【two 打卡】图像处理基础 python+opencv（超基础）

从头开始study，每日积累！

本文涉及到
1.灰度转换：将彩色图片转换为灰度图像，常见的R=G=B=像素平均值。
2.高斯平滑和中值滤波：去除噪声。
3.sobel算子：提取图像边缘轮廓，X方向和Y方向平方和开跟。
4.二值化处理：图像转换为黑白两色，通常像素大于127设置为255，小于设置为0。
5.膨胀和细化：放大图像轮廓，转换为一个个区域，这些区域内包含车牌。

1.读取图片

imagePath='python.jpg'
img=cv2.imread(imagepath)

opencv默认的imread是以BGR的方式进行存储的，而matplotlib的imshow默认则是以RGB格式展示，所以此处我们必须对图片的通道进行转换。

lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

2.灰度处理

GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print(u"读入lenna图的shape为", GrayImage.shape)

3.高斯滤波

Gaussian = cv2.GaussianBlur(GrayImage, (3, 3), 0, 0, cv2.BORDER_DEFAULT)

4.中值滤波

Median=cv2.medianBlur(Gaussian,5)

5.sobel算子提取轮廓

x = cv2.Sobel(Median, cv2.CV_8U, 1, 0, ksize = 3) #X方向
y = cv2.Sobel(Median, cv2.CV_8U, 0, 1, ksize = 3) #Y方向
absX = cv2.convertScaleAbs(x)   # 转回uint8    
absY = cv2.convertScaleAbs(y)    
Sobel = cv2.addWeighted(absX, 0.5, absY, 0.5,0)
cv2.imshow('dilation2', Sobel)
cv2.waitKey(0)

6.二值化处理

ret, Binary = cv2.threshold(Sobel, 170, 255, cv2.THRESH_BINARY)
cv2.imshow('dilation2',Binary)
cv2.waitKey(0)

7.膨胀和腐蚀处理

膨胀让轮廓突出，腐蚀去掉细节

#膨胀和腐蚀操作的核函数
element1 = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 1))
element2 = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 7))
 
# 膨胀让轮廓突出
Dilation = cv2.dilate(Binary, element2, iterations = 1)
# 腐蚀去掉细节
Erosion = cv2.erode(Dilation, element1, iterations = 1)
# 再次膨胀
Dilation2 = cv2.dilate(Erosion, element2,iterations = 3)

---

the end

本文地址：https://blog.csdn.net/Ray_Songaaa/article/details/107333049