    # 最亮行起点的坐标
    ptStart = (0,brightest_Column)
    # 最亮行终点的坐标
    ptEnd = (wide,brightest_Column)
    # 最亮行的颜色
    point_color = (0, 255, 0)  # BGR
    # 最亮行的线条宽度
    thickness = 1
    # lineType：最亮线的类型
    #          - 8( or omitted) ： 8 - connectedline
    #          - 4：4 - connectedline
    #          - CV_AA - antialiased line
    lineType = 4
    # 画出最亮行
    cv2.line(img, ptStart, ptEnd, point_color, thickness, lineType)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    return brightest_Column
if __name__ == '__main__':
    img_path = '1.jpg'
    brightestColumn(img_path)

效果如下：

最亮点和最亮区域

# coding=utf-8
# 导入python包
import numpy as np
import cv2
# 读取图片并将其转化为灰度图片
image = cv2.imread('1.jpg')
orig = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 利用cv2.minMaxLoc寻找到图像中最亮和最暗的点
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
# 在图像中绘制结果
cv2.circle(image, maxLoc, 5, (255, 0, 0), 2)
# 应用高斯模糊进行预处理（由找点变成找区域）
gray = cv2.GaussianBlur(gray, (59,59), 0)
# 利用cv2.minMaxLoc寻找到图像中最亮和最暗的区域
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
image1 = orig.copy()
cv2.circle(image1, maxLoc, 59, (255, 0, 0), 2)
# 显示结果
result = np.hstack([orig, image, image1])
cv2.imwrite("2.jpg", result)
cv2.imshow("Robust", result)
cv2.waitKey(0)

效果如下：