資料科學和人工智慧技術筆記四、影象預處理

資料科學 NumPy · 發表 2018-11-10 22:11:32

摘要：四、影象預處理作者： Chris Albon 譯者：飛龍協議： CC BY-NC-SA 4.0 影象二值化 # 載入庫 import cv2 import numpy as np from matplotlib import pyplot as plt ...

四、影象預處理

作者： ofollow,noindex">Chris Albon

譯者：飛龍

協議： CC BY-NC-SA 4.0

影象二值化

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image_grey = cv2.imread('images/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)

# 應用自適應閾值
max_output_value = 255
neighorhood_size = 99
subtract_from_mean = 10
image_binarized = cv2.adaptiveThreshold(image_grey, 
max_output_value, 
cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
cv2.THRESH_BINARY, 
neighorhood_size, 
subtract_from_mean)

# 展示影象
plt.imshow(image_binarized, cmap='gray'), plt.axis("off")
plt.show()

png

影象模糊

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image = cv2.imread('images/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)

# 使影象模糊
image_blurry = cv2.blur(image, (5,5))

# 展示影象
plt.imshow(image_blurry, cmap='gray'), plt.xticks([]), plt.yticks([])
plt.show()

png

影象剪裁

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image = cv2.imread('images/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)

# 選擇所有行，和前一半的列
image_cropped = image[:,:126]

# 檢視影象
plt.imshow(image_cropped, cmap='gray'), plt.axis("off")
plt.show()

png

邊緣檢測

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image_gray = cv2.imread('images/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)

# 計算強度中值
median_intensity = np.median(image_gray)

# 將閾值設為強度中值上下一個標準差
lower_threshold = int(max(0, (1.0 - 0.33) * median_intensity))
upper_threshold = int(min(255, (1.0 + 0.33) * median_intensity))

# 應用 canny 邊緣檢測
image_canny = cv2.Canny(image_gray, lower_threshold, upper_threshold)

# 展示影象
plt.imshow(image_canny, cmap='gray'), plt.axis("off")
plt.show()

png

增強彩色影象的對比度

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 載入影象
image_bgr = cv2.imread('images/plane.jpg')

# 轉換為 YUV
image_yuv = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2YUV)

# 應用直方圖均衡
image_yuv[:, :, 0] = cv2.equalizeHist(image_yuv[:, :, 0])

# 轉換為 RGB
image_rgb = cv2.cvtColor(image_yuv, cv2.COLOR_YUV2RGB)

# 展示影象
plt.imshow(image_rgb), plt.axis("off")
plt.show()

png

增強灰度影象的對比度

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image = cv2.imread('images/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)

# 增強影象
image_enhanced = cv2.equalizeHist(image)

# 展示影象
plt.imshow(image_enhanced, cmap='gray'), plt.axis("off")
plt.show()

png

Harris 角點檢測

Harris 角點檢測器是檢測兩個邊緣角點的常用方法。它尋找視窗（也稱為鄰域或補丁），其中視窗的小移動（想象搖動視窗）使視窗內的畫素內容產生大的變化。

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image_bgr = cv2.imread('images/plane_256x256.jpg')
image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)
image_gray = np.float32(image_gray)

# 設定角點檢測器的引數
block_size = 2
aperture = 29
free_parameter = 0.04

# 檢測角點
detector_responses = cv2.cornerHarris(image_gray, block_size, aperture, free_parameter)

# 大型角點標記器
detector_responses = cv2.dilate(detector_responses, None)

# 只保留大於閾值的檢測器結果，標記為白色
threshold = 0.02
image_bgr[detector_responses > threshold * detector_responses.max()] = [255,255,255]

# 轉換為灰度
image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)

# 展示影象
plt.imshow(image_gray, cmap='gray'), plt.axis("off")
plt.show()

png

安裝 OpenCV

雖然有許多好的庫，OpenCV 是最受歡迎和文件最全的影象處理庫。使用 OpenCV 的最大障礙之一就是安裝它。但是，幸運的是，我們可以使用 Anaconda 的軟體包管理器工具 conda，在我們的終端中用一行程式碼安裝 OpenCV：

conda install --channel https://conda.anaconda.org/menpo opencv3

之後，我們可以通過開啟筆記本，匯入 OpenCV 並檢查版本號（3.1.0）來檢查安裝：

# 載入庫
import cv2

# 檢視版本號
cv2.__version__

# '3.2.0'

顏色隔離

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 載入影象
image_bgr = cv2.imread('images/plane_256x256.jpg')

