楷体|方框_人工智能关于CV的这些简单操作你真的都会了吗？

篇首语：本文由编程笔记#小编为大家整理，主要介绍了人工智能-关于CV的这些简单操作你真的都会了吗？相关的知识，希望对你有一定的参考价值。

&＃x1f389;作者简介&＃xff1a;&＃x1f453;目前在读计算机研究生。主要研究方向是人工智能和群智能算法方向。目前熟悉python网页爬虫、机器学习、计算机视觉&＃xff08;OpenCV&＃xff09;、群智能算法。然后正在学习深度学习的相关内容。以后可能会涉及到网络安全相关领域&＃xff0c;毕竟这是每一个学习计算机的梦想嘛&＃xff01;&＃x1f453;
&＃x1f4dd;目前更新&＃xff1a;&＃x1f3af;目前已经更新了关于网络爬虫得相关系列、机器学习得相关知识、目前正在更新计算机视觉-OpenCV&＃xff0c;后续将继续更新其他知识。&＃x1f3af;
&＃x1f4c3;个人主页&＃xff1a;吃猫的鱼python个人主页
&＃x1f50e;支持&＃xff1a;如果觉得博主的文章还不错或者您用得到的话&＃xff0c;可以免费的关注一下博主&＃xff0c;如果三连收藏支持就更好啦&＃xff01;&＃x1f381;这就是给予我最大的支持&＃xff01;&＃x1f381;
&＃x1f49b;本文摘要&＃x1f49b;&＃xff1a;

本文我们将继续讲解相关计算机视觉的相关知识。具体包括以下几个内容。 &＃x1f316;1.阈值分割基础理论知识 &＃x1f316;2.阈值处理代码和实现 &＃x1f316;3.图像平滑-包括均值滤波、方框滤波、高斯滤波、中值滤波和卷积

文章目录

• • ⛅️前言
  • ⛅️阈值分割基础理论知识
  • ⛅️阈值处理代码及实现讲解
  • ⛅️图像平滑概念及具体知识
  • • &＃x1f38d;均值滤波
    • &＃x1f38d;方框滤波
    • &＃x1f38d;高斯滤波
    • &＃x1f38d;中值滤波
    • &＃x1f38d;卷积
    
    
  
  

⛅️前言

⛅️阈值分割基础理论知识

阈值分割得六种形态图&＃xff1a;

&＃x1f389;1.第一种为原始图像像素值分布图。
&＃x1f389;2.二进制阈值化&＃xff1a;假设我们设定阈值为189&＃xff0c;如果大于189得像素值那么我们就把该像素值设置为最大值&＃xff0c;也就是255。如果低于189得像素值&＃xff0c;那么我们就设置该像素值为0。

&＃x1f389;3.反二进制阈值化&＃xff1a;根据意思我们就可以知道和二进制阈值化相反&＃xff0c;那么就说明如果我们设定阈值为189&＃xff0c;那么大于189得像素值就是0&＃xff0c;如果低于189得像素值&＃xff0c;那么就设定像素值为255.

&＃x1f389;4.截断阈值化&＃xff1a;假设我们设定阈值时127&＃xff0c;那么如果像素值大于127&＃xff0c;那么我们直接设定像素值为127&＃xff0c;如果低于127&＃xff0c;那么就保持像素值不变。

&＃x1f389;5.反阈值化为0&＃xff1a;假如我们设定阈值为127&＃xff0c;那么如果像素大于127&＃xff0c;那么我们将新的像素值设定为0&＃xff0c;如果低于127&＃xff0c;那么我们将保留原始得像素值。

&＃x1f389;6.阈值化为0&＃xff1a;假设我们依旧设定阈值为127&＃xff0c;那么如果像素值高于127&＃xff0c;那么我们保持不变&＃xff0c;如果低于127&＃xff0c;那么我们设定新的像素值为0.

