Python-OpenCV 处理图像（二）（三）：滤镜和图像运算 图像像素点操作

0x01. 滤镜

喜欢自拍的人肯定都知道滤镜了，下面代码尝试使用一些简单的滤镜，包括图片的平滑处理、灰度化、二值化等：

import cv2.cv as cv

image=cv.LoadImage('img/lena.jpg', cv.CV_LOAD_IMAGE_COLOR) #Load the image
cv.ShowImage("Original", image)

grey = cv.CreateImage((image.width ,image.height),8,1) #8depth, 1 channel so grayscale
cv.CvtColor(image, grey, cv.CV_RGBA2GRAY) #Convert to gray so act as a filter
cv.ShowImage('Greyed', grey)

# 平滑变换
smoothed = cv.CloneImage(image)
cv.Smooth(image,smoothed,cv.CV_MEDIAN) #Apply a smooth alogrithm with the specified algorithm cv.MEDIAN
cv.ShowImage("Smoothed", smoothed)

# 均衡处理
cv.EqualizeHist(grey, grey) #Work only on grayscaled pictures
cv.ShowImage('Equalized', grey)

# 二值化处理
threshold1 = cv.CloneImage(grey)
cv.Threshold(threshold1,threshold1, 100, 255, cv.CV_THRESH_BINARY)
cv.ShowImage("Threshold", threshold1)

threshold2 = cv.CloneImage(grey)
cv.Threshold(threshold2,threshold2, 100, 255, cv.CV_THRESH_OTSU)
cv.ShowImage("Threshold 2", threshold2)

element_shape = cv.CV_SHAPE_RECT
pos=3
element = cv.CreateStructuringElementEx(pos*2+1, pos*2+1, pos, pos, element_shape)
cv.Dilate(grey,grey,element,2) #Replace a pixel value with the maximum value of neighboors
#There is others like Erode which replace take the lowest value of the neighborhood
#Note: The Structuring element is optionnal
cv.ShowImage("Dilated", grey)

cv.WaitKey(0)

0x02. HighGUI

OpenCV 内建了一套简单的 GUI 工具，方便我们在处理界面上编写一些控件，动态的改变输出：

import cv2.cv as cv

im = cv.LoadImage("img/lena.jpg", cv.CV_LOAD_IMAGE_GRAYSCALE)
thresholded = cv.CreateImage(cv.GetSize(im), 8, 1)

def onChange(val):
    cv.Threshold(im, thresholded, val, 255, cv.CV_THRESH_BINARY)
    cv.ShowImage("Image", thresholded)

# 创建一个滑动条控件
onChange(100) #Call here otherwise at startup. Show nothing until we move the trackbar
cv.CreateTrackbar("Thresh", "Image", 100, 255, onChange) #Threshold value arbitrarily set to 100

cv.WaitKey(0)

0x03. 选区操作

有事希望对图像中某一块区域进行变换等操作，就可以使用如下方式：

import cv2.cv as cv

im = cv.LoadImage("img/lena.jpg",3)

# 选择一块区域
cv.SetImageROI(im, (50,50,150,150)) #Give the rectangle coordinate of the selected area

# 变换操作
cv.Zero(im)
#cv.Set(im, cv.RGB(100, 100, 100)) put the image to a given value

# 解除选区
cv.ResetImageROI(im) # Reset the ROI

cv.ShowImage("Image",im)

cv.WaitKey(0)

0x04. 运算

对于多张图片，我们可以进行一些运算操作(包括算数运算和逻辑运算)，下面的代码将演示一些基本的运算操作：

import cv2.cv as cv#or simply import cv

im = cv.LoadImage("img/lena.jpg")
im2 = cv.LoadImage("img/fruits-larger.jpg")
cv.ShowImage("Image1", im)
cv.ShowImage("Image2", im2)

res = cv.CreateImage(cv.GetSize(im2), 8, 3)

# 加
cv.Add(im, im2, res) #Add every pixels together (black is 0 so low change and white overload anyway)
cv.ShowImage("Add", res)

# 减
cv.AbsDiff(im, im2, res) # Like minus for each pixel im(i) - im2(i)
cv.ShowImage("AbsDiff", res)

# 乘
cv.Mul(im, im2, res) #Multiplie each pixels (almost white)
cv.ShowImage("Mult", res)

# 除
cv.Div(im, im2, res) #Values will be low so the image will likely to be almost black
cv.ShowImage("Div", res)

# 与
cv.And(im, im2, res) #Bit and for every pixels
cv.ShowImage("And", res)对于多张图片，我们可以进行一些运算操作(包括算数运算和逻辑运算)，下面的代码将演示一些基本的运算操作：

# 或
cv.Or(im, im2, res) # Bit or for every pixels
cv.ShowImage("Or", res)

# 非
cv.Not(im, res) # Bit not of an image
cv.ShowImage("Not", res)

# 异或
cv.Xor(im, im2, res) #Bit Xor
cv.ShowImage("Xor", res)

# 乘方
cv.Pow(im, res, 2) #Pow the each pixel with the given value
cv.ShowImage("Pow", res)

# 最大值
cv.Max(im, im2, res) #Maximum between two pixels
#Same form Min MinS
cv.ShowImage("Max",res)

cv.WaitKey(0)


———————————————————————————————————————————分割线———————————————————————————————————————————————————

0x01. 像素
有两种直接操作图片像素点的方法：
第一种办法就是将一张图片看成一个多维的list，例如对于一张图片im，想要操作第四行第四列的像素点就直接 im[3,3] 就可以获取到这个点的RGB值。
第二种就是使用 OpenCV 提供的 Get1D、 Get2D 等函数。
推荐使用第一种办法吧，毕竟简单。
0x02. 获取行和列像素
有一下四个函数：
 
   
   
   
   

    
    
    
    
cv.GetCol(im, 0): 返回第一列的像素
    
    
    
    
cv GetCols(im, 0, 10): 返回前 10 列
    
    
    
    
cv.GetRow(im, 0): 返回第一行
    
    
    
    
cv.GetRows(im, 0, 10): 返回前 10 行
   
   
   
   
0x03. 批量处理
需要批量处理所有的像素点的时候，只需要使用for循环迭代处理就可以了：
import cv2.cv as cv

im = cv.LoadImage("img/lena.jpg")

for i in range(im.height):
    for j in range(im.width):
        im[i,j] # 这里可以处理每个像素点
还有一种迭代处理的方式是使用 LineIterator，不过在声明 LineIterator 的时候需要制定处理像素点的开始点和结束点。
import cv2.cv as cv

im = cv.LoadImage("img/lena.jpg")

li = cv.InitLineIterator(im, (0, 0), (im.rows, im.cols)) #So loop the entire matrix

for (r, g, b) in li:
    # 这里可以对每个像素点的 r g b 进行处理
娱乐一下， 随机获取 5000 个像素点，然后把颜色换成一个随机的值(salt)：
import cv2.cv as cv

import random

# 这里也可以使用 Get2D/Set2D 来加载图片
im = cv.LoadImage("img/lena.jpg") 

for k in range(5000): #Create 5000 noisy pixels
    i = random.randint(0,im.height-1)
    j = random.randint(0,im.width-1)
    color = (random.randrange(256),random.randrange(256),random.randrange(256))
    im[i,j] = color

cv.ShowImage("Noize", im)
cv.WaitKey(0)
效果图：


from: https://segmentfault.com/a/1190000003742433
https://segmentfault.com/a/1190000003742442