opencv学习笔记（二）——修改像素值、图像属性、ROI、通道、图像阈值、平滑、Canny边缘检测

import cv2
import numpy as np
import matplotlib.pyplot as plt

获取修改像素值

'''获取修改像素值'''
img = cv2.imread('cat1.jpg')
px=img[100,100] 
print(px) 
blue=img[100,100,0] 
print(blue)
img[100,100]=[0,0,0] 
print(img[100,100])
'''获取像素值及修改的更好方法'''
print(img.item(10,10,2)) 
img.itemset((10,10,2),100) 
print(img.item(10,10,2))

获取图像属性

'''获取图像属性 
图像的属性包括：行，列，通道，图像数据类型，像素数目等 
img.shape 可以获取图像的形状。他的返回值是一个包含行数，列数， 通道数的元组。
    如果图像是灰度图，返回值仅有行数和列数。
img.size 可以返回图像的像素数目
img.dtype 返回的是图像的数据类型.
    注意：在debug时 img.dtype 非常重要。因为在 OpenCV-Python代码中经常出现数据类型的不一致。

'''
print(img.shape)
print(img.size)
print(img.dtype)

图像 ROI

#复制区域
img = cv2.imread('cat1.jpg')
head=img[40:200,330:500] 
img[40:200,40:210]=head
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

拆分及合并图像通道 

b,g,r=cv2.split(img) 
img=cv2.merge(b,g,r)
b=img[:,:,0]

图像阈值

'''当像素值高于阈值时，我们给这个像素赋予一个新值（可能是白色），否则我们给它赋予另外一种颜色（也许是黑色）。 
这个函数就是 cv2.threshhold()。这个函数的第一个参数就是原图像，原图像应该是灰度图。
第二个参数就是用来对像素值进行分类的阈值。第三个参数 就是当像素值高于（有时是小于）阈值时应该被赋予的
新的像素值。
'''

简单阈值

img=cv2.imread('hui.png',0) 
ret,thresh1=cv2.threshold(img,127,255,cv2.THRESH_BINARY) 
ret,thresh2=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV) 
ret,thresh3=cv2.threshold(img,127,255,cv2.THRESH_TRUNC) 
ret,thresh4=cv2.threshold(img,127,255,cv2.THRESH_TOZERO) 
ret,thresh5=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)
titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV'] 
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]
for i in range(6): 
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray') 
    plt.title(titles[i]) 
    plt.xticks([]),plt.yticks([])
plt.show()

自适应阈值

img = cv2.imread('chess.jpg',0) # 中值滤波 img = cv2.medianBlur(img,5)
ret,th1 = cv2.threshold(img,70,255,cv2.THRESH_BINARY) 
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY,43,60) 
th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,91,50)
titles = ['Original Image', 'Global Thresholding (v = 127)', 
          'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding'] 
images = [img, th1, th2, th3]

cv2.imshow("cir", img) 
cv2.imshow("cir1", th1) 
cv2.imshow("cir2", th2) 
cv2.imshow("cir3", th3) 
cv2.waitKey(0) 
cv2.destroyAllWindows()

cv2.adaptiveThreshold用法、参数如下：

图像平滑

img = cv2.imread('cat1.jpg')
#2d卷积
kernel = np.ones((5,5),np.float32)/25
dst = cv2.filter2D(img,-1,kernel)
blur = cv2.blur(img,(5,5))#平均
blur1 = cv2.GaussianBlur(img,(5,5),0)#高斯模糊
median = cv2.medianBlur(img,5)#中值模糊
blur2 = cv2.bilateralFilter(img,9,75,75)#双边滤波

cv2.imshow("img", img) 
cv2.imshow("dst", dst) 
cv2.imshow('blur',blur)
cv2.imshow('blur1',blur1)
cv2.imshow('median',median)
cv2.imshow('blur2',blur2)
cv2.waitKey(0) 
cv2.destroyAllWindows()

 

 Canny边缘检测

img = cv2.imread('chess.jpg',0) 
edges = cv2.Canny(img,300,600)
cv2.imshow("cir", img) 
cv2.imshow("cir2", edges) 
cv2.waitKey(0) 
cv2.destroyAllWindows()

canny的参数说明和具体步骤如下：