基于python图像处理API的使用示例
时间:2022-07-28
本文章向大家介绍基于python图像处理API的使用示例,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。
1.图像处理库
import cv2 as cv
from PIL import *
常用的图像处理技术有图像读取,写入,绘图,图像色彩空间转换,图像几何变换,图像形态学,图像梯度,图像边缘检测,图像轮廓,图像分割,图像去噪,图像加水印以及修复水印等
2.opencv常用的接口
cv.imread()
读取图片,返回numpy
cv.imwrite()
写入图片
cv.cvtColor()
图像色彩空间转换
cv.add()
cv.subtract()
cv.multiply()
cv.divide()
cv.applyColorMap()
减少了运算量,改变图片风格,突出图片特征
cv.bitwise_and(参数1, 参数2)
逻辑与
cv.bitwise_xor(参数1, 参数2)
逻辑异或
cv.bitwise_or(参数1, 参数2)
逻辑或
cv.bitwise_not(参数)
图像值取反操作
cv.split(src)
通道分离
cv.merge(mv)
通道合并
cv2.inRange(hsv, lower, upper)
提取指定色彩范围区域inRange
cv.meanStdDev()
均值和标准差
cv.minMaxLoc()
最大最小值和相应的位置
cv.normalize()
像素归一化
cv.VideoCapture()
视频文件
cv.flip(src,flipcode,dst)
图像翻转
cv.rectangle()
矩形
cv.circle()
圆
cv.ellipse()
椭圆
cv.calcHist()
图像直方图
cv.equalizeHist()
图像直方图均衡化可以用于图像增强、对输入图像进行直方图均衡化处理,提升后续对象检测的准确率
cv.compareHist()
图像直方图比较,就是计算两幅图像的直方图数据,比较两组数据的相似性,从而得到两幅图像之间的相似程度
cv.calcBackProject()
图像直方图反向投影是通过构建指定模板图像的二维直方图空间与目标的二维直方图空间,进行直方图数据归一化之后, 进行比率操作,对所有得到非零数值,生成查找表对原图像进行像素映射之后,再进行图像模糊输出的结果
cv.blur()
均值图像模糊卷积
cv.GaussianBlur()
高斯模糊
均值模糊 是卷积核的系数完全一致,高斯模糊考虑了中心像素距离的影响,对距离中心像素使用高斯分布公式生成不同的权重系数给卷积核,然后用此卷积核完成图像卷积得到输出结果就是图像高斯模糊之后的输出
cv.medianBlur()
中值滤波对图像特定噪声类型(椒盐噪声)会取得比较好的去噪效果,也是常见的图像去噪声与增强的方法之一
cv.fastNlMeansDenoisingColored()
非局部均值滤波
cv.bilateralFilter()
高斯双边模糊,卷积处理实现图像模糊的同时对图像边缘不会造成破坏,滤波之后的输出完整的保存了图像整体边缘(轮廓)信息
cv.pyrMeanShiftFiltering()
均值迁移模糊,均值迁移模糊是图像边缘保留滤波算法中一种,经常用来在对图像进行分水岭分割之前去噪声,可以大幅度提升分水岭分割的效果
cv.integral()
图像积分图算法
cv.edgePreservingFilter()
快速的图像边缘滤波算法
cv.filter2D()
自定义卷积核来自定义的滤波器
cv.Sobel()
图像梯度提取算子,梯度信息是图像的最原始特征数据,进一步处理之后就可以生成一些比较高级的特征用来表示一张图像实现基于图像特征的匹配,图像分类等应用
cv.Laplacian()
拉普拉斯算子更容易受到噪声的扰动,所以经常对要处理的图像首先进行一个高斯模糊,然后再进行拉普拉斯算子的边缘提取,而且在一些场景中会把这两步合并成为一步,就是我们经常听说的LOG算子
cv.convertScaleAbs()
增强对比度
cv.addWeighted()
USM锐化增强算法
cv.Canny()
Canny编边缘检测器,有效的噪声抑制,完整边缘提取能力
cv.pyrUp()
cv.pyrDown()
图像金字塔
cv.matchTemplate()
图像模板匹配
cv.threshold()
二值化
cv.adaptiveThreshold()
自适应阈值算法
cv.connectedComponents()
二值图像联通组件寻找
cv.connectedComponentsWithStats()
二值图像连通组件状态统计
cv.findContours()
获取二值图像的轮廓拓扑信息
cv.drawContours()
绘制轮廓
cv.boundingRect()
cv.minAreaRect()
求取轮廓外接矩形
cv.contourArea()
轮廓点集计算面积
cv.arcLength()
计算轮廓曲线的弧长
cv.approxPolyDP()
图像二值图像的每个轮廓,可以使用轮廓逼近,逼近每个轮廓的真实几何形状,从而通过轮廓逼近的输出结果判断一个对象是什么形状
cv.fitEllipse()
轮廓点进行拟合,生成一个拟合的圆形或者椭圆
cv.fitLine()
直线拟合
cv.dilate()
膨胀可以看成是最大值滤波,即用最大值替换中心像素点
cv.erode()
腐蚀可以看出是最小值滤波,即用最小值替换中心像素点
cv.getStructuringElement()
获取结构元素
cv.morphologyEx()
形态学的操作
开操作可以删除二值图像中小的干扰块,降低图像二值化之后噪点过多的问题
操作可以填充二值图像中孔洞区域,形成完整的闭合区域连通组件
顶帽操作有时候对于我们提取图像中微小部分特别有用
cv.inpaint()
图像修复
cv.findHomography()
cv.warpPerspective()
透视变换
cv.kmeans()
KMeans数据分类
cv.QRCodeDetector()
cv.QRCodeDetector.detectAndDecode()
二维码检测与识别
3.PIL库接口
Image.fromarray()
将numpy图像转Image
ImageFont.truetype("china.ttf", size=30)
加载图像字体库
ImageDraw.Draw()
绘图
draw.text()
图像上添加水印
到此这篇关于基于python图像处理API的使用示例的文章就介绍到这了,更多相关python 图像处理API内容请搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持ZaLou.Cn!
- Linux配置网卡
- 【爬虫军火库】生成指定日期间的日期列表
- 手把手教你安装大数据开发测试环境手把手教你安装大数据开发测试环境
- Humble Numbers(丑数) 超详解!
- 1284 2 3 5 7的倍数
- 爬虫入门到精通-爬虫之异步加载(实战花瓣网)
- 【爬虫军火库】Chrome F12使用Network分析异步请求
- 1305 Pairwise Sum and Divide
- mysql分布式数据库中间件对比mysql分布式数据库中间件对比
- 爬虫入门到精通-headers的详细讲解(模拟登录知乎)
- 1347 旋转字符串
- 爬虫入门到精通-网页的解析(xpath)
- HDU 2549 壮志难酬
- 爬虫入门到精通-网页的解析(正则)
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 详解PHP变量传值赋值和引用赋值变量销毁
- Keras 利用sklearn的ROC-AUC建立评价函数详解
- PHP如何防止XSS攻击与XSS攻击原理的讲解
- 如何验证python安装成功
- python三引号如何输入
- Python定义一个函数的方法
- keras 模型参数,模型保存,中间结果输出操作
- python判断是空的实例分享
- keras绘制acc和loss曲线图实例
- 基于Python实现2种反转链表方法代码实例
- Python smtp邮件发送模块用法教程
- Python3基于print打印带颜色字符串
- Python StringIO及BytesIO包使用方法解析
- PHP设计模式之PHP迭代器模式讲解
- 简单实用的PHP文本缓存类实例