《计算机视觉技术与应用》—–第四章图像变换

2023年6月19日上午8:02 • 人工智能 • 阅读 98

系列文章目录

《计算机视觉技术与应用》—–第二章图像处理基础

《计算机视觉技术与应用》—–第三章图形用户界面

《计算机视觉技术与应用》—–第四章图像变换

《计算机视觉技术与应用》—–第五章边缘和轮廓

《计算机视觉技术与应用》—–第六章边缘和轮廓

《计算机视觉技术与应用》—–第七章边缘和轮廓

《计算机视觉技术与应用》—– 重点复盘

文章目录

系列文章目录
前言
一、4.1 色彩空间变换
二、4.2 几何变换
*
三、4.3 图像模糊
五、 4.5 形态变换
第4章实验1图像几何变换
实验2:图像形态变换
习题
总结
参考

前言

提示：这里可以添加本文要记录的大概内容：

图像变换是指通过技术手段将图像转换为另一幅图像，如色彩空间变换、几何变换、图像模糊、阈值处理和形态变换等。

提示：以下是本篇文章正文内容，下面案例可供参考

一、4.1 色彩空间变换

test4-1.py 将BGR色彩空间转换为RGB色彩空间

import cv2img=cv2.imread('bee.jpg')cv2.imshow('BGR',img)img2=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)cv2.imshow('RGB',img2)cv2.waitKey(0)

test4-2.py：BGR色彩空间转换为GRAY色彩空间

import cv2img=cv2.imread('bee.jpg')cv2.imshow('BGR',img)img2=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv2.imshow('GRAY',img2)cv2.waitKey(0)

test4-3.py：BGR色彩空间转换为YCrCb色彩空间

3.1 YCrCb概念
YCrCb即YUV，主要用于优化彩色视频信号的传输，使其向后相容老式黑白电视。与RGB视频信号传输相比，它最大的优点在于只需占用极少的频宽（RGB要求三个独立的视频信号同时传输）。其中”Y”表示明亮度（Luminance或Luma），也就是灰阶值；而”U”和”V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。”亮度”是透过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。”色度”则定义了颜色的两个方面─色调与饱和度，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之间的差异。

3.2应用
在人脸检测中也常常用到YCrCb空间，因为一般的图像都是基于RGB空间的，在RGB空间里人脸的肤色受亮度影响相当大，所以肤色点很难从非肤色点中分离出来，也就是说在此空间经过处理后，肤色点是离散的点，中间嵌有很多非肤色，这为肤色区域标定(人脸标定、眼睛等)带来了难题。如果把RGB转为YCrCb空间的话，可以忽略Y(亮度)的影响，因为该空间受亮度影响很小，肤色会产生很好的类聚。这样就把三维的空间降为二维的CrCb，肤色点会形成一定得形状，如：人脸的话会看到一个人脸的区域，手臂的话会看到一条手臂的形态，对处理模式识别很有好处，根据经验某点的CrCb值满足：133≤Cr≤173，77≤Cb≤127 那么该点被认为是肤色点，其他的就为非肤色点。【参考RGB和YCrCb】


import cv2
img=cv2.imread('bee.jpg')
cv2.imshow('BGR',img)
img2=cv2.cvtColor(img,cv2.COLOR_BGR2YCrCb)
cv2.imshow('YCrCb',img2)
cv2.waitKey(0)

test4-4.py：BGR色彩空间转换为HSV色彩空间

HSV色彩空间
色相（H）是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。
明度（V），亮度（L），取0-100%。

【参考：HSV色彩空间】

import cv2img=cv2.imread('bee.jpg')cv2.imshow('BGR',img)img2=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)cv2.imshow('HSV',img2)cv2.waitKey(0)

二、4.2 几何变换

几何变换是指对图像执行放大、缩小、旋转等各种操作。

缩放图像


import cv2
img=cv2.imread('bee.jpg')
sc=[1,0.2,0.5,1.5,2]
cv2.imshow('showimg',img)
while True:
    key=cv2.waitKey()
    if 48key52:
        x=y=sc[key-48]
        img2=cv2.resize(img,None,fx=x,fy=y)
        cv2.imshow('showimg',img2)

翻转


import cv2
img=cv2.imread('bee.jpg')
cv2.imshow('showimg',img)

img2=cv2.flip(img,0)
cv2.imshow('绕X轴垂直翻转',img2)
img3=cv2.flip(img,1)
cv2.imshow('绕y轴水平翻转',img3)
img4=cv2.flip(img,-1)
cv2.imshow('水平、垂直翻转',img4)
key=cv2.waitKey(0)

