opencv

#opencv| 来源: 网络整理| 查看: 265

opencv-python，对图像进行缩放、降低灰度分辨率，观察图像变化一、在开始之前知识点、方法二、开始对一张图像进行缩放，观察其分辨率和图像变化使用cv2.resize缩放图像观察其分辨率和图像变化三、降低灰度分辨率，观察图像变化降低灰度分辨率观察图像变化

一、在开始之前知识点、方法

本次教程涉及到的知识点：图像分辨率：指图像中存储的信息量，是每英寸图像内有多少个像素点，分辨率的单位为PPI(Pixels Per Inch)，通常叫做像素每英寸。对于计算机的显示系统来说，一幅图像的PPI值是没有意义的，起作用的是这幅图像所包含的总的像素数，也就是另一种分辨率表示方法：水平方向的像素数×垂直方向的的像素数。灰度分辨率：在数字图像处理教程中，灰度分辨率指的是色阶，色阶是表示图像亮度强弱的指数标准，也就是我们说的色彩指数。灰度分辨率指亮度，和颜色无关，但最亮的只有白色，最不亮的只有黑色。方法 cv2.resize()：其第一个参数为待缩放的图像，第二个参数为缩放后的图像尺寸大小，如(640,480) 第三个和第四个参数为缩放尺度因子，第五个参数为缩放的插值方法。插值方法：默认时使用的是cv2.INTER_LINEAR缩小时推荐使用cv2.INTER_AREA 扩展放大时推荐使用cv2.INTER_CUBIC 和 cv2.INTER_LINEAR，前者比后者运行速度慢。码云代码地址：https://gitee.com/steveqobs/opencv chapter2

二、开始

先引入cv2 和numpy。确定要用的图片

import cv2 img = cv2.imread('img/lena.png') 对一张图像进行缩放，观察其分辨率和图像变化使用cv2.resize缩放图像

1、第一种缩放方法，使用 shape 获取图片的长和宽 2、缩放-放大：使用cv2.resize，在第二个参数中给定两倍的长和宽这种方法的缺点是每次要读取原图的长宽 3、print函数打印出图片的分辨率 4、缩放-缩小：在缩小图片的时候，我用了第二种，在第3 、4参数中给定0.5 的比例，长和宽缩小一半

# 第一种缩放方法，用resize(),在第二个参数给定尺寸大小。这里长和宽放大两倍 height, width = img.shape[:2] # img.shape=(512,512,3) 数组分别代表的是图像的高、宽、通道，上面这句将前两个数值赋给了height和width下面要用到 print("原图分辨率：", height, "*", width) enlarge = cv2.resize(img, (2 * width, 2 * height)) print("缩放：放大后：", enlarge.shape[:2]) # 上一句默认插值方法参数为cv2.INTER_LINEAR 这句也可以： # enlarge = cv2.resize(img, (2 * width, 2 * height), interpolation=cv2.INTER_CUBIC) # 第二种缩放方法，用resize(),在第三、四参数给定缩放比例。这里长和宽缩小到0.5倍。好处是不用读取长宽了 # enlarge = cv2.resize(img, None, fx=1.5, fy=1.5, interpolation=cv2.INTER_CUBIC) shrink = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_CUBIC) print("缩放：缩小后：", shrink.shape[:2]) # None是输出图像的尺寸大小，fx和fy是缩放因子 # cv2.INTER_CUBIC 是插值方法，一般默认为cv2.INTER_LINEAR cv2.imshow('enlarge', enlarge) cv2.imshow('shrink', shrink) cv2.imshow('img', img) cv2.waitKey(0) 观察其分辨率和图像变化

从左到右依次为，缩小、原图、放大

在这里插入图片描述

控制台输出的结果如下：（显示了图像的长和宽，图像变大了，实际上图像分辨率是降低了的。假如原图是100ppi，放大后图像分辨率就是50ppi）在这里插入图片描述

三、降低灰度分辨率，观察图像变化降低灰度分辨率 # 下面函数先量化到level+1级，再量化至256级以显示 def reduce_intensity_levels(img, level): img = cv2.copyTo(img, None) for x in range(img.shape[0]): for y in range(img.shape[1]): si = img[x, y] ni = int(level * si / 255 + 0.5) * (255 / level) img[x, y] = ni return img src = cv2.imread('img/lena.png') # cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片 gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY) # 量化到8级 result8 = reduce_intensity_levels(gray, 7) # 量化到2级 result2 = reduce_intensity_levels(gray, 1) cv2.imshow('src', src) cv2.imshow('gray', gray) cv2.imshow('result8', result8) cv2.imshow('result2', result2) cv2.waitKey(0) 观察图像变化

先将原图转换成灰度级图片了在这里插入图片描述左边是灰度图片，右边两个降低灰度分辨率灰度级数通常是2的整数次幂中间是8 ，右边是2

在这里插入图片描述

【本文地址】

opencv

opencv

今日新闻

推荐新闻