一、OpenCV显示图片
在使用OpenCV之前,我们需要将原始图像加载到内存中。下面代码演示了如何使用OpenCV加载图像并将其显示在窗口中:
import cv2
# 加载图像
img = cv2.imread('img.jpg')
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示图像
cv2.imshow('image', img)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
二、OpenCV图片处理
OpenCV支持图像操作,这包括通道分离、图像旋转、图像翻转、通道合并等操作。下面代码演示了如何使用OpenCV对图像进行通道拆分,并在RGB和灰度之间转换:
import cv2
# 加载图像
img = cv2.imread('img.jpg')
# 拆分通道
b, g, r = cv2.split(img)
# 合并通道
img = cv2.merge((b, g, r))
# 将图像转换为灰度
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示原始图像
cv2.imshow('image', img)
# 显示灰度图像
cv2.imshow('gray', gray)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
三、OpenCV图像放大
当我们需要将图像进行放大时,OpenCV提供了两种方法。第一种方法是使用cv2.resize()函数来缩放图像,第二种方法是使用cv2.pyrUp()函数来执行图像金字塔操作。
1、使用cv2.resize()函数
cv2.resize()函数可以将图像缩放到指定的大小。下面代码演示了如何使用cv2.resize()函数将图像放大两倍:
import cv2
# 加载图像
img = cv2.imread('img.jpg')
# 缩放图像
resized_img = cv2.resize(img, (0, 0), fx=2, fy=2)
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示原始图像
cv2.imshow('image', img)
# 显示缩放图像
cv2.imshow('resized image', resized_img)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
2、使用cv2.pyrUp()函数
cv2.pyrUp()函数可以将图像放大一倍,并通过重复使用此函数来达到放大任意倍数的目的。下面代码演示了如何使用cv2.pyrUp()函数来放大图像:
import cv2
# 加载图像
img = cv2.imread('img.jpg')
# 放大图像
new_shape = (img.shape[1]*2, img.shape[0]*2)
larger_img = cv2.pyrUp(img, dstsize=new_shape)
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示原始图像
cv2.imshow('image', img)
# 显示放大图像
cv2.imshow('larger image', larger_img)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
四、OpenCV缩放图像实验报告
接下来,我们来进行缩放图像实验。我们将按照如下步骤进行:
1、加载图像
2、使用cv2.resize()函数将图像缩小到原始大小的50%
3、使用cv2.resize()函数将图像缩小到原始大小的25%
4、使用cv2.pyrDown()函数将图像缩小到原始大小的50%
5、使用cv2.pyrDown()函数将图像缩小到原始大小的25%
下面是实验代码:
import cv2
# 加载图像
img = cv2.imread('img.jpg')
# 缩小图像到原始大小的50%
resized1 = cv2.resize(img, (0, 0), fx=0.5, fy=0.5)
# 缩小图像到原始大小的25%
resized2 = cv2.resize(img, (0, 0), fx=0.25, fy=0.25)
# 使用金字塔缩小图像到原始大小的50%
pyrdown1 = cv2.pyrDown(img)
pyrdown1 = cv2.pyrDown(pyrdown1)
# 使用金字塔缩小图像到原始大小的25%
pyrdown2 = cv2.pyrDown(img)
pyrdown2 = cv2.pyrDown(pyrdown2)
pyrdown2 = cv2.pyrDown(pyrdown2)
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示原始图像
cv2.imshow('image', img)
# 显示缩小后图像1
cv2.imshow('resized1', resized1)
# 显示缩小后图像2
cv2.imshow('resized2', resized2)
# 显示金字塔缩小后图像1
cv2.imshow('pyrdown1', pyrdown1)
# 显示金字塔缩小后图像2
cv2.imshow('pyrdown2', pyrdown2)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
五、OpenCV怎么把图片变清晰了
在使用OpenCV处理图像时,我们可能会遇到模糊图像的情况。OpenCV提供了两种方法来增强模糊图像的清晰度:锐化和去模糊。
1、锐化图像
锐化可以帮助我们强调图像中的边缘和细节,使图像更加清晰。下面代码演示了如何使用cv2.filter2D()函数对图像进行锐化处理:
import cv2
import numpy as np
# 加载图像
img = cv2.imread('img.jpg')
# 定义锐化内核
kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
# 使用内核进行锐化
sharp_img = cv2.filter2D(img, -1, kernel)
