后台-插件-广告管理-内容页广告位一(手机)

您现在的位置是:首页 > 其他 > 音视频开发音视频开发

OpenCV图像处理应用(面向Python)之图像金字塔

2021-06-07 20:59:27音视频开发人已围观

简介OpenCV图像处理应用(面向Python)欢迎来到梁老湿课堂1.图像金字塔欢迎来到梁老湿课堂美好的一天从学习开始,今天不学习明天变垃圾。让我们用编程为世界增添美好!(本次课程素材都来源于我的专业课老师小傅,他的课形象生动,他所掌握的知识点犹如大海一般,他最擅长用简单、通俗易懂的语言让我们记住知识点。我只是一个搬运工、打工人。我只是站在他的肩膀上发文章!)1.图像金字塔图像金字塔是由一幅图像的多个不同分辨率的子图所构成的图像集合。通过对原图像不断地向下采样而产生的,即高分辨率的图像(大尺寸)产生低分

OpenCV图像处理应用(面向Python)

  • 欢迎来到梁老湿课堂
  • 1.图像金字塔
    • 2.图像金字塔之高斯金字塔
      • 2.1.1高斯金字塔向下采样cv2.pyrDown()
      • 2.2.2高斯金字塔向上采样cv2.pyrUp()
    • 3.图像金字塔之拉普拉斯金字塔
      • 4.ROI感兴趣区域
      • 5.双拼(只做简单了解,娱乐娱乐)
      • 泛红填充(只做简单了解,娱乐娱乐)
    • 多练多学多坚持,我们下期再见。

欢迎来到梁老湿课堂

美好的一天从学习开始,今天不学习明天变垃圾。让我们用编程为世界增添美好!(本次课程素材都来源于我的专业课老师小傅,他的课形象生动,他所掌握的知识点犹如大海一般,他最擅长用简单、通俗易懂的语言让我们记住知识点。我只是一个搬运工、打工人。我只是站在他的肩膀上发文章!)

1.图像金字塔

图像金字塔是由一幅图像的多个不同分辨率的子图所构成的图像集合。通过对原图像不断地向下采样而产生的,即高分辨率的图像(大尺寸)产生低分辨率的近似图像(小尺寸)
在这里插入图片描述
在这里插入图片描述
1.直接删除偶数行和偶数列;2.图像滤波后,删除近似图像偶数行和偶数列。

2.图像金字塔之高斯金字塔

在这里插入图片描述
OpenCV提供了cv2.pyrDown() 函数和cv2.pyrUp() 函数,用于实现图像高斯金字塔操作中的向下、向上采样以下是其语法形式。

2.1.1高斯金字塔向下采样cv2.pyrDown()

dst=cv2.pyrDown(src[,dstsize[,borderType]])
dst: 目标输出图像
src: 原始图像
dstsize: 目标图像的大小
borderType: 边界类型,默认且在此处仅支持 BORDER_DEFAULT。
cv2.pyrDown()函数首先对原始图像进行高斯滤波变换,以获取原始图像的近似图像。

2.2.2高斯金字塔向上采样cv2.pyrUp()

dst=cv2.pyrUp(src[,dstsize[,borderType]])
dst: 目标输出图像
src: 原始图像
dstsize: 目标图像的大小
borderType: 边界类型,默认且在此处仅支持 BORDER_DEFAULT。
cv2.pyrDown()函数首先对原始图像进行高斯滤波变换,以获取原始图像的近似图像。
高斯金字塔代码及效果图

import cv2#导包
import numpy as np

#高斯金字塔
def pyramid_demo(image,level):#定义函数
    temp = image.copy()
    pyramid_images = []
    for i in range(level):
        dst = cv2.pyrDown(temp)
        pyramid_images.append(dst)
        cv2.imshow("pyramid_down_"+str(i), dst)
        temp = dst.copy()
    return pyramid_images[level-1]

src = cv2.imread("lena.jpg")#读图
cv2.imshow("input image", src)#显示图像
pyramid_demo(src,4)#调用函数方法
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

3.图像金字塔之拉普拉斯金字塔

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
拉普拉斯金字塔代码及效果图

import cv2#导包
import numpy as np

#高斯金字塔
def pyramid_demo(image,level):
    temp = image.copy()
    pyramid_images = []
    for i in range(level):
        dst = cv2.pyrDown(temp)
        pyramid_images.append(dst)
        cv2.imshow("pyramid_down_"+str(i), dst)
        temp = dst.copy()
    return pyramid_images[level-1]

