图像基础、OpenCV入门3——图像灰度化、二值化与图像加噪

图像灰度化

方法1：求出每个像素点的RGB三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量
方法2：求RGB和YUV颜色空间的变化关系，建立亮度Y与RGB三个颜色分量的对应关系：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。OpenCV的cvtColor函数，可以直接完成灰度化操作。

#-*- coding: utf-8 -*-import cv2import numpy as npfn = "test1.jpg"if __name__ == '__main__':    print('loading %s' % fn)    img = cv2.imread(fn)    sp = img.shape    print(sp)    # 获取图像大小    sz1 = sp[0]    sz2 = sp[1]    print('width:%d\nheight:%d' % (sz2,sz1))    # 创建一个窗口显示图像    cv2.namedWindow('img')    cv2.imshow('img',img)    # 复制图像矩阵，生成与源图像一样的图像，并显示    myimg2 = img.copy();    cv2.namedWindow('myimg2')    cv2.imshow('myimg2',myimg2)    # 复制并转换为灰度化图像并显示    myimg1 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)    cv2.namedWindow('myimg1')    cv2.imshow('myimg1',myimg1)    cv2.waitKey()    cv2.destroyAllWindows()

实际上RGB并不能反映图像的形态特征，只是从光学的原理蚝颜色的调配。把图像转换成8位的灰度值图像直接进行处理，可以通过直方图、灰度变化及正交变化之类数学运算对图像做进一步处理，比如说图像识别等。如果有必要，可将图像二值化，这样有利于对图像进一步处理，使图像数据量减小，突显出感兴趣的目标的轮廓。

图像二值化

#-*- coding: utf-8 -*-import cv2  image = cv2.imread('test1.jpg')  image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)  cv2.threshold(image, 140, 255, 0, image)  cv2.namedWindow("Image")  cv2.imshow("Image", image)  cv2.waitKey(0)  

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。
一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

Python-OpenCV中提供了阈值（threshold）函数：
cv2.threshold（）
函数：
1. src 指原图像，原图像应该是灰度图。
2. x 指用来对像素值进行分类的阈值。
3. y 指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值
4. Methods 指不同的阈值方法，这些方法包括：

![这里写图片描述](http://img.blog.csdn.net/20170720082124883?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQveHVuZGg=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)     

•cv2.THRESH_BINARY 图（1）

大于阈值的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于阈值的像素点的灰度值设定为0。

•cv2.THRESH_BINARY_INV 图（2）

大于阈值的像素点的灰度值设定为0，而小于该阈值的设定为255。

•cv2.THRESH_TRUNC 图（3）

像素点的灰度值小于阈值不改变，大于阈值的灰度值的像素点就设定为该阈值。

•cv2.THRESH_TOZERO 图（4）

像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

•cv2.THRESH_TOZERO_INV 图（5）

像素点的灰度值大于该阈值的不进行任何改变，像素点的灰度值小于该阈值的，其灰度值全部变为0。

参考：
http://blog.csdn.net/what_lei/article/details/49159655

图像加噪

#-*- coding: utf-8 -*-import cv2  import numpy as npimg = cv2.imread('test1.jpg')  # 噪声点数量coutn = 100000for k in range(0,coutn):    # 获取图像噪声点的随机位置    xi = int(np.random.uniform(0,img.shape[1]))    xj = int(np.random.uniform(0,img.shape[0]))    #加噪    if img.ndim == 2:        # 灰度图像        img[xj,xi] = 255    elif img.ndim == 3:        # 非灰度图像，图像加噪        img[xj,xi,0] = 25        img[xj,xi,1] = 20        img[xj,xi,2] = 20cv2.namedWindow('img')cv2.imshow('img',img)cv2.waitKey()cv2.destroyAllWindows()