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示原始图像
cv2.imshow('image', img)
# 显示锐化后的图像
cv2.imshow('sharp image', sharp_img)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
2、去模糊
去模糊可以恢复图像的清晰度,但有可能会引入噪音。下面代码演示了如何使用cv2.filter2D()函数对图像进行去模糊处理:
import cv2
import numpy as np
# 加载模糊的图像
img = cv2.imread('blurry_img.jpg')
# 定义去模糊内核
kernel = np.ones((5,5), np.float32)/25
# 使用内核进行去模糊
blurry_img = cv2.filter2D(img, -1, kernel)
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示模糊的图像
cv2.imshow('image', img)
# 显示去模糊后的图像
cv2.imshow('blurred image', blurry_img)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
六、OpenCV图片增强
当我们需要通过提高图像的对比度和亮度来增强图像时,OpenCV提供了cv2.addWeighted()函数。
下面代码演示了如何使用cv2.addWeighted()函数对图像进行增强处理:
import cv2
# 加载图像
img = cv2.imread('img.jpg')
# 提高图像的对比度和亮度
alpha = 1.5 # 对比度参数
beta = 0 # 亮度参数
enhanced_img = cv2.addWeighted(img, alpha, np.zeros(img.shape, img.dtype), 0, beta)
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示原始图像
cv2.imshow('image', img)
# 显示增强后的图像
cv2.imshow('enhanced image', enhanced_img)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
七、OpenCV图片截取
在使用OpenCV处理图像时,我们可能需要从原始图像中截取出感兴趣的区域。下面代码演示了如何使用numpy索引来截取图像:
import cv2
# 加载图像
img = cv2.imread('img.jpg')
# 截取图像区域
cropped_img = img[100:300, 200:400]
# 创建图像窗口
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
# 显示原始图像
cv2.imshow('image', img)
# 显示截取出的小图像
cv2.imshow('cropped image', cropped_img)
# 等待关闭窗口
cv2.waitKey(0)
# 释放窗口
cv2.destroyAllWindows()
八、QtOpenCV图片缩放
Qt提供了一些用于图形图像处理的库,其中最流行的是QtOpenCV库。使用该库,我们可以在Qt应用程序中展示OpenCV处理的图像。
下面代码演示了如何使用QWidget和QHBoxLayout组件来显示OpenCV缩放后的图像:
import sys
import cv2
from PyQt5.QtWidgets import QWidget, QLabel, QApplication, QHBoxLayout
from PyQt5.QtGui import QImage, QPixmap
class ImageViewer(QWidget):
def __init__(self):
super().__init__()
# 加载图像
self.img = cv2.imread('img.jpg')
# 缩放图像
self.resized_img = cv2.resize(self.img, (0, 0), fx=0.5, fy=0.5)
# 创建标签
self.label_orig = QLabel(self)
self.label_resized = QLabel(self)
# 创建布局
hbox = QHBoxLayout()
hbox.addWidget(self.label_orig)
hbox.addWidget(self.label_resized)
# 设置窗口布局为布局
self.setLayout(hbox)
# 显示图像
self.show_image()
def show_image(self):
# 将原始图像和缩放后的图像转换为QImage格式
qimg_orig = QImage(self.img.data, self.img.shape[1], self.img.shape[0], self.img.strides[0], QImage.Format_RGB888)
qimg_resized = QImage(self.resized_img.data, self.resized_img.shape[1], self.resized_img.shape[0], self.resized_img.strides[0], QImage.Format_RGB888)
# 将QImage格式的图像设置为标签的内容
self.label_orig.setPixmap(QPixmap.fromImage(qimg_orig))
self.label_resized.setPixmap(QPixmap.fromImage(qimg_resized))
# 调整标签的大小
self.label_orig.adjustSize()
self.label_resized.adjustSize()
if __name__ == '__main__':
app = QApplication(sys.argv)
viewer = ImageViewer()
viewer.show()
sys.exit(app.exec_())