欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python?OpenCV實現(xiàn)圖片預處理的方法詳解

 更新時間：2022年09月28日 14:16:39   作者：錦鯉AI幸運  
這篇文章主要為大家詳細介紹了Python?OpenCV實現(xiàn)圖片預處理的方法，文中的示例代碼講解詳細，具有一定的借鑒價值，感興趣的可以了解一下

一、圖片預處理

1.1 邊界填充(padding)

方法 : cv2.copyMakeBorder

BORDER_REPLICATE：復制法，也就是復制最邊緣像素。

BORDER_REFLECT：反射法，對感興趣的圖像中的像素在兩邊進行復制例如：fedcba|abcdefgh|hgfedcb

BORDER_REFLECT_101：反射法，也就是以最邊緣像素為軸，對稱，gfedcb|abcdefgh|gfedcba

BORDER_WRAP：外包裝法cdefgh|abcdefgh|abcdefg

BORDER_CONSTANT：常量法，常數(shù)值填充。

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('cat.png')
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)

top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)

replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_CONSTANT, value=0)

plt.subplot(231), plt.imshow(img, 'gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')

plt.show()

其效果如下:

cat.png原圖下載：

dog.png原圖下載:

1.2 融合圖片(mixup)

方法 : cv2.addWeighted(src1, alpha, src2, beta, gamma)

  • src1, src2：需要融合相加的兩副大小和通道數(shù)相等的圖像
  • alpha：src1的權重
  • beta：src2的權重
  • gamma：gamma修正系數(shù)，不需要修正設置為0
import cv2
import matplotlib.pyplot as plt

img_cat = cv2.imread('cat.png')
img_cat = cv2.cvtColor(img_cat, cv2.COLOR_RGB2BGR)
cat_shape = [img_cat.shape[1], img_cat.shape[0]]  # 因為cv2讀取通道數(shù)是最后一位

img_dog = cv2.imread('dog.png')
img_dog = cv2.cvtColor(img_dog, cv2.COLOR_RGB2BGR)
img_dog = cv2.resize(img_dog, cat_shape)

mixup = cv2.addWeighted(img_cat, 0.55, img_dog, 0.45, 0)

plt.imshow(mixup)
plt.show()

其效果如下:

1.3 圖像閾值

ret, dst = cv2.threshold(src, thresh, maxval, type)

  • src： 輸入圖，只能輸入單通道圖像，通常來說為灰度圖
  • dst： 輸出圖
  • thresh： 閾值
  • maxval： 當像素值超過了閾值（或者小于閾值，根據(jù)type來決定），所賦予的值
  • type：二值化操作的類型，包含以下5種類型：
  • cv2.THRESH_BINARY 超過閾值部分取maxval（最大值），否則取0
  • cv2.THRESH_BINARY_INV THRESH_BINARY的反轉
  • cv2.THRESH_TRUNC 大于閾值部分設為閾值，否則不變
  • cv2.THRESH_TOZERO 大于閾值部分不改變，否則設為0
  • cv2.THRESH_TOZERO_INV THRESH_TOZERO的反轉

其效果如下:

二、濾波器

2.1 均值濾波器

import cv2
import numpy as np

img = cv2.imread('lenaNoise.png')

cv2.imshow('blur', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 均值濾波
# 簡單的平均卷積操作
blur = cv2.blur(img, (3, 3))

lenaNoise.png原圖展示:

白色為圖片，黃色區(qū)域為濾波器窗口:

