opencv学习笔记2

1.数值计算

(img_cat + img_cat2) [ :5, :, 0]-----------np的+，超出255取超出部分
cv2.add(img_cat,img_cat2) [:5,:,0]---------与np的+不同，超出255就取255

2.图像融合

1. 融合两张图的前提是尺寸一致
2. cv2.resize(img, (新img的宽, 高))#shape输出的是高和宽反过来
3. cv2.addWeighted 就相当于α * X1 + β * X2 + b，α=0.4，β=0.6，分别是两张图片的权重，以这样的形式融合
4. res = cv2.addWeighted(img_cat,0.4,img_dag,0.6,0)#融合，cat0.4，dog0.6，亮度为0
5. res = cv2.resize(img,(0,0),fx=3,fy=1)#宽是原来的三倍，高不变

3.图像处理

3.1图像阈值

ret, dst = cv2.threshold(src, thresh, maxval, type)
src： 输入图，只能输入单通道图像，通常来说为灰度图
thresh：一般取127和255
maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
type：二值化操作的类型，包含以下5种类型：
cv2.THRESH_BINARY 超过阈值部分取maxval（最大值127或255，否则取0
cv2.THRESH_BINARY_INV THRESH_BINARY的反转
cv2.THRESH_TRUNC 大于阈值部分设为阈值（127或255），否则不变
cv2.THRESH_TOZERO 大于阈值部分不改变，否则设为0
cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转
return返回值
dst： 输出图
thresh： 阈值

*3.2图像滤波（平滑

黑点叫椒噪音，白的叫盐噪音，都有叫椒盐
cv2.blur # 均值滤波：简单的平均卷积操作
cv2.boxFilter # 方框滤波：基本和均值一样，可以选择归一化
cv2.GaussianBlur # 高斯滤波：高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
cv2.medianBlur # 中值滤波：相当于用中值代替
————————————————
版权声明：本文为CSDN博主「华尔街的幻觉」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sinat_29950703/article/details/107651267

越界相当于大于255取255
vsyack：竖的拼接
hstack:横的拼接

3.3形态学

1. 腐蚀与膨胀
   cv2.erode() 和 cv2.dilate()
   腐蚀=变瘦，膨胀=变胖
   迭代次数越多 和 kernel越大 效果越明显

import cv2
import numpy as np
img = cv2.imread('dige.png')
kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)  # 迭代次数越多 和 kernel越大 效果越明显
dilate = cv2.dilate(img,kernel,iterations = 1)

res = np.hstack((img,erosion,dilate))
cv_show('dige and erode and dilate',res)

2. 开运算&闭运算
   开：先腐蚀，再膨胀
   闭：先膨胀，再腐蚀
3. 梯度运算
   梯度 = 膨胀-腐蚀
   多出来的白边 减去 减少的白边，即计算一个轮廓出来
4. 礼帽&黑帽
   礼帽 = 原始输入 - 开运算结果 （原图 - 没刺的 = 剩下刺）
   黑帽 = 闭运算 - 原始输入 （字和刺胖了的 - 原图 = 胖的边缘部分）

4.图像梯度–Scharr算子和Sobel算子的用法相同，Laplacian算子就不存在x y了

1.Sobel算子：分X和Y轴
cv2.Sobel(src, ddepth, dx, dy, ksize) 进行sobel算子计算
参数说明：src表示当前图片，ddepth表示图片深度，这里使用cv2.CV_64F使得结果可以是负值， dx表示x轴方向，dy表示y轴方向, ksize表示移动方框的大小
cv2.convertScalerAbs(src) 取绝对值

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)# 1,0: 表示只算水平的，不算竖直的

#分别计算x和y,再求和,融合的较好，不建议直接计算
2.Scharr算子
用法基本相同，Scharr算子比Sobel算子更敏感，捕获更多细节，更丰富
3.Laplacian算子

laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)   

今天的学习就到这啦！