# 拉普拉斯金字塔构建
G0 = cv2.imread("lena.bmp")
cv2.imshow("input image",G0)
G1=cv2.pyrDown(G0)
G2=cv2.pyrDown(G1)
G3=cv2.pyrDown(G2)
G4=cv2.pyrDown(G3)
L0 = cv2.subtract(G0,cv2.pyrUp(G1))
L1 = cv2.subtract(G1,cv2.pyrUp(G2))
L2 = cv2.subtract(G2,cv2.pyrUp(G3))
L3 = cv2.subtract(G3,cv2.pyrUp(G4))
cv2.imshow("G1",G1)
cv2.imshow("G2",G2)
cv2.imshow("G3",G3)
cv2.imshow("G4",G4)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 使用拉普拉斯金字塔恢复高分辨图片
l3=cv2.pyrUp(G4)
l2=cv2.pyrUp(l3)
l1=cv2.pyrUp(l2)
l0=cv2.pyrUp(l1)
G00=L0+cv2.pyrUp(G1)
cv2.imshow("l0",l0)
cv2.imshow("G00",G00)
cv2.imshow("input image",G0)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.ROI感兴趣区域

ROI(region of interest),感兴趣区域。机器视觉、图像处理中,从被处理的 图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴 趣区域,ROI。
ROI代码及效果图

import cv2
src=cv2.imread("lena.jpg")
cv2.imshow("first_image", src)
face = src[100:200, 100:200]    #选择200:300行、200:400列区域作为截取对象
gray = cv2.cvtColor(face, cv2.COLOR_RGB2GRAY)  #生成的的灰度图是单通道图像
backface = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)  #将单通道图像转换为三通道RGB灰度图,因为只有三通道的backface才可以赋给三通道的src
src[100:200, 100:200] = backface
cv2.imshow("face", src)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

5.双拼(只做简单了解,娱乐娱乐)

源代码奉上,只需要改变读入的图片即可

import cv2
import numpy as np

A = cv2.imread('wmj.jpg')
A = cv2.resize(A, (256, 256), interpolation=cv2.INTER_CUBIC)
B = cv2.imread('yjwmj.jpg')
B = cv2.resize(B, (256, 256), interpolation=cv2.INTER_CUBIC)
# 生成高斯金字塔
G = A.copy()
gpA = [G]
for i in range(5):
    G = cv2.pyrDown(G)
    gpA.append(G)

G = B.copy()
gpB = [G]
for i in range(5):
    G = cv2.pyrDown(G)
    gpB.append(G)
# 产生Laplacian金字塔
lpA = [gpA[5]]
for i in range(5, 0, -1):
    GE = cv2.pyrUp(gpA[i])
    L = cv2.subtract(gpA[i - 1], GE)
    lpA.append(L)

lpB = [gpB[5]]
for i in range(5, 0, -1):
    GE = cv2.pyrUp(gpB[i])
    L = cv2.subtract(gpB[i - 1], GE)
    lpB.append(L)
# 合并
LS = []
for la, lb in zip(lpA, lpB):
    rows, cols, dpt = la.shape
    ls = np.hstack((la[:, 0:cols // 2], lb[:, cols // 2:]))
    LS.append(ls)
# 重新构建图像
ls_ = LS[0]
for i in range(1, 6):
    ls_ = cv2.pyrUp(ls_)
    ls_ = cv2.add(ls_, LS[i])
# 连接
real = np.hstack((A[:, :cols // 2], B[:, cols // 2:]))
cv2.imshow("yjwmj", A)
cv2.imshow("wmj", B)
cv2.imshow("LS", ls_)
cv2.imshow("Real", real)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

泛红填充(只做简单了解,娱乐娱乐)

import cv2 as cv
import numpy as np
# 彩色图像填充
def fill_color_demo(src,seedx,seedy):
    img_copy = src.copy()
    h, w, ch = src.shape
    mask = np.zeros([h+2, w+2], np.uint8)
    cv.floodFill(img_copy, mask, (seedx, seedy), (0, 255, 0),(50, 50, 50), (100, 100, 100), cv.FLOODFILL_FIXED_RANGE)
    cv.imshow("color_demo", img_copy)

src = cv.imread('wmj.jpg')

fill_color_demo(src,140,140)
cv.waitKey()
cv.destroyAllWindows()

在这里插入图片描述

多练多学多坚持,我们下期再见。

文章来源:https://blog.csdn.net/weixin_52272597/article/details/117188645

Tags:计算机视觉 opencv 图像识别 

很赞哦! ()

后台-插件-广告管理-内容页广告位二(手机)

相关文章

后台-插件-广告管理-内容页广告位三(手机)

随机图文

后台-插件-广告管理-内容页广告位四(手机)

文章评论

留言与评论(共有 0 条评论)
   
验证码:

本栏推荐

站点信息

  • 文章统计60208篇文章
  • 浏览统计4607次浏览
  • 评论统计1个评论
  • 标签管理标签云
  • 统计数据:统计代码
  • 微信公众号:扫描二维码,关注我们