⛅️阈值处理代码及实现讲解

阈值处理函数&＃xff1a;
&＃x1f52e;函数threshold

retval, dst&＃61;cv2.threshold(src, thresh, maxval, type)


&＃x1f52e;二进制阈值化代码&＃xff1a;
核心代码&＃xff1a;cv2.THRESH_BINARY

import cv2
a&＃61;cv2.imread("image\\\\lena512.bmp",cv2.IMREAD_UNCHANGED)
r,b&＃61;cv2.threshold(a,127,255,cv2.THRESH_BINARY)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.waitKey()
cv2.destroyAllWindows()


以lena为例子&＃xff0c;处理结果是&＃xff1a;

可以看出来&＃xff0c;将原来的灰度图像处理成了只有0和最大值255的图像&＃xff0c;可以说处理成了二值图像。
&＃x1f52e;反二进制阈值化代码&＃xff1a;
核心代码&＃xff1a;cv2.THRESH_BINARY_INV

import cv2
a&＃61;cv2.imread("image\\\\lena512.bmp",cv2.IMREAD_UNCHANGED)
r,b&＃61;cv2.threshold(a,127,255,cv2.THRESH_BINARY_INV)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.waitKey()
cv2.destroyAllWindows()


这里只需要改动一个位置就可以&＃xff0c;那么处理结果为&＃xff1a;

就是和原来的二进制阈值化相反处理。
&＃x1f52e;截断阈值化&＃xff1a;
核心代码&＃xff1a;cv2.THRESH_TRUNC

import cv2
a&＃61;cv2.imread("image\\\\lena512.bmp",cv2.IMREAD_UNCHANGED)
r,b&＃61;cv2.threshold(a,127,255,cv2.THRESH_TRUNC)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.waitKey()
cv2.destroyAllWindows()


处理结果&＃xff1a;

也就是说将图像的明亮部分都处理在阈值以下。
&＃x1f52e;反阈值化为0代码&＃xff1a;
核心代码&＃xff1a;cv2.THRESH_TOZERO_INV

port cv2
a&＃61;cv2.imread("image\\\\lena512.bmp",cv2.IMREAD_UNCHANGED)
r,b&＃61;cv2.threshold(a,127,255,cv2.THRESH_TOZERO_INV)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.waitKey()
cv2.destroyAllWindows()


处理结果是&＃xff1a;

将所有亮的地方都处理为黑色。也就是说高于阈值的地方都处理呈黑色。

&＃x1f52e;阈值化为0代码&＃xff1a;
核心代码&＃xff1a;cv2.THRESH_TOZERO

import cv2
a&＃61;cv2.imread("image\\\\lena512.bmp",cv2.IMREAD_UNCHANGED)
r,b&＃61;cv2.threshold(a,127,255,cv2.THRESH_TOZERO)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.waitKey()
cv2.destroyAllWindows()


将低于阈值部分都处理成黑色&＃xff0c;其他不变。

⛅️图像平滑概念及具体知识

&＃x1f38d;均值滤波

首先我们来看一下一个图像的区域像素值分布&＃xff1a;


然后我们来看中间区域的红色部分为例子进行均值滤波处理计算&＃xff1a;
红色点的像素新值&＃61;蓝色背景区域像素值之和除25
红色点的像素新值&＃61;
((197&＃43;25&＃43;106&＃43;156&＃43;159)&＃43;(149&＃43;40&＃43;107&＃43;5&＃43;71)&＃43;
(163&＃43;198&＃43;226&＃43;223&＃43;156)&＃43;(222&＃43;37&＃43;68&＃43;193&＃43;157)&＃43;
(42&＃43;72&＃43;250&＃43;41&＃43;75))/25

针对原始图像内的像素点&＃xff0c;逐个采用核进行处理&＃xff0c;得到结果图像。也就是说每一个像素点都进行这个操作。那么有什么用呢&＃xff1f;作用就是可以把尖锐的像素点的值给模糊掉然我们来看例子
函数结果&＃xff1a;处理结果&＃61;cv2.blur(原始图像&＃xff0c;核大小)
核大小&＃xff1a;以&＃xff08;宽度&＃xff0c;高度&＃xff09;形式表示的元组

import cv2
o&＃61;cv2.imread("image\\\\lenaNoise.png")
r&＃61;cv2.blur(o,(5,5))
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()


专业一点来讲就是可以除噪&＃xff1a;

