opencv库 のバックアップ(No.3)

• バックアップ一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• +python+opencv库 へ行く。
  • 1 (2023-09-22 (金) 14:15:54)
  • 2 (2023-09-25 (月) 16:04:45)
  • 3 (2023-09-26 (火) 18:27:28)

---

Python

※This article is based on Python 3.7.3

环境 †[edit]

安装命令

pip install opencv-python

简单的例程 †[edit]

import cv2 as cv
img = cv.imread("2.jpg")
cv.imshow("2", img)
cv.waitKey(0)
cv.destroyAllWindows()

图片处理 †[edit]

灰度化与二值化 †[edit]

图像灰度化

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  

图像二值化

ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  

获取二值图像轮廓及中心点坐标代码 †[edit]

groundtruth = cv2.imread(groundtruth_path)[:, :, 0]
h1, w1 = groundtruth.shape
contours, cnt = cv2.findContours(groundtruth.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if len(contours) != 1:#轮廓总数
    continue
M = cv2.moments(contours[0])  # 计算第一条轮廓的各阶矩,字典形式
center_x = int(M["m10"] / M["m00"])
center_y = int(M["m01"] / M["m00"])
image = np.zeros([h1, w1], dtype=groundtruth.dtype)
cv2.drawContours(image, contours, 0, 255, -1)#绘制轮廓，填充
cv2.circle(image, (center_x, center_y), 7, 128, -1)#绘制中心点
cv2.imwrite("1.png", image)

图片降噪 †[edit]

中值滤波 †[edit]

中值滤波是一种简单而有效的去噪方法，特别适合去除椒盐噪声（随机黑白像素点）。它可以有效地保留图像的边缘信息和细节，但它也可能导致图像变得模糊，特别是在大尺寸滤波器的情况下。

import cv2

img = cv2.imread('image.jpg')
median = cv2.medianBlur(img, 5)
cv2.imshow('Median filter', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

高斯滤波 †[edit]

高斯滤波器是一种线性滤波器，适用于去除高斯噪声（随机高斯分布的噪声）。它通过对周围像素的加权平均来减少噪声，并在去除噪声的同时保留图像的边缘信息。与中值滤波相比，它可以更好地控制模糊程度，但它不能有效地去除椒盐噪声。

import cv2

img = cv2.imread('image.jpg')
gaussian = cv2.GaussianBlur(img, (5,5), 0)
cv2.imshow('Gaussian filter', gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

双边滤波 †[edit]

双边滤波是一种非线性滤波器，可以同时平滑像素的颜色和保留边缘信息。它可以去除高斯噪声和椒盐噪声，并且相对于其他滤波器，双边滤波器的效果更好。但是，双边滤波器需要更长的处理时间，并且可能会在图像中引入一些新的噪声。

import cv2

img = cv2.imread('image.jpg')
bilateral = cv2.bilateralFilter(img, 9, 75, 75)
cv2.imshow('Bilateral filter', bilateral)
cv2.waitKey(0)
cv2.destroyAllWindows()

小波变换 †[edit]

小波变换可以分解图像成不同频率的细节信息，从而可以选择性地去除噪声。小波变换通常用于处理高斯噪声和其他复杂的噪声类型。小波变换可以同时保留图像的边缘和细节信息，但它可能会引入一些新的噪声，并且需要更长的处理时间。

import cv2
import pywt

img = cv2.imread('image.jpg', 0)
coeffs = pywt.dwt2(img, 'haar')
cA, (cH, cV, cD) = coeffs
cv2.imshow('Wavelet denoising', pywt.idwt2((cA, (None, None, None)), 'haar'))
cv2.waitKey(0)
cv2.destroyAllWindows()

调用USB摄像头 †[edit]

设置相机id之后还要设置一下分辨率，否则某些相机，第二次打不开画面

cap = cv2.VideoCapture(video,cv2.CAP_DSHOW)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)  # 设置分辨率
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)

while cap.isOpened():
    ...

#使用完后，要释放
cap.release()
cv2.destroyAllWindows()

有个USB摄像头不使用 cv2.CAP_DSHOW 参数会报错

CvCapture_MSMF::grabFrame videoio(MSMF): can't grab frame. Error: -2147483638

---

コメント：

お名前:

(画像の文字列を入力して下さい)