四、图像预处理

作者：Chris Albon

译者：飞龙

协议：CC BY-NC-SA 4.0

图像二值化

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image_grey = cv2.imread('img/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 应用自适应阈值
  10. max_output_value = 255
  11. neighorhood_size = 99
  12. subtract_from_mean = 10
  13. image_binarized = cv2.adaptiveThreshold(image_grey, 
  14.                                         max_output_value, 
  15.                                         cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
  16.                                         cv2.THRESH_BINARY, 
  17.                                         neighorhood_size, 
  18.                                         subtract_from_mean)
  20. # 展示图像
  21. plt.imshow(image_binarized, cmap='gray'), plt.axis("off")
  22. plt.show()

png

图像模糊

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image = cv2.imread('img/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 使图像模糊
  10. image_blurry = cv2.blur(image, (5,5))
  12. # 展示图像
  13. plt.imshow(image_blurry, cmap='gray'), plt.xticks([]), plt.yticks([])
  14. plt.show()

png

图像剪裁

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image = cv2.imread('img/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 选择所有行，和前一半的列
  10. image_cropped = image[:,:126]
  12. # 查看图像
  13. plt.imshow(image_cropped, cmap='gray'), plt.axis("off")
  14. plt.show()

png

边缘检测

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image_gray = cv2.imread('img/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 计算强度中值
  10. median_intensity = np.median(image_gray)
  12. # 将阈值设为强度中值上下一个标准差
  13. lower_threshold = int(max(0, (1.0 - 0.33) * median_intensity))
  14. upper_threshold = int(min(255, (1.0 + 0.33) * median_intensity))
  16. # 应用 canny 边缘检测
  17. image_canny = cv2.Canny(image_gray, lower_threshold, upper_threshold)
  19. # 展示图像
  20. plt.imshow(image_canny, cmap='gray'), plt.axis("off")
  21. plt.show()

png

增强彩色图像的对比度

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 加载图像
  7. image_bgr = cv2.imread('img/plane.jpg')
  9. # 转换为 YUV
  10. image_yuv = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2YUV)
  12. # 应用直方图均衡
  13. image_yuv[:, :, 0] = cv2.equalizeHist(image_yuv[:, :, 0])
  15. # 转换为 RGB
  16. image_rgb = cv2.cvtColor(image_yuv, cv2.COLOR_YUV2RGB)
  18. # 展示图像
  19. plt.imshow(image_rgb), plt.axis("off")
  20. plt.show()

png

增强灰度图像的对比度

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image = cv2.imread('img/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 增强图像
  10. image_enhanced = cv2.equalizeHist(image)
  12. # 展示图像
  13. plt.imshow(image_enhanced, cmap='gray'), plt.axis("off")
  14. plt.show()

png

Harris 角点检测

Harris 角点检测器是检测两个边缘角点的常用方法。 它寻找窗口（也称为邻域或补丁），其中窗口的小移动（想象摇动窗口）使窗口内的像素内容产生大的变化。

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image_bgr = cv2.imread('img/plane_256x256.jpg')
  8. image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)
  9. image_gray = np.float32(image_gray)
  11. # 设置角点检测器的参数
  12. block_size = 2
  13. aperture = 29
  14. free_parameter = 0.04
  16. # 检测角点
  17. detector_responses = cv2.cornerHarris(image_gray, block_size, aperture, free_parameter)
  19. # 大型角点标记器
  20. detector_responses = cv2.dilate(detector_responses, None)
  22. # 只保留大于阈值的检测器结果，标记为白色
  23. threshold = 0.02
  24. image_bgr[detector_responses > threshold * detector_responses.max()] = [255,255,255]
  26. # 转换为灰度
  27. image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)
  29. # 展示图像
  30. plt.imshow(image_gray, cmap='gray'), plt.axis("off")
  31. plt.show()

png

安装 OpenCV

虽然有许多好的库，OpenCV 是最受欢迎和文档最全的图像处理库。 使用 OpenCV 的最大障碍之一就是安装它。 但是，幸运的是，我们可以使用 Anaconda 的软件包管理器工具 conda，在我们的终端中用一行代码安装 OpenCV：

  1. conda install --channel https://conda.anaconda.org/menpo opencv3

之后，我们可以通过打开笔记本，导入 OpenCV 并检查版本号（3.1.0）来检查安装：

  1. # 加载库
  2. import cv2
  4. # 查看版本号
  5. cv2.__version__
  7. # '3.2.0'

颜色隔离

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 加载图像
  7. image_bgr = cv2.imread('img/plane_256x256.jpg')
  9. # 将 BGR 转换为 HSV
  10. image_hsv = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2HSV)
  12. # 定义 HSV 中蓝色值的范围
  13. lower_blue = np.array([50,100,50])
  14. upper_blue = np.array([130,255,255])
  16. # 创建遮罩
  17. mask = cv2.inRange(image_hsv, lower_blue, upper_blue)
  19. # 屏蔽图像
  20. image_bgr_masked = cv2.bitwise_and(image_bgr, image_bgr, mask=mask)
  22. # 将 BGR 转换为 RGB
  23. image_rgb = cv2.cvtColor(image_bgr_masked, cv2.COLOR_BGR2RGB)
  25. # 展示图像
  26. plt.imshow(image_rgb), plt.axis("off")
  27. plt.show()

png

加载图像

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image = cv2.imread('img/plane.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 展示图像
  10. plt.imshow(image, cmap='gray'), plt.axis("off")
  11. plt.show()

png

  1. # 加载彩色图像
  2. image_bgr = cv2.imread('img/plane.jpg', cv2.IMREAD_COLOR)
  4. # 转换为 RGB
  5. image_rgb = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB)
  7. # 展示图像
  8. plt.imshow(image_rgb), plt.axis("off")
  9. plt.show()

png

  1. # 展示图像数据
  2. image
  4. '''
  5. array([[140, 136, 146, ..., 132, 139, 134],
  6.        [144, 136, 149, ..., 142, 124, 126],
  7.        [152, 139, 144, ..., 121, 127, 134],
  8.        ..., 
  9.        [156, 146, 144, ..., 157, 154, 151],
  10.        [146, 150, 147, ..., 156, 158, 157],
  11.        [143, 138, 147, ..., 156, 157, 157]], dtype=uint8) 
  12. '''
  14. # 展示维度
  15. image.shape
  17. # (2270, 3600)

背景移除

四、图像预处理 - 图11

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 加载图像
  7. image_bgr = cv2.imread('img/plane_256x256.jpg')
  9. # 转换为 RGB
  10. image_rgb = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2RGB)
  12. # 矩形值：起点 x，起点 y，宽度，高度
  13. rectangle = (0, 56, 256, 150)
  15. # 创建初始遮罩
  16. mask = np.zeros(image_rgb.shape[:2], np.uint8)
  18. # 创建用于 grabCut 的临时数组
  19. bgdModel = np.zeros((1, 65), np.float64)
  20. fgdModel = np.zeros((1, 65), np.float64)
  22. # 执行 grabCut
  23. cv2.grabCut(image_rgb, # 我们的图像
  24.             mask, # 遮罩
  25.             rectangle, # 我们的矩形
  26.             bgdModel, # 用于背景的临时数组
  27.             fgdModel, # 用于前景的临时数组
  28.             5, # 迭代数量
  29.             cv2.GC_INIT_WITH_RECT) # 使用我们的矩形来初始化
  31. # 创建遮罩，其中背景设置为 0，否则为 1
  32. mask_2 = np.where((mask==2) | (mask==0), 0, 1).astype('uint8')
  34. # 使用新的遮罩移除多个图像的背景
  35. image_rgb_nobg = image_rgb * mask_2[:, :, np.newaxis]
  37. # 展示图像
  38. plt.imshow(image_rgb_nobg), plt.axis("off")
  39. plt.show()

png

保存图像

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image = cv2.imread('img/plane.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 展示图像
  10. plt.imshow(image, cmap='gray'), plt.axis("off")
  11. plt.show()

png

  1. # 保存图像
  2. cv2.imwrite('img/plane_new.jpg', image)
  4. # True

图像锐化

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为灰度
  7. image = cv2.imread('img/plane_256x256.jpg', cv2.IMREAD_GRAYSCALE)
  9. # 创建核
  10. kernel = np.array([[0, -1, 0], 
  11.                    [-1, 5,-1], 
  12.                    [0, -1, 0]])
  14. # 锐化图像
  15. image_sharp = cv2.filter2D(image, -1, kernel)
  17. # 展示图像
  18. plt.imshow(image_sharp, cmap='gray'), plt.axis("off")
  19. plt.show()

png

Shi-Tomasi 角点检测

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 加载图像
  7. image_bgr = cv2.imread('img/plane_256x256.jpg')
  8. image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)
  10. # 要检测的角点数量
  11. corners_to_detect = 10
  12. minimum_quality_score = 0.05
  13. minimum_distance = 25
  15. # 检测角点
  16. corners = cv2.goodFeaturesToTrack(image_gray, 
  17.                                   corners_to_detect, 
  18.                                   minimum_quality_score,
  19.                                   minimum_distance)
  20. corners = np.float32(corners)
  22. # 在每个角点上绘制白色圆圈
  23. for corner in corners:
  24.     x, y = corner[0]
  25.     cv2.circle(image_bgr, (x,y), 10, (255,255,255), -1)
  27. # 转换为灰度
  28. image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY)
  30. # 展示图像
  31. plt.imshow(image_gray, cmap='gray'), plt.axis("off")
  32. plt.show()

png

使用颜色均值作为特征

  1. # 加载库
  2. import cv2
  3. import numpy as np
  4. from matplotlib import pyplot as plt
  6. # 将图像加载为 BGR
  7. image_bgr = cv2.imread('img/plane_256x256.jpg', cv2.IMREAD_COLOR)
  9. # 计算每个通道的均值
  10. channels = cv2.mean(image_bgr)
  12. # 交换蓝色和红色值（使其变成 RGB 而不是 BGR）
  13. observation = np.array([(channels[2], channels[1], channels[0])])
  15. # 展示通道的均值
  16. observation
  18. # array([[  90.53204346,  133.11735535,  169.03074646]]) 
  20. # 展示图像
  21. plt.imshow(observation), plt.axis("off")
  22. plt.show()

png