OpenCV入门笔记（三） 图片处理

OpenCV中提供了很多处理图片的强大函数，可以对很多格式的图片 加特效！有点实现Photoshop里的工具的感觉。 下面先介绍一些简单和常见的特效。

二值化（Image Threshold）

参考这里：Image Processing

二值化只能处理灰度图，而所谓的灰度图，就是一幅只用 0-255 这个范围来表示每一个像素点的图像。灰度图没有色彩信息，看起来灰萌灰萌哒；但是又不完全只有黑白两种颜色。

二值化，顾名思义，就是把灰度图的0-255的范围，映射到 0 和 1 两个值上。最简单的做法，便是先设置一个阈值（threshold），比如叫 t 好了。当灰度图完成了的像素值 g < t，则赋值为 1，否则为 0. 这样就完成了二值化。

二值化的效果，是能够将物体和背景分割出来，原理是让物体和背景的像素间方差最大。

---

Threshold函数

简单的全局二值化函数，用法如下

ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

---

参数

• img 是要二值化的图片
• 127 表示阈值，这里我们用中位数表示。
• 255 表示大于阈值，便给该像素赋这个值。
• cv2.THRESH_BINARY 表示要用的二值化方法，取值如下
  
  • cv2.THRESH_BINARY
  • cv2.THRESH_BINARY_INV
  • cv2.THRESH_TRUNC
  • cv2.THRESH_TOZERO
  • cv2.THRESH_TOZERO_INV

---

返回值

• ret 貌似会返回127，不知道有什么用
• thresh 二值化以后的图片

---

AdaptiveThreshold函数

前面的全局二值化函数，用的阈值只有一个，但是这样往往效果不是很好，所以有了自适应的局部二值化算法。

adaptive = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,     cv2.THRESH_BINARY, 11, 2)

---

参数

• img 要处理的灰度图
• 255 大于阈值后要赋的值
• cv2.ADAPTIVE_THRESH_GAUSSIAN_C 要用的自适应二值化方法
  
  • cv2.ADAPTIVE_THRESH_GAUSSIAN_C 高斯法
  • cv2.ADAPTIVE_THRESH_MEAN_C 平均法
• cv2.THRESH_BINARY 表示阈值类型，只能取下面两种
  
  • cv2.THRESH_BINARY
  • cv2.THRESH_BINARY_INV
• 11 是blocksize，奇数
• 2 常数C，用于从平均值或带权重的平均值中减去这个值

---

返回值

• adaptive 返回二值化后的图片

---

模糊和平滑（Blur & Smoothing）

中文官方解释见这里：【图像平滑】

在图片的自适应局部二值化之前，一般先要进行图片的平滑处理，以过滤掉那些 噪点 。原理是让待处理图片和一个低通滤波器的 核（low-pass filter kernel），其实就是一个矩阵，做卷积运算。

所谓滤波，就是过滤掉信号中，高频或者低频，或者中间（即带通滤波）的部分；而低通的效果是 模糊，高通的效果是 锐化。

CSDN博主【浅墨】的这篇文章讲的非常好，事实上，整个将OpenCV的系列都很深入浅出，适合初学者。他也出了本书，有空可以关注一下。

举个栗子

img = cv2.imread('./lena.jpg')# 方框滤波boxBlur = cv2.boxblur(img, -1, (5, 5))# 均值滤波blur = cv2.blur(img, (5, 5))# 高斯滤波，（5,5）是Kernel的大小gBlur = cv2.GaussianBlur(img, (5, 5), 0)# 中值滤波mBlur = cv2.medianBlur(img, 5) # 双边滤波bBlur = cv2.bilateralFilter(img, 9, 75, 75)

前面的方框滤波，均值滤波，高斯滤波，都是属于 线性滤波， 而中值滤波和双边滤波都是非线性的。非线性的滤波，效果一般好一点，但是也相对会速度较慢。

对了，均值滤波其实就是归一化的方框滤波，即

blur = cv2.boxblur(img, -1, (5, 5), True)blur2 = blur(img, (5, 5))

两行代码其实是一样的。

---

滑动条

一般我们用一些OpenCV中的函数，经常要动态地调一个参数，有了滑动条就会方便很多，直接拖动就改变相应的参数，就像手机上放大音量那样简单。

比起前面，滑动条的响应函数要自己定义。

def refresh(x):    print xcv2.createTrackbar("value: ", "window title", 0, 255, refresh)

参数

• “value: ” 滑动条上的显示字符串
• “window title”，要显示在的窗口名
• 0 默认值
• 255 最大值
• 响应函数名

注意：
1. 这里的refresh函数中，变量x是必须的，否则取不了值
2. 创建滑动条，要在创建窗口代码的后面

---

例子和完整代码

综合上面讲的函数，我们写一个完整的例子，依次展示：原图，灰度图，高斯平滑，二值化，自适应高斯二值化五张图片。

import cv2title_ori = "binary"title_ada = "adaptive"title_trackbar = "threshold value"# when value changed, refresh the picturedef refresh(x):    ret, thres = cv2.threshold(blur, x, 255, cv2.THRESH_BINARY)    cv2.imshow(title_ori, thres)img = cv2.imread("./lena.jpg")gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)blur = cv2.GaussianBlur(gray, (5, 5), 0)# create windowcv2.namedWindow("img", cv2.WINDOW_NORMAL)cv2.namedWindow("gray", cv2.WINDOW_NORMAL)cv2.namedWindow("blur", cv2.WINDOW_NORMAL)# show origin image, gray image and blur imagecv2.imshow("img", img)cv2.imshow("gray", gray)cv2.imshow("blur", blur)# create window and trackbar for binary imagecv2.namedWindow(title_ori, cv2.WINDOW_NORMAL)cv2.createTrackbar(title_trackbar, title_ori, 0, 255, refresh)cv2.imshow(title_ori, img)# create and show adaptive thresholdadaptive = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)cv2.namedWindow(title_ada, cv2.WINDOW_NORMAL)cv2.imshow(title_ada, adaptive)cv2.waitKey(0)cv2.destroyAllWindows()