仿射
3.1 平移
平移是指将图像沿水平或垂直方向移动一定像素。


import cv2
import numpy as np
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
height=img.shape[0]
width=img.shape[1]
dsize=(width,height)
m=np.float32([[1,0,100],[0,1,50]])
img2=cv2.warpAffine(img,m,dsize)
cv2.imshow('imgx+100y+50',img2)
cv2.waitKey(0)

3.2 缩放
缩放矩阵M=[[h,0,0],[0,v,0]


import cv2
import numpy as np
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
height=img.shape[0]
width=img.shape[1]
dsize=(width,height)
m=np.float32([[0.5,0,0],[0,0.5,0]])
img2=cv2.warpAffine(img,m,dsize)
cv2.imshow('img0.5x+0.5y',img2)
cv2.waitKey(0)

3.3 旋转


import cv2
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
height=img.shape[0]
width=img.shape[1]
dsize=(width,height)
m=cv2.getRotationMatrix2D((width/2,height/2), -60, 0.5)
img2=cv2.warpAffine(img,m,dsize)
cv2.imshow('imgRotation',img2)
cv2.waitKey(0)

3.4 三点映射变换
将图像转换为任意的平行四边形


import cv2
import numpy as np
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
height=img.shape[0]
width=img.shape[1]
dsize=(width,height)
src=np.float32([[0,0],[width-10,0],[0,height-1]])
dst=np.float32([[50,50],[width-100,80],[100,height-100]])
m = cv2.getAffineTransform(src, dst)
img2=cv2.warpAffine(img,m,dsize)
cv2.imshow('imgThreePoint',img2)
cv2.waitKey(0)

3.4 透视


import cv2
import numpy as np
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
height=img.shape[0]
width=img.shape[1]
dsize=(width,height)
src=np.float32([[0,0],[width-10,0],
                [0,height-10],[width-1,height-1]])
dst=np.float32([[50,50],[width-50,80],
                [50,height-100],[width-100,height-10]])
m = cv2.getPerspectiveTransform(src, dst)
img2=cv2.warpPerspective(img,m,dsize)
cv2.imshow('imgFourPoint',img2)
cv2.waitKey(0)

三、4.3 图像模糊

1. 均值滤波
卷积核为3×3

卷积核为5×5

卷积核为21×21

代码如下：


import cv2
img=cv2.imread('lena2.jpg')
cv2.imshow('img',img)
img2=cv2.blur(img,(21,21))
cv2.imshow('imgBlur',img2)
cv2.waitKey(0)

高斯滤波


import cv2
img=cv2.imread('lena2.jpg')
cv2.imshow('img',img)
img2=cv2.GaussianBlur(img,(3,3),0,0)
cv2.imshow('imgBlur',img2)
cv2.waitKey(0)

3.方框滤波
归一化

未归一化

未归一化时，滤波结果得到的像素值可能会超过允许的最大值，从而被截断为最大值，这时就会得到一副白色图像。（也就是说，未归一化时，滤波结果为像素值之和，可能会超过255，超过截断为255，那就是白色图像）

4.中值滤波


import cv2
img=cv2.imread('lena2.jpg')
cv2.imshow('img',img)
img2=cv2.medianBlur(img,5)
cv2.imshow('imgBlur',img2)
cv2.waitKey(0)

5. 双边滤波


import numpy as np
import cv2
img=cv2.imread('lena2.jpg')
cv2.imshow('img',img)
img2=cv2.bilateralFilter(img,50,50,50)
cv2.imshow('imgBlur',img2)
cv2.waitKey(0)

6. 2D卷积


import numpy as np
import cv2
img=cv2.imread('lena2.jpg')
k1=np.array([[3,3,3,3,3],
             [3,9,9,9,3],
             [3,11,12,13,3],
             [3,8,8,8,3],
             [3,3,3,3,3],])/25
k2=np.ones((5,5),np.float32)/25
img2=cv2.filter2D(img,-1,k1)
cv2.imshow('imgK1',img2)
img2=cv2.filter2D(img,-1,k2)
cv2.imshow('imgK2',img2)
cv2.waitKey(0)

7.阈值处理


import cv2
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
ret,img2=cv2.threshold(img,150,255,cv2.THRESH_BINARY)
cv2.imshow('imgTHRESH_BINARY',img2)
cv2.waitKey(0)

