OpenCV入门笔记（三）图片处理

OpenCV中提供了非常多处理图片的强大函数，能够对非常多格式的图片 加特效。有点实现Photoshop里的工具的感觉。以下先介绍一些简单和常见的特效。

二值化（Image Threshold）

二值化仅仅能处理灰度图。而所谓的灰度图。就是一幅仅仅用 0-255 这个范围来表示每个像素点的图像。灰度图没有色彩信息，看起来灰萌灰萌哒；可是又不全然仅仅有黑白两种颜色。

二值化，顾名思义，就是把灰度图的0-255的范围，映射到 0 和 1 两个值上。最简单的做法，便是先设置一个阈值（threshold），比方叫 t 好了。当灰度图完毕了的像素值 g < t。则赋值为 1，否则为 0. 这样就完毕了二值化。

二值化的效果，是能够将物体和背景切割出来，原理是让物体和背景的像素间方差最大。

highlight=threshold#cv2.threshold">Threshold函数

简单的全局二值化函数，使用方法例如以下

ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

參数

img 是要二值化的图片

127 表示阈值。这里我们用中位数表示。

255 表示大于阈值。便给该像素赋这个值。

cv2.THRESH_BINARY 表示要用的二值化方法。取值例如以下

cv2.THRESH_BINARY

cv2.THRESH_BINARY_INV

cv2.THRESH_TRUNC

cv2.THRESH_TOZERO

cv2.THRESH_TOZERO_INV

返回值

ret 貌似会返回127。不知道有什么用

thresh 二值化以后的图片

AdaptiveThreshold函数

前面的全局二值化函数，用的阈值仅仅有一个。可是这样往往效果不是非常好，所以有了自适应的局部二值化算法。

adaptive = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv2.THRESH_BINARY, 11, 2)

參数

img 要处理的灰度图

255 大于阈值后要赋的值

cv2.ADAPTIVE_THRESH_GAUSSIAN_C 要用的自适应二值化方法

cv2.ADAPTIVE_THRESH_GAUSSIAN_C 高斯法

cv2.ADAPTIVE_THRESH_MEAN_C 平均法

cv2.THRESH_BINARY 表示阈值类型。仅仅能取以下两种

cv2.THRESH_BINARY

cv2.THRESH_BINARY_INV

11 是blocksize。奇数

2 常数C。用于从平均值或带权重的平均值中减去这个值

返回值

adaptive 返回二值化后的图片

模糊和平滑（Blur & Smoothing）

中文官方解释见这里：【图像平滑】

在图片的自适应局部二值化之前，一般先要进行图片的平滑处理，以过滤掉那些噪点。原理是让待处理图片和一个低通滤波器的核（low-pass filter kernel）。事实上就是一个矩阵，做卷积运算。

所谓滤波。就是过滤掉信号中，高频或者低频，或者中间（即带通滤波）的部分。而低通的效果是模糊，高通的效果是锐化。

CSDN博主【浅墨】的这篇文章讲的非常好，事实上。整个将OpenCV的系列都非常深入浅出，适合刚開始学习的人。他也出了本书。有空能够关注一下。

举个栗子

img = cv2.imread('./lena.jpg')
# 方框滤波
boxBlur = cv2.boxblur(img, -1, (5, 5))
# 均值滤波
blur = cv2.blur(img, (5, 5))
# 高斯滤波，（5,5）是Kernel的大小
gBlur = cv2.GaussianBlur(img, (5, 5), 0)
# 中值滤波
mBlur = cv2.medianBlur(img, 5) 
# 双边滤波
bBlur = cv2.bilateralFilter(img, 9, 75, 75)

前面的方框滤波，均值滤波，高斯滤波，都是属于 线性滤波，而中值滤波和双边滤波都是非线性的。非线性的滤波。效果一般好一点，可是也相对会速度较慢。

对了，均值滤波事实上就是归一化的方框滤波，即

blur = cv2.boxblur(img, -1, (5, 5), True)
blur2 = blur(img, (5, 5))

两行代码事实上是一样的。

滑动条

一般我们用一些OpenCV中的函数，常常要动态地调一个參数。有了滑动条就会方便非常多，直接拖动就改变对应的參数，就像手机上放大音量那样简单。

比起前面。滑动条的响应函数要自定义。

def refresh(x):
    print x
cv2.createTrackbar("value: ", "window title", 0, 255, refresh)

參数

“value: ” 滑动条上的显示字符串

“window title”，要显示在的窗体名

0 默认值

255 最大值

响应函数名

注意：

1. 这里的refresh函数中。变量x是必须的，否则取不了值

2. 创建滑动条。要在创建窗体代码的后面

样例和完整代码

综合上面讲的函数，我们写一个完整的样例，依次展示：原图，灰度图，高斯平滑，二值化，自适应高斯二值化五张图片。

import cv2
title_ori = "binary"
title_ada = "adaptive"
title_trackbar = "threshold value"
# when value changed, refresh the picture
def refresh(x):
    ret, thres = cv2.threshold(blur, x, 255, cv2.THRESH_BINARY)
    cv2.imshow(title_ori, thres)
img = cv2.imread("./lena.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5, 5), 0)
# create window
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.namedWindow("gray", cv2.WINDOW_NORMAL)
cv2.namedWindow("blur", cv2.WINDOW_NORMAL)
# show origin image, gray image and blur image
cv2.imshow("img", img)
cv2.imshow("gray", gray)
cv2.imshow("blur", blur)
# create window and trackbar for binary image
cv2.namedWindow(title_ori, cv2.WINDOW_NORMAL)
cv2.createTrackbar(title_trackbar, title_ori, 0, 255, refresh)
cv2.imshow(title_ori, img)
# create and show adaptive threshold
adaptive = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
cv2.namedWindow(title_ada, cv2.WINDOW_NORMAL)
cv2.imshow(title_ada, adaptive)
cv2.waitKey(0)
cv2.destroyAllWindows()