Python-OpenCV 处理图像(六)(七)(八):对象识别 图像灰度化处理 图像二值化处理
2016-05-04 18:59
1856 查看
为了加快处理速度,在图像处理算法中,往往需要把彩色图像转换为灰度图像。
0x00. 灰度图
灰度数字图像是每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。
在RGB模型中,如果
R=G=B时,则彩色表示一种灰度颜色,其中
R=G=B的值叫灰度值。
0x01. 灰度化的方法
1. 分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种灰度图像。F1(i,j) = R(i,j)
F2(i,j) = G(i,j)
F3(i,j) = B(i,j)
代码示例:
import cv2.cv as cv image = cv.LoadImage('mao.jpg') b = cv.CreateImage(cv.GetSize(image), image.depth, 1) g = cv.CloneImage(b) r = cv.CloneImage(b) cv.Split(image, b, g, r, None) cv.ShowImage('a_window', r) cv.WaitKey(0)
2. 最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。F(i,j) = max(R(i,j), G(i,j), B(i,j))
代码示例:
image = cv.LoadImage('mao.jpg') new = cv.CreateImage(cv.GetSize(image), image.depth, 1) for i in range(image.height): for j in range(image.width): new[i,j] = max(image[i,j][0], image[i,j][1], image[i,j][2]) cv.ShowImage('a_window', new) cv.WaitKey(0)
3.平均值法
将彩色图像中的三分量亮度求平均得到一个灰度值。F(i,j) = (R(i,j) + G(i,j) + B(i,j)) / 3
代码示例:
image = cv.LoadImage('mao.jpg') new = cv.CreateImage(cv.GetSize(image), image.depth, 1) for i in range(image.height): for j in range(image.width): new[i,j] = (image[i,j][0] + image[i,j][1] + image[i,j][2])/3 cv.ShowImage('a_window', new) cv.WaitKey(0)
4.加权平均法
根据重要性及其它指标,将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,按下式对RGB三分量进行加权平均能得到较合理的灰度图像。F(i,j) = 0.30R(i,j) + 0.59G(i,j) + 0.11B(i,j))
代码示例:
image = cv.LoadImage('mao.jpg') new = cv.CreateImage(cv.GetSize(image), image.depth, 1) for i in range(image.height): for j in range(image.width): new[i,j] = 0.3 * image[i,j][0] + 0.59 * image[i,j][1] + 0.11 * image[i,j][2] cv.ShowImage('a_window', new) cv.WaitKey(0)
上面的公式可以看出绿色(G 分量)所占的比重比较大,所以有时候也会直接取G 分量进行灰度化。
代码示例:
image = cv.LoadImage('mao.jpg') new = cv.CreateImage(cv.GetSize(image), image.depth, 1) for i in range(image.height): for j in range(image.width): new[i,j] = image[i,j][1] cv.ShowImage('a_window', new) cv.WaitKey(0)
—————————————傲娇的分割线———————————————
0x00. 特征识别
这里主要用到两个函数:GoodFeaturesToTrack和
extractSURF
GoodFeaturesToTrack: 在图像中寻找具有大特征值的角点。
SURF算法: 是一个稳健的图像识别和描述算法。
总之这俩个我目前也不清楚能用来干嘛,以后用到了在更新吧。
import cv2.cv as cv import math im = cv.LoadImage("img/church.png", cv.CV_LOAD_IMAGE_GRAYSCALE) im2 = cv.CloneImage(im) # Goodfeatureto track algorithm eigImage = cv.CreateMat(im.height, im.width, cv.IPL_DEPTH_32F) tempImage = cv.CloneMat(eigImage) cornerCount = 500 quality = 0.01 minDistance = 10 corners = cv.GoodFeaturesToTrack(im, eigImage, tempImage, cornerCount, quality, minDistance) radius = 3 thickness = 2 for (x,y) in corners: cv.Circle(im, (int(x),int(y)), radius, (255,255,255), thickness) cv.ShowImage("GoodfeaturesToTrack", im) #SURF algorithm hessthresh = 1500 # 400 500 dsize = 0 # 1 layers = 1 # 3 10 keypoints, descriptors = cv.ExtractSURF(im2, None, cv.CreateMemStorage(), (dsize, hessthresh, 3, layers)) for ((x, y), laplacian, size, dir, hessian) in keypoints: cv.Circle(im2, (int(x),int(y)), cv.Round(size/2), (255,255,255), 1) x2 = x+((size/2)*math.cos(dir)) y2 = y+((size/2)*math.sin(dir)) cv.Line(im2, (int(x),int(y)), (int(x2),int(y2)), (255,255,255), 1) cv.ShowImage("SURF ", im2) cv.WaitKey(0)