9.反二值化阈值处理


import cv2
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
ret,img2=cv2.threshold(img,150,255,cv2.THRESH_BINARY_INV)
cv2.imshow('imgTHRESH_BINARY_INV',img2)
cv2.waitKey(0)

10. 截断阈值处理


import cv2
img=cv2.imread('bee.jpg')
cv2.imshow('img',img)
ret,img2=cv2.threshold(img,150,255,cv2.THRESH_TRUNC)
cv2.imshow('imgTHRESH_TRUNC',img2)
cv2.waitKey(0)

11. 超阈值零处理


import cv2
img=cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('img',img)
ret,img2=cv2.threshold(img,100,255,cv2.THRESH_TOZERO_INV)
cv2.imshow('imgTHRESH_TOZERO_INV',img2)
cv2.waitKey(0)

12.低阈值零处理


import cv2
img=cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('img',img)
ret,img2=cv2.threshold(img,150,255,cv2.THRESH_TOZERO)
cv2.imshow('imgTHRESH_TOZERO',img2)
cv2.waitKey(0)

五、 4.5 形态变换

1.腐蚀
OpenCV-腐蚀cv::erode

迭代1次

迭代5次

通过腐蚀操作，图像的边界被侵蚀，白色区域缩小。


import cv2
import numpy as np
img=cv2.imread('zh2.jpg')
cv2.imshow('img',img)
kernel = np.ones((5,5),np.uint8)
img2 = cv2.erode(img,kernel,iterations = 1)

img3 = cv2.erode(img,kernel,iterations = 5)
cv2.imshow('img2_1',img2)
cv2.imshow('img2_5',img3)
cv2.waitKey(0)

2.膨胀


import cv2
import numpy as np
img=cv2.imread('zh.jpg')
cv2.imshow('img',img)
kernel = np.one((5,5),np.uint8)
img2 = cv2.dilate(img,kernel,iterations = 2)

cv2.imshow('img2',img2)
cv2.waitKey(0)

3.开运算
对图像先执行腐蚀操作，再对腐蚀的结果执行膨胀操作


import cv2
import numpy as np
img=cv2.imread('zh2.jpg')
cv2.imshow('img',img)
kernel = np.ones((5,5),np.uint8)

op=cv2.MORPH_OPEN

img2 = cv2.morphologyEx(img,op,kernel,iterations=2)

cv2.imshow('img2',img2)
cv2.waitKey(0)

4.闭运算

与开运算相反，先对图像执行膨胀操作，再对膨胀的结果执行腐蚀操作


import cv2
import numpy as np
img=cv2.imread('zh.jpg')
cv2.imshow('img',img)
kernel = np.ones((5,5),np.uint8)
op=cv2.MORPH_CLOSE
img2 = cv2.morphologyEx(img,op,kernel,iterations=5)
cv2.imshow('img2',img2)
cv2.waitKey(0)

第4章实验1图像几何变换


import cv2
img = cv2.imread('clocktower.png')
cv2.imshow('showing',img)

h=img.shape[0]
w=img.shape[1]
angle = 1
scale = 1
f = -1

while True:
    m = cv2.getRotationMatrix2D((w/2,h/2),-angle,scale+f*0.1)

    angle = (angle+10)%360
    scale = scale+f*0.1
    if scale0.1 or scale >=1:
        f=f*(-1)
    img2 = cv2.warpAffine(img,m,(w,h))
    key = cv2.waitKey(100)
    if key == 27:
        break
    cv2.imshow('showing',img2)
cv2.destroyWindow()

实验2:图像形态变换


import cv2
import numpy as np
img = cv2.imread('AB.png')
cv2.imshow('img',img)

kernel = np.ones((5,5),np.uint8)

op = cv2.MORPH_OPEN
img2 = cv2.morphologyEx(img,op,kernel,iterations=2)
img3 = cv2.morphologyEx(img,op,kernel,iterations=3)
cv2.imshow('img2_2',img2)
cv2.imshow('img2_3',img3)
cv2.waitKey(0)

习题

1.习题4-1：选择一幅图像，将其分别转换为RGB色彩空间、GRAY色彩空间、YCrCb色彩空间和HSV色彩空间


import cv2
img=cv2.imread('clocktower.png')

cv2.imshow('original',img)

img2=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
cv2.imshow('RGB',img2)

img2=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('GRAY',img2)

img2=cv2.cvtColor(img,cv2.COLOR_BGR2YCrCb)
cv2.imshow('YCrCb',img2)

img2=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
cv2.imshow('HSV',img2)
cv2.waitKey(0)