&＃x1f38d;方框滤波

⚽️方框滤波代码部分
normalize&＃61;1就表示进行归一化处理&＃xff0c;和不设置一样&＃xff0c;也就是说默认就是进行归一化处理。如果设置为0&＃xff0c;就表示不进行归一化处理。代码分别是&＃xff1a;

import cv2
o&＃61;cv2.imread("image\\\\lenaNoise.png")
r&＃61;cv2.boxFilter(o,-1,(5,5),normalize&＃61;1)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()


import cv2
o&＃61;cv2.imread("image\\\\lenaNoise.png")
r&＃61;cv2.boxFilter(o,-1,(5,5),normalize&＃61;0)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()


对应结果分别是&＃xff1a;


不进行归一化处理如果5×5的值相加很容易超过255&＃xff0c;那么我们就都变成了255的像素值&＃xff0c;也就都是白色了。
那么如果我们设置核函数为2×2呢&＃xff0c;让核函数小一点。那么对应的结果为&＃xff1a;

这样滤波后的结果就不都是255了&＃xff0c;就变成了有的地方的像素值是小于255的。但是像素值都比之前要高很多。

&＃x1f38d;高斯滤波

其中&＃xff1a;
&＃x1f3b4;src为原始图像
&＃x1f3b4;ksize核函数的大小&＃xff0c;这里需要注意&＃xff0c;就是设置的核函数的大小必须为奇数大小
&＃x1f3b4;sigmaX表示高斯滤波函数X方向的方差&＃xff0c;这里表示成水平方向的规律就好了。用来控制权重。
sigmaX&＃61;0时&＃xff1a; sigma &＃61; 0.3((ksize-1)0.5 - 1) &＃43; 0.8

&＃x1f3b4;高斯滤波对应代码&＃xff1a;

import cv2
o&＃61;cv2.imread("image\\\\lenaNoise.png")
r&＃61;cv2.GaussianBlur(o,(3,3),0)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()


这里可以看出&＃xff0c;使用高斯滤波可以完成去噪的功能&＃xff0c;但是他是缓和的去噪&＃xff0c;根据他的原理我们就可以知道。

&＃x1f38d;中值滤波

其中src表示原始图像&＃xff0c;ksize表示核函数的大小。同样这里的核函数的大小必须是奇数。且不是原则&＃xff0c;直接写数字就可以&＃xff0c;比如3就表示3*3

&＃x1f451;中值滤波代码部分

import cv2
o&＃61;cv2.imread("image\\\\lenaNoise.png")
r&＃61;cv2.medianBlur(o,3)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()


这里去噪最为完美因为很明显的就把很高的像素点都去掉了&＃xff01;&＃xff01;&＃xff01;

&＃x1f38d;卷积

&＃x1f37c;2D卷积核心函数&＃xff1a;
卷积核函数&＃xff1a;kernel &＃61; np.ones((5,5),np.float32)/25
设置的是5*5的卷积核。如图&＃xff1a;

&＃x1f37c;2D卷积核心函数&＃xff1a;r&＃61;cv2.filter2D( o , -1 ,f )
-1表示图像深度和原图像一致&＃xff0c;最后一个f表示卷积核的意思。
&＃x1f37c;代码部分&＃xff1a;

import cv2
import numpy as np
o&＃61;cv2.imread("image\\lenacolor.png")
f&＃61;np.ones((5,5),np.float32)/25
r&＃61;cv2.filter2D(o,-1,f)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()


所以我们可以通过原理得到如果卷积核设置的越大&＃xff0c;那么图像就会越模糊。

import cv2
import numpy as np
o&＃61;cv2.imread("image\\lenacolor.png")
f&＃61;np.ones((10,10),np.float32)/100
r&＃61;cv2.filter2D(o,-1,f)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()


&＃x1f4d2;文章适合于所有的相关人士进行学习&＃x1f4d2;
&＃x1f4d2;各位看官看完了之后不要立刻转身呀&＃x1f4d2;
&＃x1f4d2;期待三连关注小小博主加收藏&＃x1f4d2;
&＃x1f4d2;小小博主回关快 会给你意想不到的惊喜呀&＃x1f4d2;
各位老板动动小手给小弟点赞收藏一下&＃xff0c;多多支持是我更新得动力&＃xff01;&＃xff01;&＃xff01;