- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章python opencv图像处理基本操作示例详解由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
该函数中,name是显示窗口的名字,可输入任意字符串,img就是读取的图片矩阵.
waitKey()意思是图片停留的时间,若设为0,则会一直保留直到关闭图片.
使用VideoCapture方法读取视频,若可以成功读取,则vc.read()返回的第一个参数就是True,否则为False。返回的第二个参数frame就是读取的视频图片。此时只能读取一张.
该函数可以将读取的图片按照设定的速度依次展示,cv.waitKey中的数值越小,展示的速度越快.
gray处只是把图片设置成了灰度图像,直接用frame展示也可以,就是原图。最后的0xFF==27就是ESC键,按下这个键就会退出.
因为图像读取的是矩阵,因此使用矩阵的截取方法即可.
CV读取图像的时候,彩色是BGR而非RBG,使用split以及merge方法进行提取和还原.
通过将其他通道设置为0,即可展示只保留某一颜色通道的图像.
指定大小后,有不同的填充方法,通过borderType来进行设置.
若通过矩阵计算方式直接相加,则当结果超过255的时候,会进行取余操作.
若通过cv.add方法,则超过255的会全部截断为255 。
图像尺寸的修改:cv.resize(图像矩阵,尺寸长宽元组) 。
通过cv.addWeighted对图像进行融合,参数分别为:第一张图,权值,第二张图,权值,微调的度。给的权值相当于对图像取了个透明度。两张图会直接重叠在一起.
。
通过cv.threshold对图像进行阈值处理,上面的代码中,127就是阈值,255是最大值。后面是处理的方法,比如BINARY是处理为0和1,即显示的图片只有黑和白。加上INV就是反转过来,也就是白和黑.
blur方法,传入的第一个参数是图像,第二个是核大小。 也就是以多大的范围去处理图像,比如3*3或者5*5等.
对lena图像通过以上的滤波方式进行滤波,发现中值滤波的效果最好,因为中值滤波会直接舍弃掉噪音,而其他的滤波方式都是需要考虑噪音在内,并进行计算的.
。
kernel依旧是核,跟上面的一样,代表处理的范围大小。erode方法中的参数分别为:待处理的图像,核,迭代次数。每一次迭代都会侵蚀掉一部分图像。因此如果有细的毛刺会直接被侵蚀掉,粗的线条会变细。迭代次数越多,侵蚀的部分越大.
该操作相当于腐蚀操作的逆操作。会把原来的内容扩展。如果原来的图就带毛刺,膨胀后毛刺会变大.
开闭运算其实就是膨胀和腐蚀运算的结合,有一个先后顺序,如上图。都是通过morphologyEx方法来实现的,改变其中的参数即可.
。
梯度就是膨胀-腐蚀所得到的边界。依旧是morphologyEx方法来实现.
礼帽 = 原始输入-开运算结果 。
黑帽 = 闭运算-原始输入 。
其实就是把上面两种运算包装成了函数 。
三种算子:Sobel, Scharr, Laplacian 。
上面代码中Sobel算子和Scharr算子输入的参数为:待处理的图片,图像深度(通常指定为-1就可以),x方向,y方向 。
因此若只指定x为1,其实是计算了一半。需要把数值修改为绝对值,并计算y=1,x=0的情况下的另一半,两者融合起来,才会是完整的处理.
Scharr算子:把左右数值变大,结果更明显.
Laplacian算子:对变化更敏感,对噪音点也敏感。通常不单独使用拉普拉斯算子。原理是中心点和周围点比较,不需要输入x和y.
。
流程:
1.使用高斯滤波器,平滑图像,滤除噪声 2.计算图像中每个像素点的梯度强度和方向 3.应用非极大值抑制,以消除边缘检测带来的杂散效应 4.应用双阈值检测来确定真实的和潜在的边缘 5.通过抑制孤立的弱边缘完成最终的边缘检测 。
以上是两种边缘检测的对比,结果如下 。
该方法会设置两个阈值,大于高阈值的地方保留,低于低阈值的地方舍弃,在高低之间的地方,若和保留的地方有链接则保留,否则舍弃.
可以看出,阈值设定的高的时候,细节变少。低的时候,细节变多.
以上就是python opencv图像处理基本操作示例详解的详细内容,更多关于python opencv图像处理的资料请关注我其它相关文章! 。
原文链接:https://blog.csdn.net/Swayzzu/article/details/120843280 。
最后此篇关于python opencv图像处理基本操作示例详解的文章就讲到这里了,如果你想了解更多关于python opencv图像处理基本操作示例详解的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!