Python OpenCV 牛刀小试(练习)

2024-02-16 22:12

本文主要是介绍Python OpenCV 牛刀小试(练习),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

BGR与RGB

        OpenCV在读取图像时,默认的颜色空间是BGR(蓝绿红),而在大多数其他的图像处理库和图像格式中,使用的颜色空间是RGB(红绿蓝)。因此,当你需要使用OpenCV处理图像,然后将处理结果传递给其他库(如matplotlib、PIL等)进行进一步处理或显示时,你需要将颜色空间从BGR转换为RGB。

        例如,如果你想使用matplotlib来显示一个由OpenCV处理过的图像,你需要先将颜色空间从BGR转换为RGB,否则图像的颜色会显示错误。

import cv2
from matplotlib import pyplot as plt# 使用OpenCV读取图像
image = cv2.imread('image.jpg')# 使用OpenCV处理图像(例如,进行边缘检测、特征提取等)# 将颜色空间从BGR转换为RGB
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 使用matplotlib显示图像
plt.imshow(image)
plt.show()

        在这个例子中,如果不进行颜色空间的转换,那么matplotlib显示的图像颜色会与原图不同,因为matplotlib默认的颜色空间是RGB,而OpenCV的是BGR。

Canny边缘检测

        边缘检测有很多种方法,包括Sobel、Scharr、Laplacian、Prewitt和Canny等

        Canny边缘检测的特点:

  1. 效果好:Canny边缘检测是一种非常流行的边缘检测方法,它能够很好地检测出图像的边缘,而且边缘连续,几乎没有断裂。

  2. 噪声抑制:Canny边缘检测在进行边缘检测之前,会先使用高斯滤波器对图像进行平滑处理,以消除图像中的噪声。这使得Canny边缘检测对噪声的抵抗能力比其他边缘检测方法更强。

  3. 双阈值检测:Canny边缘检测使用了双阈值检测来确定边缘,这可以有效地消除了因噪声或其他因素造成的虚假边缘。

  4. 易于使用:Canny边缘检测在OpenCV中的实现非常简单,只需要一行代码就可以完成。

        这种方法因为其效果好、抗噪声能力强、易于使用等优点,所以被广泛应用于图像处理中的边缘检测任务。

基础用法

  1. gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

            这行代码将图像从颜色空间转换为灰度空间。在灰度空间中,图像的每个像素只有一个强度值,而不是颜色空间中的三个。这样可以简化后续的边缘检测操作,因为我们只需要处理一个通道的数据。

  2. edges = cv2.Canny(gray, threshold1=30, threshold2=100)

            这行代码使用Canny边缘检测算法找出图像中的边缘。Canny算法是一种非常流行的边缘检测算法,它使用两个阈值(在这里是30和100)来检测强度变化较大的区域,这些区域通常对应于物体的边缘。

  3. contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

            这行代码使用findContours函数找出图像中的轮廓。轮廓可以被视为连接所有连续边缘的曲线。在这里,cv2.RETR_EXTERNAL表示只检测外轮廓,cv2.CHAIN_APPROX_SIMPLE表示对轮廓点进行压缩,例如,对于一条直线轮廓,只需要存储该直线的起始点和结束点。

            findContours函数返回两个值:第一个是一个列表,其中每个元素都是一个轮廓(轮廓本身也是一个列表,包含轮廓上的点);第二个是轮廓的层次信息,但在这里我们不需要它,所以用_忽略了。

        总的来说,这三行代码的目的是将图像转换为灰度,然后使用Canny算法找出边缘,最后找出边缘形成的轮廓。

Canny的阈值如何调节

        在Canny边缘检测算法中,30和100是两个阈值,它们用于确定边缘。这两个阈值定义了边缘检测的强度:

  • threshold1:最小值阈值。低于此阈值的边缘会被忽略。
  • threshold2:最大值阈值。高于此阈值的边缘会被认为是真正的边缘。

        这两个阈值之间的边缘则根据其连通性来决定。如果这些边缘与某个“确定边缘”(即强度超过threshold2的边缘)相连,则它们被认为是边缘的一部分,否则它们会被丢弃。

        改变这两个值会影响边缘检测的结果:

  • 如果你降低threshold1或提高threshold2,将会检测到更少的边缘,因为只有强度更高的边缘才会被检测到。
  • 如果你提高threshold1或降低threshold2,将会检测到更多的边缘,因为强度较低的边缘也会被检测到。

        选择合适的阈值是很重要的,因为它会直接影响到边缘检测的效果。通常,threshold2的值应该是threshold1的值的2到3倍。

在所有轮廓中找出最大轮廓

contour = sorted(contours, key=cv2.contourArea, reverse=True)[0]

        contours是一个列表,其中每个元素都是一个轮廓。轮廓本身是一个由点组成的列表,这些点定义了轮廓的形状。

        sorted函数用于对列表进行排序。在这里,它对contours列表进行排序。

        key=cv2.contourArea参数指定了排序的依据。cv2.contourArea是一个函数,它计算一个轮廓的面积。所以,这里的排序依据是轮廓的面积。

        reverse=True参数指定了排序的方向。如果reverse=True,那么列表会按照降序排序,也就是说,面积最大的轮廓会排在最前面。

        [0]是一个索引操作,它取出排序后的列表中的第一个元素。因为我们按照面积进行了降序排序,所以第一个元素就是面积最大的轮廓。

        所以,这行代码的意思是:按照面积对所有检测到的轮廓进行降序排序,然后取出面积最大的一个。

这篇关于Python OpenCV 牛刀小试(练习)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/715846

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

opencv 滚动条

参数介绍:createTrackbar( trackbarname , "hello" , &alpha_slider ,alpha_max ,  on_trackbar )  ;在标签中显示的文字(提示滑动条的用途) TrackbarName创建的滑动条要放置窗体的名字 “hello”滑动条的取值范围从 0 到 alpha_max (最小值只能为 zero).滑动后的值存放在

RabbitMQ练习(AMQP 0-9-1 Overview)

1、What is AMQP 0-9-1 AMQP 0-9-1(高级消息队列协议)是一种网络协议,它允许遵从该协议的客户端(Publisher或者Consumer)应用程序与遵从该协议的消息中间件代理(Broker,如RabbitMQ)进行通信。 AMQP 0-9-1模型的核心概念包括消息发布者(producers/publisher)、消息(messages)、交换机(exchanges)、

android-opencv-jni

//------------------start opencv--------------------@Override public void onResume(){ super.onResume(); //通过OpenCV引擎服务加载并初始化OpenCV类库,所谓OpenCV引擎服务即是 //OpenCV_2.4.3.2_Manager_2.4_*.apk程序包,存

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip