《opencv 数字图像处理 图像基础》
- 矩阵
- 通道分离和合并
- 彩色图像转灰度图像
- 灰度图转二值化图像
- 图像运算
矩阵
定义一个显示图像的函数，对于灰度图，里面添加了vmin=0,vmax=255,强制赋值最大值和最小值。
随机生成一个0-256的2维矩阵，显示灰度图像。
随机生成一个0-256的三维数组，并展示彩色图像。
uint8 8位整型图像的理解，可以发现0-255之外的数字都会转换为对应的数字，0-255之间的数字不会改变。
f浮点
浮点图像，可以发现和A显示的图像一样。
0-1之间缩放，显示效果 vmin=0,vmax=255 保留
0-1之间缩放，vmin=0,vmax=255去掉，显示的结果
通道分离和合并
首先读入一张图片并展示
使用cv.split()函数对图像进行分离，得到b,g,r三个通道的灰度图像
使用cv.merge()函数对b,g,r三个通道进行合并，得到彩色图像
调整b,g,r三个的顺序，得到不同的彩色图像
彩色图像转灰度图像
r,g,b三通道平均加权 系数和满足为1
gray1是浮点类型，两种方法转换成uint8，方便计算。第一种是使用np.uint8(),第二种是使用gray1.astype(np.uint8)
使用cv里面自带的cv.cvtColor()函数进行彩色图转灰度图
灰度图转二值化图像
设置个阈值，把大于阈值的赋值为255，小于等于阈值的赋值为0
另一种写法是调用cv.threshold()函数，第一个参数是图像，第二个参数是阈值，第三个参数是要赋的值，第四个是二值图。第四个参数可以设置为0。
图像运算
展示四张灰度图像，分别是目标，背景，掩模和噪声。四张图像的形状相同，都是500x500。
直接相加，得到的结果，大于255，会进行循环，找到对应的值。
使用cv.add()函数得到的结果，大于255直接赋值为255。
为了防止相加后的和大于255，分别赋予权重相乘的结果，但此时的类型是float64
使用cv.addWeighted()函数得到的结果，第一个参数是目标，第二个参数是权重，第三个参数是背景，第四个参数是权重，第5个参数是总偏移。此时的类型是uint8类型。
减法：第一种方法是直接减，最后转换成uint8类型。第二种是使用cv.subtract()函数进行减法，最后转换成uint8。
乘法; 首先进行归一化，缩小到0-1之间，然后用cv.multipy()函数进行两个同类型的对象相乘，结果如下。
除法：
这里没有考虑噪声中含有0的情况
加1大于255，也会被循环赋值为0
转为浮点数，再加1
图像像素的非线性变换
线性变换 b=20，k=2，这里要注意，直接按公式来写，可能得不到想要的结果，原因如下：
因此，要对数据类型进行转换
在这里插入图片描述
