主要內(nèi)容有：邊界填充 cv2.copyMakeBorder()，數(shù)值計算?cv2.add()，改變尺寸?cv2.resize()，圖像融合?cv2.addWeighted()，圖像閾值?cv2.threshold()

---

在開始之前，我們先導(dǎo)入圖像，img中存放我們需要用到的圖像。并定義一個圖像顯示函數(shù)，便于接下來畫圖。

# 導(dǎo)入opencv庫
import cv2
# 定義圖像顯示函數(shù)
def cv_show(name,img):# 傳入(自定義窗口名,圖像數(shù)據(jù))cv2.imshow(name,img) # 等待時間設(shè)為0，讓圖像不會自己消失cv2.waitKey(0)# cv2.waitKey(1000)  # 圖像顯示1000毫秒后消失# 鍵盤上任意按一個圖像消失cv2.destroyAllWindows()# 指定圖像所在的文件夾
filepath = 'C:\\...\\opencv\\img'
# 提取問價夾中的某一張圖像
img = cv2.imread(filepath+'\\wise3.jpg')

---

1. 邊界填充

設(shè)置邊界框方法：?cv2.copyMakeBorder(src, top, bottom, left, right, borderType,? value)

src： 輸入的圖片

top, bottom, left, right： 相應(yīng)方向上的邊框?qū)挾?/span>

borderType： 定義添加邊框的方法

value：如果borderType為 cv2.BORDER_CONSTANT 時需要填充的常數(shù)值

borderType方法如下：

cv2.BORDER_REPLICATE：復(fù)制法，復(fù)制最邊緣像素

cv2.BORDER_REFLECT：反射法，在圖像中指定像素的兩邊進行反射復(fù)制，如： gfedcba|abcdefgh|hgfedcb

cv2.BORDER_REFLECT_101：反射法，以最邊緣像素為軸，如：dcba|abcd|dcba

cv2.BORDER_WRAP：外包裝法，如：cdefgh|abcdefgh|abcdefg

cv2.BORDER_CONSTANT：常量數(shù)值填充

我們分別來看一下各種方法：

#（1）邊界填充
# 先指定在上下左右分別填充的大小
top_size,bottom_size,left_size,right_size = (50,50,50,50)
# 填充函數(shù)cv2.copyMakeBorder(輸入圖像,填充多少,borderType=填充方法)# 復(fù)制
img1 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
# 反射
img2 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT)
# 反射101
img3 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT_101)
# 外包裝
img4 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_WRAP)
# 常量填充，value=0
img5 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_CONSTANT,value=0)# 繪圖
import matplotlib.pyplot as plt
# 顯示中文宋體
plt.rcParams['font.sans-serif'] = ['SimSun'] 
# 設(shè)置畫板大小
plt.figure(figsize=(10,7))
# 原圖
plt.subplot(231),plt.imshow(img),plt.title('原圖')
# 復(fù)制
plt.subplot(232),plt.imshow(img1),plt.title('復(fù)制')
# 反射
plt.subplot(233),plt.imshow(img2),plt.title('反射')
# 反射101
plt.subplot(234),plt.imshow(img3),plt.title('反射101')
# 外包裝
plt.subplot(235),plt.imshow(img4),plt.title('外包裝')
# 常量填充
plt.subplot(236),plt.imshow(img5),plt.title('常量0填充')

我們從圖中可以看出不同方法的區(qū)別。可能有同學(xué)可能會問，這顏色怎么這么奇怪。注意，在opencv中圖像的顏色通道是BGR組成的，而matplot中顏色通道是RGB構(gòu)成，在展示圖像時，會有顏色的差別，所以盡量用opencv的圖像展示方法。

---

2. 數(shù)值計算

2.1 直接相加

兩張圖片直接做加法，需要兩張圖像的size一樣大，對應(yīng)的像素點相加，由于每個像素點值的大小在0-255之間，因此相加后大于255的像素值自動減去255，如150+150=300，沒有300的像素值，自動變成45。如果一張圖像整體加上一個常量，即每個元素的增加一個常量值，亮度提升。

# 先讀入2張圖片
img1 = cv2.imread(filepath+'\\sit1.jpg')
img2 = cv2.imread(filepath+'\\wise2.jpg')
# ==1== 直接相加超過255的像素值會自動減去255
# 對img1上的所有像素點加10，整體的shape不變
img3 = img1+10
cv_show('img3',img3)
# 將兩張圖相加，兩張圖的shape需要一致
img4 = img1+img2
cv_show('img4',img4)
# 由于圖中的每個像素點的取值是在0-255之間，如果超過255會自動減去255

size相同的兩幅圖像直接相加后的結(jié)果為

---

2.2 使用函數(shù)相加 cv2.add()

cv2.add(src1, src2)