# 將 BGR 轉換為 HSV
image_hsv = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2HSV)

# 定義 HSV 中藍色值的範圍
lower_blue = np.array([50,100,50])
upper_blue = np.array([130,255,255])

# 建立遮罩
mask = cv2.inRange(image_hsv, lower_blue, upper_blue)

# 遮蔽影象
image_bgr_masked = cv2.bitwise_and(image_bgr, image_bgr, mask=mask)

# 將 BGR 轉換為 RGB
image_rgb = cv2.cvtColor(image_bgr_masked, cv2.COLOR_BGR2RGB)

# 展示影象
plt.imshow(image_rgb), plt.axis("off")
plt.show()

png

載入影象

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image = cv2.imread('images/plane.jpg', cv2.IMREAD_GRAYSCALE)

# 展示影象
plt.imshow(image, cmap='gray'), plt.axis("off")
plt.show()

png

# 載入彩色影象
image_bgr = cv2.imread('images/plane.jpg', cv2.IMREAD_COLOR)

# 轉換為 RGB
image_rgb = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB)

# 展示影象
plt.imshow(image_rgb), plt.axis("off")
plt.show()

png

# 展示影象資料
image

'''
array([[140, 136, 146, ..., 132, 139, 134],
[144, 136, 149, ..., 142, 124, 126],
[152, 139, 144, ..., 121, 127, 134],
..., 
[156, 146, 144, ..., 157, 154, 151],
[146, 150, 147, ..., 156, 158, 157],
[143, 138, 147, ..., 156, 157, 157]], dtype=uint8) 
'''

# 展示維度
image.shape

# (2270, 3600)

背景移除

image

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 載入影象
image_bgr = cv2.imread('images/plane_256x256.jpg')

# 轉換為 RGB
image_rgb = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB)

# 矩形值：起點 x，起點 y，寬度，高度
rectangle = (0, 56, 256, 150)

# 建立初始遮罩
mask = np.zeros(image_rgb.shape[:2], np.uint8)

# 建立用於 grabCut 的臨時陣列
bgdModel = np.zeros((1, 65), np.float64)
fgdModel = np.zeros((1, 65), np.float64)

# 執行 grabCut
cv2.grabCut(image_rgb, # 我們的影象
mask, # 遮罩
rectangle, # 我們的矩形
bgdModel, # 用於背景的臨時陣列
fgdModel, # 用於前景的臨時陣列
5, # 迭代數量
cv2.GC_INIT_WITH_RECT) # 使用我們的矩形來初始化

# 建立遮罩，其中背景設定為 0，否則為 1
mask_2 = np.where((mask==2) | (mask==0), 0, 1).astype('uint8')

# 使用新的遮罩移除多個影象的背景
image_rgb_nobg = image_rgb * mask_2[:, :, np.newaxis]

# 展示影象
plt.imshow(image_rgb_nobg), plt.axis("off")
plt.show()

png

儲存影象

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image = cv2.imread('images/plane.jpg', cv2.IMREAD_GRAYSCALE)

# 展示影象
plt.imshow(image, cmap='gray'), plt.axis("off")
plt.show()

png

# 儲存影象
cv2.imwrite('images/plane_new.jpg', image)

# True

影象銳化

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為灰度
image = cv2.imread('images/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)

# 建立核
kernel = np.array([[0, -1, 0], 
[-1, 5,-1], 
[0, -1, 0]])

# 銳化影象
image_sharp = cv2.filter2D(image, -1, kernel)

# 展示影象
plt.imshow(image_sharp, cmap='gray'), plt.axis("off")
plt.show()

png

Shi-Tomasi 角點檢測

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 載入影象
image_bgr = cv2.imread('images/plane_256x256.jpg')
image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)

# 要檢測的角點數量
corners_to_detect = 10
minimum_quality_score = 0.05
minimum_distance = 25

# 檢測角點
corners = cv2.goodFeaturesToTrack(image_gray, 
corners_to_detect, 
minimum_quality_score,
minimum_distance)
corners = np.float32(corners)

# 在每個角點上繪製白色圓圈
for corner in corners:
x, y = corner[0]
cv2.circle(image_bgr, (x,y), 10, (255,255,255), -1)

# 轉換為灰度
image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)

# 展示影象
plt.imshow(image_gray, cmap='gray'), plt.axis("off")
plt.show()

png

使用顏色均值作為特徵

# 載入庫
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 將影象載入為 BGR
image_bgr = cv2.imread('images/plane_256x256.jpg', cv2.IMREAD_COLOR)

# 計算每個通道的均值
channels = cv2.mean(image_bgr)

# 交換藍色和紅色值（使其變成 RGB 而不是 BGR）
observation = np.array([(channels[2], channels[1], channels[0])])

# 展示通道的均值
observation

# array([[90.53204346,133.11735535,169.03074646]]) 

# 展示影象
plt.imshow(observation), plt.axis("off")
plt.show()

png

資料科學和人工智慧技術筆記 四、影象預處理