0x01. 人脸识别
可以使用 OpenCV 训练好的级联分类器来识别图像中的人脸,当然还有很多其他的分类器:例如表情识别,鼻子等,具体可在这里下载:OpenCV分类器
具体使用代码:
#import library - MUST use cv2 if using opencv_traincascade import cv2 # rectangle color and stroke color = (0,0,255) # reverse of RGB (B,G,R) - weird strokeWeight = 1 # thickness of outline # set window name windowName = "Object Detection" # load an image to search for faces img = cv2.imread("mao.jpg") # load detection file (various files for different views and uses) cascade = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml") # preprocessing, as suggested by: http://www.bytefish.de/wiki/opencv/object_detection # img_copy = cv2.resize(img, (img.shape[1]/2, img.shape[0]/2)) # gray = cv2.cvtColor(img_copy, cv2.COLOR_BGR2GRAY) # gray = cv2.equalizeHist(gray) # detect objects, return as list rects = cascade.detectMultiScale(img) # display until escape key is hit while True: # get a list of rectangles for x,y, width,height in rects: cv2.rectangle(img, (x,y), (x+width, y+height), color, strokeWeight) # display! cv2.imshow(windowName, img) # escape key (ASCII 27) closes window if cv2.waitKey(20) == 27: break # if esc key is hit, quit! exit()
效果:
——————————————————卖萌的分割线——————————————————
0x00. 图像二值化
图像二值化就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。
0x01. 图像二值化处理
在将图像二值化之前需要将其先灰度化,示例代码:import cv2.cv as cv image = cv.LoadImage('mao.jpg') new = cv.CreateImage(cv.GetSize(image), image.depth, 1) for i in range(image.height): for j in range(image.width): new[i,j] = max(image[i,j][0], image[i,j][1], image[i,j][2]) cv.Threshold(new, new, 10, 255, cv.CV_THRESH_BINARY_INV) cv.ShowImage('a_window', new) cv.WaitKey(0)
0x02. cv.Threshold
cv.Threshold(src, dst, threshold, maxValue, thresholdType)
函数 cvThreshold 对单通道数组应用固定阈值操作。
该函数的典型应用是对灰度图像进行阈值操作得到二值图像。
参数说明:
src:原始数组 (单通道 , 8-bit of 32-bit 浮点数)。 dst:输出数组,必须与 src 的类型一致,或者为 8-bit。 threshold:阈值 maxValue:使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。 threshold_type:阈值类型 threshold_type=CV_THRESH_BINARY: 如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,dst(x,y)=0; threshold_type=CV_THRESH_BINARY_INV: 如果 src(x,y)>threshold,dst(x,y) = 0; 否则,dst(x,y) = max_value. threshold_type=CV_THRESH_TRUNC: 如果 src(x,y)>threshold,dst(x,y) = max_value; 否则dst(x,y) = src(x,y). threshold_type=CV_THRESH_TOZERO: 如果src(x,y)>threshold,dst(x,y) = src(x,y) ; 否则 dst(x,y) = 0. threshold_type=CV_THRESH_TOZERO_INV:如果 src(x,y)>threshold,dst(x,y) = 0 ; 否则dst(x,y) = src(x,y).
from: https://segmentfault.com/a/1190000003755089 https://segmentfault.com/a/1190000003755100 https://segmentfault.com/a/1190000003755115
相关文章推荐
- Python-OpenCV 处理图像(四)(五):图像直方图和反向投影 图像中边界和轮廓检测
- python中list去重复
- Python-OpenCV 处理图像(二)(三):滤镜和图像运算 图像像素点操作
- Mac 下安装 Python-OpenCV Python-OpenCV 处理图像(一):基本操作
- Python-OpenCV 图像与视频处理
- python PIL图片处理模块实例
- Python-OpenCV 杂项(二)(三): 鼠标事件、 程序性能的检测和优化
- Python-OpenCV 杂项(一):图像绘制
- python csv模块使用实例
- Python中__init__和__new__的区别详解
- python log模块使用实例
- 我为什么要学习python
- Python格式化输出%s和%d
- 提高你的Python: 解释yield’和Generators(生成器)
- TLS 与 python thread local
- python实时监控访问日志
- [翻译]Spark编程指南(Python版)
- python 下载文件
- python 学习笔记6(数据库 sqlite)
- python 安装模块报错总结