opencvsharp 图像分成9个

目录

图像阈值

图像平滑

均值滤波

方框滤波

高斯滤波

中值滤波

展示所有图像 

---

图像阈值

对像素点值进行判断，对于大于或小于阈值的值进行处理

ret,dst=cv2.threshold(src,thresh,maxval,type)

1. scr:输入图（原始图像），只能输入单通道图像，通常来说为灰度图
2. dst：输出图
3. thresh：阈值
4. maxval：当像素值超过了阈值（或小于阈值，根据type来决定），所赋予的值
5. type：二值化操作的类型，包含以下五种类型：cv2.THRESH_BINARY;cv2.THRESH_BINARY_INV;cv2.THRESH_TRUNC;cv2.THRESH_TOZERO;cv2.THRESH_TOZERO_INV

• cv2.THRESH_BINARY 超过阈值部分取maxval（最大值），否则取0
• cv2.THRESH_BINARY_INV  THRESH_BINARY 的反转
• cv2.THRESH_TRUNC 大于阈值部分设为阈值，否则不变
• cv2.THRESH_TOZERO 大于阈值部分不改变，否则设为0
• cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转

 图像平滑

 

拿到一张图像，上方为该图像的像素矩阵，指定一个3*3（任意指定，一般为奇数）的盒的大小，做图像处理，即对该像素点做一个变换。若对上方的204进行一个均值滤波,则应为方框内9个数相加的平均值。

实现该操作应当构造一个3*3的值均为1的卷积矩阵 ，与指定方盒进行内积最终再进行一个平均。

均值滤波
#简单的平均卷积操作
blur=cv2.blur(img,(3,3))
方框滤波
#基本和均值一样，可以选择归一化,通常情况下第二个参数为-1，不做归一化（normalize）可能发生越界现象，做了归一化则与均值滤波一模一样
#不做归一化（normalize=False），即方盒内 所有值加在一起，没有进行平均值
#越界：即>255的值全取255 
box=cv2.boxFilter(img,-1,(3,3),normalize=True)  
高斯滤波
#高斯模糊的卷积和里的数值是满足高斯分布，相当于更重视中间的像素值
#构造卷积矩阵时，内部值距离近的设置的数值大，相当于权重系数大，离得远的权重小
aussian=cv2.GauaaianBlur(img,(5,5),1)  
中值滤波
 #将方盒内的值进行排序，上图中的中值为113，即将最中间的204设为113，相当于用中值代替。下式中的5即为5*5方阵
median=cv2.medianBlur(img,5)
展示所有图像 
#hstack:横着拼接；vatack:竖着拼接
res=np.hstack((blur,aussian,median))
print(res)
cv2.imshow('median vs average',res)
cv2.waitKey(0)
cv2.destroyAllWindows()