2.2 方框濾波器

# 方框濾波
# 基本和均值一樣，可以選擇歸一化
box = cv2.boxFilter(img, -1, (3, 3), normalize=True)

總結: 均值濾波器是取濾波器中的平均值，然后繼續(xù)滑動下一個窗口。

2.3 高斯濾波器

# 高斯濾波
# 高斯模糊的卷積核里的數(shù)值是滿足高斯分布，相當于更重視中間的
aussian = cv2.GaussianBlur(img, (5, 5), 1)

總結: 高斯濾波器是濾波器窗口中離中心值近的權值大，用高斯分布增加一個權重，然后繼續(xù)滑動下一個窗口。

2.4 中值濾波

# 中值濾波
# 相當于用中值代替
median = cv2.medianBlur(img, 5)  # 中值濾波

總結: 中值濾波器是濾波器窗口中所有數(shù)字的中間值，如黃色框中9個數(shù)的中間值為113，然后繼續(xù)滑動下一個窗口。

2.5 所有濾波器按照上述順序輸出

# 展示所有的
res = np.hstack((blur, aussian, median))
# print (res)
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

總結:中值濾波器的圖效果最好，可以解決一些椒鹽噪聲。

以上就是Python OpenCV實現(xiàn)圖片預處理的方法詳解的詳細內容，更多關于Python OpenCV圖片預處理的資料請關注腳本之家其它相關文章！

相關文章

  • 一文教你如何用Python輕輕松松操作Excel,Word,CSV

    一文教你如何用Python輕輕松松操作Excel,Word,CSV

    數(shù)據(jù)處理是 Python 的一大應用場景，而 Excel 又是當前最流行的數(shù)據(jù)處理軟件。本文將為大家詳細介紹一下如何用Python輕輕松松操作Excel、Word、CSV，需要的可以參考一下
    2022-02-02
  • Python實現(xiàn)的質因式分解算法示例

    Python實現(xiàn)的質因式分解算法示例

    這篇文章主要介紹了Python實現(xiàn)的質因式分解算法,涉及Python數(shù)學運算相關操作技巧,需要的朋友可以參考下
    2018-05-05
  • Python實現(xiàn)的多叉樹尋找最短路徑算法示例

    Python實現(xiàn)的多叉樹尋找最短路徑算法示例

    這篇文章主要介紹了Python實現(xiàn)的多叉樹尋找最短路徑算法,結合實例形式分析了Python使用深度優(yōu)先查找獲取多叉樹最短路徑相關操作技巧,需要的朋友可以參考下
    2018-07-07
  • PyTorch 遷移學習實戰(zhàn)

    PyTorch 遷移學習實戰(zhàn)

    本文主要介紹了PyTorch 遷移學習實戰(zhàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
    2023-01-01
  • 2020年10款優(yōu)秀的Python第三方庫,看看有你中意的嗎？

    2020年10款優(yōu)秀的Python第三方庫,看看有你中意的嗎？

    2020已經過去，在過去的一年里，又有非常多優(yōu)秀的Python庫涌現(xiàn)出來。相對于numpy、TensorFlow、pandas這些已經經過多年維護、迭代，對于大多數(shù)Python開發(fā)者耳熟能詳?shù)膸觳煌?/div> 2021-01-01
  • Python數(shù)據(jù)結構之圖的應用示例

    Python數(shù)據(jù)結構之圖的應用示例

    這篇文章主要介紹了Python數(shù)據(jù)結構之圖的應用,結合實例形式分析了Python數(shù)據(jù)結構中圖的定義與遍歷算法相關操作技巧,需要的朋友可以參考下
    2018-05-05
  • Python使用urlretrieve實現(xiàn)直接遠程下載圖片的示例代碼

    Python使用urlretrieve實現(xiàn)直接遠程下載圖片的示例代碼

    這篇文章主要介紹了Python使用urlretrieve實現(xiàn)直接遠程下載圖片的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
    2020-08-08
  • Python局部函數(shù)及用法詳解(含nonlocal關鍵字)

    Python局部函數(shù)及用法詳解(含nonlocal關鍵字)

    局部函數(shù)有哪些特征，在使用時需要注意什么呢？接下來就給讀者詳細介紹?Python?局部函數(shù)的用法,對Python局部函數(shù)相關知識感興趣的朋友跟隨小編一起看看吧
    2022-12-12
  • Linux安裝Pytorch1.8GPU(CUDA11.1)的實現(xiàn)

    Linux安裝Pytorch1.8GPU(CUDA11.1)的實現(xiàn)

    這篇文章主要介紹了Linux安裝Pytorch1.8GPU(CUDA11.1)的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
    2021-03-03
  • Python數(shù)據(jù)類型最全知識總結

    Python數(shù)據(jù)類型最全知識總結

    學習一門語言,往往都是從Hello World開始. 但是筆者認為,在一個黑框框中輸出一個“你好，世界”并沒有什么了不起,要看透事物的本質,熟悉一門語言,就要了解其底層,就是我們常常說的基礎,本篇從python中的數(shù)據(jù)類型開始,需要的朋友可以參考下
    2021-05-05

最新評論