opencv+Python影象處理進階教程學習總結記錄(一)
阿新 • • 發佈:2018-12-22
教程:2 opencv+python影象處理進階
講解老師:賈志剛
1.1 進階主要內容概述:影象卷積與應用,直方圖應用,模板匹配,影象金字塔
1.2 模糊與卷積原理
上圖顯示為一維和二維的均值卷積示例
相關Api : blur
程式碼示例
import cv2 as cv def blur_demo(): src = cv.imread("D:/javaopencv/test1.png") cv.imshow("input", src) dst = cv.blur(src, (15, 15)) cv.imshow("blur image", dst) if __name__ == "__main__": blur_demo() cv.waitKey(0) cv.destroyAllWindows()
補充,影象模糊(平滑)的作用,一般的主要目的是對影象噪聲的消除,
1.3 均值與高斯模糊
上述程式碼示例為均值模糊,
對於均值模糊,卷積核係數相同,而高斯模糊卷積核係數不同,如中間的數值最大,往兩邊走越來越小,構造一個小的高斯包。
使用的api :GaussianBlur()
示例程式碼:
import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('flower.jpg',0) #直接讀為灰度影象 for i in range(2000): #新增點噪聲 temp_x = np.random.randint(0,img.shape[0]) temp_y = np.random.randint(0,img.shape[1]) img[temp_x][temp_y] = 255 blur = cv2.GaussianBlur(img,(5,5),0) plt.subplot(1,2,1),plt.imshow(img,'gray')#預設彩色,另一種彩色bgr plt.subplot(1,2,2),plt.imshow(blur,'gray')
1.4 統計濾波器
見opencv+python影象處理進階教程學習記錄(二)