要求兩張圖象的size和通道數(shù)相同。對應(yīng)像素值相加，相加后，超過255的數(shù)值就讓它等于255

?src1, src2：兩幅圖像相加，或一張圖像加一個數(shù)值

?mask：圖像掩膜，為8位單通道的灰度圖像，用于指定要更改的輸出圖像數(shù)組的元素，即輸出圖像像素只有mask對應(yīng)位置元素不為0的部分才輸出，否則該位置像素的所有通道分量都設(shè)置為0

dtype：輸出圖像數(shù)組的深度，即圖像單個像素值的位數(shù)（如RGB用三個字節(jié)表示，則為24位）。

# ==2== cv2.add()
# 相加后若超過255，那像素點的值就取255
img5 = cv2.add(img1,img2)
cv_show('img5',img5)

---

3. 圖像融合

將兩張圖像按一定比例融合在一起，需要兩張圖像的size和通道數(shù)相同

#（3）圖像融合，兩張圖混合在一起
# 讀取兩張圖片
img1 = cv2.imread(filepath+'\\sit2.jpg')
img2 = cv2.imread(filepath+'\\wise2.jpg')
# ==1== 先查看一下兩張圖的shape
img1.shape  #(503,1201,3) 
img2.shape  #(1080,1440,3)

---

3.1 改變圖像大小

指定具體的長度和高度： cv2.resize(圖像, (長, 高))

指定縮放比例： cv2.resize(圖像, (0,0), fx=沿x軸縮放比例, fy=沿y軸縮放比例)

注意制定具體的長度和高度時，一定是先指定寬再指定長，如下?cv2.resize(img2,(1201,503))，把img2變成高為503長為1201，而我們.shape查到的結(jié)果是(高, 長)

# ==2== 改變大小cv2.resize(圖像,指定大小)，接收返回值
# 注意先指定寬，再指定高
# 將img2變得和img1的size一樣
img2 = cv2.resize(img2,(1201,503))
img2.shape
# 不指定具體數(shù)值，只給出倍數(shù)關(guān)系，即圖像沿x和y軸的縮放比例
img4 = cv2.resize(img2,(0,0),fx=3,fy=3)
cv_show('name', img4)

---

3.2 圖像融合

兩張圖像按一定比例融合：?cv2.addWeighted(圖像1, 權(quán)重1, 圖像2, 權(quán)重2, 亮度偏置)

相當于 y = a x1 + b x2 + c，其中a、b代表權(quán)重，c代表亮度上提亮多少

img5 = cv2.addWeighted(img1,0.5,img3,0.4,0)
cv_show('img5',img5)

---

4. 圖像閾值

首先我們把需要用到的圖像和庫導(dǎo)入一下

import cv2
import matplotlib.pyplot as plt
# 指定圖像所在文件夾
filepath = 'C:\\...\\opencv\\img'
# 轉(zhuǎn)換成灰度
img = cv2.imread(filepath+'\\wise3.jpg',cv2.IMREAD_GRAYSCALE)

圖像閾值處理函數(shù)：?ret, dst = cv2.threshold(src, thresh, maxval, type)

參數(shù)：

src:??輸入圖，只能輸入單通道圖像，通常是灰度圖

dst:? 輸出圖

thresh:??閾值，是一個值，通常為127

maxval:??當圖像超過了閾值或低于閾值(由type決定)，所賦予的值

type:??二值化操作的類型，包含：

cv2.THRESH_BINARY ?二值法，超過閾值thresh部分取maxval(設(shè)定的最大值)，否則取0

cv2.THRESH_BINARY_INV??超過閾值的部分取0，小于閾值取maxval

cv2.THRESH_TRUNC ?截斷，大于閾值的部分設(shè)為閾值，小于閾值的不變

cv2.THRESH_TOZERO ?大于閾值的部分不變，小于閾值的部分變成0。亮的部分不變，暗的部分變成黑點

cv2.THRESH_TOZERO_INV ?大于閾值的變成0，小于閾值的不變。暗的部分不變，亮的部分變成黑點

返回值

ret:??閾值

dst:??輸出圖

# 方法1：輸入灰度圖，閾值127，大于閾值變成255，小于閾值變成0
ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
# 方法2：大于閾值127變成0，小于閾值變成255。原本比較亮的變成黑點，原來暗的變成白點
ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
# 方法3：大于閾值127的設(shè)為閾值，小于閾值的不變
ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
# 方法4：大于閾值127的值變成127，小于127的值不變
ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
# 方法5：小于127的值不變，大于127的值變成0
ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)# 繪圖
titles=['original','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images=[img,thresh1,thresh2,thresh3,thresh4,thresh5]
plt.figure(figsize=(8,8))
for i in range(6):plt.subplot(2,3,i+1)plt.imshow(images[i],'gray')plt.title(titles[i])
plt.show()   

總結(jié)

以上是生活随笔為你收集整理的【opencv】(2) 图像处理：边界填充、图像融合、图像阈值、数值计算的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。