2.习题4-2：选择一幅图像，对其分别执行缩放、旋转、平移、透视等操作


import cv2
import numpy as np
img=cv2.imread('clocktower.png')
cv2.imshow('original',img)
h=img.shape[0]
w=img.shape[1]

img2=cv2.resize(img,None,fx=0.3,fy=0.3)
cv2.imshow('resize',img2)

m=cv2.getRotationMatrix2D((w/2,h/2),90,0.5)

img2=cv2.warpAffine(img,m,(w,h))
cv2.imshow('Rotation',img2)

m=np.float32([[1,0,100],[0,1,100]])

img2=cv2.warpAffine(img,m,(w,h))
cv2.imshow('offset',img2)

src=np.float32([[0,0],[w,0],
                [0,h],[w,h]])

dst=np.float32([[50,50],[w-100,50],[50,h-50],
                [w-10,h-10]])

m = cv2.getPerspectiveTransform(src, dst)
img2=cv2.warpPerspective(img,m,(w,h))
cv2.imshow('Perspective',img2)
cv2.waitKey(0)

3.习题4-3：选择一幅图像，对其分别执行均值滤波、高斯滤波、方框滤波、中值滤波和双边滤波等操作。


import cv2
import numpy as np
img=cv2.imread('clocktower.png')
cv2.imshow('original',img)

img2=cv2.blur(img,(20,20))
cv2.imshow('blur',img2)

img2=cv2.GaussianBlur(img,(5,5),0,0)
cv2.imshow('GaussianBlur',img2)

img2=cv2.boxFilter(img,-1,(3,3),normalize=False)
cv2.imshow('boxFilter',img2)

img2=cv2.medianBlur(img,21)
cv2.imshow('medianBlur',img2)

img2=cv2.bilateralFilter(img,20,100,100)

cv2.imshow('bilateralFilter',img2)

k1=np.array([[3,3,3,3,3],[3,9,9,9,3],[3,11,12,13,3],[3,8,8,8,3],
             [3,3,3,3,3],])/25
k2=np.ones((5,5),np.float32)/25
img2=cv2.filter2D(img,-1,k1)
cv2.imshow('filter2D K1',img2)
img2=cv2.filter2D(img,-1,k2)
cv2.imshow('filter2D K2',img2)
cv2.waitKey(0)

5.习题4-5：绘制图4-49所示的图像，对其分别执行腐蚀、膨胀等各种形态变换操作。


import cv2
import numpy as np
img = cv2.imread('ball.png')
cv2.imshow('original',img)

kernel = np.ones((5,5),np.uint8)
img2 = cv2.erode(img,kernel,iterations=2)
img3 = cv2.dilate(img2,kernel,iterations=2)
op = cv2.MORPH_OPEN
img4 = cv2.morphologyEx(img,op,kernel,iterations=2)

cv2.imshow('dilate',img3)
cv2.imshow('kaiyunsuan',img4)
cv2.waitKey(0)

总结

提示：这里对文章进行总结：

例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

参考

RGB和YCrCb

Original: https://blog.csdn.net/xiaoren886/article/details/127331992
Author: r i c k
Title: 《计算机视觉技术与应用》—–第四章图像变换

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/638207/

转载文章受原作者版权保护。转载请注明原作者出处！

人工智能

【自取】最近整理的，有需要可以领取学习：

Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言刷题答案下载！

PyTorch多卡分布式训练DistributedDataParallel使用方法

PyTorch多卡分布式训练DistributedDataParallel 使用方法 1.DP模式和DP模式 (1)单进程多GPU训练模式:DP模式 (2)多进程多GPU训练模式：…

人工智能 2023年7月24日
0084
模型评估（误差平方和(SSE The sum of squares due to error)）

1 误差平方和(SSE The sum of squares due to error)： ¶ 举例:(下图中数据-0.2, 0.4, -0.8, 1.3, -0.7, 均为真实值…

人工智能 2023年6月24日
00102
pandas中的corr()_在Python中使用Pandas

Pandas是一个python库，用于处理数据、生成统计数据、聚合数据等等。在这篇文章中，我们将讨论如何使用Pandas库进行数据选择、聚合和统计分析。我们开始吧！我们将使用银…

