数字图像处理（二）：图像基本操作

介绍二值图、灰度图、RGB彩色图

• 二值图只有2种取值
• 灰度图有8位，即0-255种取值。0代表黑色，255代表白色
  • 二维矩阵
• RGB中R、G、B通道各有8位，即各有0-255种取值
  • 三维矩阵

图像通道分离与合并

• 通道分离b, g, r = cv2.split(img)
  • 生成的通道顺序为b，g，r三通道
  • 注意返回值数量和顺序
• 通道合并img2 = cv2.merge([b, g, r])
  • 输入的通道顺序为b，g，r
  • 注意输入通道顺序，后续工程中容易出错

灰度图和二值图转换

• 彩色图转灰度图

  • 函数 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  • 单通道加权融合
    • gray = 1/3*b + 1/3*g + 1/3*r 此时生成的数据为浮点型，需要将其转换为uint8进行图片显示
    • np.uint8(gray) 可以
    • gray.astype(np.uint8) 可以

• 图像二值化

  • 自定义阈值进行二值化处理

    //将灰度图中大于阈值的赋值255，小于阈值的赋值0，形成二值图像
    
    thresh = 125
    gray[gray > thresh] = 255
    gray[gray <= thresh] = 0
    

  • 函数_, img_bin = cv2.threshold(img_gray, th1, th2, cv2.THRESH_BINARY)

    • 参数解释：将img_gray中大于阈值th1的数字，修改为阈值th2
      • cv2.threshold(img_gray, 125, 255, cv2.THRESH_BINARY) —> 代表将img_gray中大于125的像素值赋值为255
    • 注意该函数中的返回值为两个，第二个是灰度图

两图像的加减乘除

• 相加：混合图像、添加噪声

• 相减：消除背景、差影法（比较差异、运动跟踪）

• 相乘：掩膜（mask）

• 相除：校正设备、比较差异

  • 如果两幅图相同，那么相除之后存在差异的地方结果不等于1，从而得到差异位置

• 进行加减乘除实验

  • 所用图片：obj、bg、mask、noise（从左往右）

    

  • 相加：

    • 直接相加：img1*0.5+img2*0.5

    • 函数1：cv2.add(img1*0.5, img2*0.5)

      • 小技巧：两幅图片赋值权重相加应等于1，此时可令相加后的图片最大值仍为255。也就是$255\ast 0.5+255\ast 0.5=255$.

    

    • 函数2：cv2.addWeight(img1, alpha, img2, beta, gamma)

      • 此时相加图片的某点$P_i$像素值如下所示，其中$P{1}_i、P{2}_i$代表图片1和图片2在点i处的像素值
        $$P_i=P{1}_i\ast \alpha +P{2}_i\ast \beta +\gamma$$

      • 结果与上相同，不做展示

    • 两个函数的区别：

      • cv2.add生成的图片子类型为float64
      • cv2.addWeight生成的图片子类型为uint8

  • 相减

    • 直接相减：img1-img2
    • 函数：cv2.subtract(img1, img2)

  • 相乘

    • 直接相乘：img1*img2
    • 函数：cv2.multiply(img1, img2)

  • 相除（基本不用，乘以一个数的倒数也可以）

    • 直接相除：img1/(img2+1)
      • 为了避免在相除过程中出现图像像素为0的情况，所以一般都采用+1的方法
    • 函数：cv2.divide(img1, img2)
      相除：img1/(img2+1)
      • 为了避免在相除过程中出现图像像素为0的情况，所以一般都采用+1的方法
    • 函数：cv2.divide(img1, img2)
      • 不加1也可以

图片的线性变换和非线性变换：对像素值进行运算

• 线性变换

  • 直接变换：

    b = 20
    k = 2
    
    //第一种应对像素值超出范围的方法
    img = b + k * img1.astype(np.int32)  //当进行线性变换时像素值可能会超出255，所以像素值的类型定义为np.int32,以此承载更大的值
    show(img)    //显示图片正常
    
    //第二种
    img = b + k * img1
    np.clip(img, 0, 255)  //利用该函数将大于255的，等于255；小于0的，等于0
    show(img)   //显示图片正常
    

  • 函数：cv2.convertScaleAbs(img, alpha=2, beta=20)

    • 效果：$img\ast \alpha +\beta$
    • 使用函数不必担心像素超出范围

• 非线性变换

  • 直接变换：与上相同
  • 挑选平方的非线性变换：np.power(img, 0.5) 代表将所有的像素值均开方

图片融合

• 要用到的图片：花、刺猬、掩膜；目标：将刺猬放到花的中间

  

• 思路将花的中间扣掉，将刺猬的中间保存，之后相加

  flower = flower * (1 - Mask)  //掩膜翻转，保留边缘
  hedgehog = hedgehog * Mask    //保留中心
  nice = flower * 0.8 + hedgehog   //融合边缘过渡平滑，所以将背景花*0.8