人工智能 2023年7月7日
00100
爬虫的三大库

大家好，我是爱吃饼干的小白鼠。大家安装完python的requests，beautifulsoup ，lxml三个库，之后，我们就来说说怎么使用吧。然后我教大家一个简单的爬虫程序。…

人工智能 2023年7月3日
0082
74.【JavaWeb -02】

JavaWeb (十二)、Cookie * 36.会话 37.保存会话的两种技术 38.编码和解码（养成习惯） (十三)、Session(重点) * 39.session详解: (…

人工智能 2023年6月28日
0096
学习 go-admin 框架（2）

Git仓库：https://gitee.com/xiaoyinhui/golang-code/tree/develop/go-admin-demo/go-admin 1、前面已经知…

人工智能 2023年6月29日
00151
【R-terra包|第二节】：栅格重分类、投影变换、分区统计

terra|第二节：栅格重分类、投影变换、区域统计、属性融合与提取本节将介绍基于R语言terra包的栅格重分类、矢量绘图、字段融合、投影变换、区域统计、属性表的提取、栅格矢量的输…

人工智能 2023年6月18日
00131
Knowledge graph embedding with hierarchical relation structure

抵扣说明： 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。2.余额无法直接购买下载，可以购买VIP、C币套餐、付费专栏及课程。 Original: https:…

人工智能 2023年6月1日
0077
Python数据分析（四）——plot方法

Series和DataFrame都有一个用于生成图表的 plot方法，该方法是matplotlib中 plt.plot()函数的一个简单包装，使得创建可视化图形变得容易。 plot…

人工智能 2023年7月15日
0071
学生HTML静态网页基础水平制作DIV+CSS+JavaScript技术制作美食网页——美食城6页面

👨‍🎓静态网站的编写主要是用HTML DIV+CSS JS等来完成页面的排版设计👩‍🎓,常用的网页设计软件有Dreamweaver、EditPlus、HBuilderX、VScod…

人工智能 2023年6月27日
00114
SOFTMAX回归模型

SOFTMAX函数的脉络梳理 * – 什么是SOFTMAX回归函数 – 交叉熵损失函数 – 实现代码：什么是SOFTMAX回归函数 ·soft…

人工智能 2023年6月18日
00101
改变conda虚拟环境的默认路径

anaconda下指定虚拟环境的创建路径conda环境默认安装在用户目录C:\Users\username.conda\envs下，如果选择默认路径，那么之后创建虚拟环境，也是安装…

人工智能 2023年6月22日
00104
CenterNet根据自己的数据训练模型

本文参考： 1、数据集相关的：https://blog.csdn.net/weixin_42634342/article/details/97697356 2、训练自己的模型参考：…

人工智能 2023年7月10日
0082
OpenCV实战之人脸美颜美型算法

人脸美颜美型是十分常见的图像处理功能，应用于手机拍照、视频直播、视频会议等图像视频流处理领域。如下图所示是一款拍照软件中针对人脸美颜美型功能的具体介绍。人脸美颜美型是一个综合性较…

人工智能 2023年6月29日
0088
【目标检测】YOLOv5跑通VOC2007数据集

前言如果经常阅读我博客的读者，想必对YOLOv5并不陌生。在Pytorch：YOLO-v5目标检测(上)一文中，我使用了coco128数据集，非常轻松的跑通了。然而在使用VOC2…

人工智能 2023年6月17日
00117
数字图像处理学习–导数运算与锐化空间滤波

引言本文内容是老猿学习冈萨雷斯《数字图像处理》后的学习总结和感悟，中文版在介绍本文内容时翻译存在比较多的问题，本文是对中文版的完善、补充以及学习感悟的总结。在学习过程中对一些细节…

人工智能 2023年6月22日
0087

2024 年 5 月
一	二	三	四	五	六	日
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

《计算机视觉技术与应用》—–第四章 图像变换

文章目录

test4-1.py 将BGR色彩空间转换为RGB色彩空间

test4-2.py：BGR色彩空间转换为GRAY色彩空间

test4-3.py：BGR色彩空间转换为YCrCb色彩空间

test4-4.py：BGR色彩空间转换为HSV色彩空间

三、4.3 图像模糊

五、 4.5 形态变换

与开运算相反，先对图像执行膨胀操作，再对膨胀的结果执行腐蚀操作

第4章实验1图像几何变换

实验2:图像形态变换

大家都在看

《计算机视觉技术与应用》—–第四章图像变换