快捷搜索:  汽车  科技

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)图像掩膜是一种图像处理技术,被广泛用于去除具有模糊边缘、透明或毛刺部分的照片背景,看起来类似于PS中的一项技术。掩膜注意图像的路径问题.之后需要考虑转储这个显示的图像。假设对于任何情况,我们都想要滤除掉低于某值的所有像素值,并假设该阈值设置为20。为此,我们将使用逻辑运算符来执行此任务,最终结果将返回所有索引的真值。正如之前所说,主机变量,一般并不使用这个名称,但在本文中引用它,这是因为它的行为只保留真值,而不是其他任何形式的值。所以,如果展示low_pixel和pic的形状,我们就会发现它们其实具有相同的形状。我们使用全局比较运算符为所有像素值小于200的像素点生成低值滤波器。但是,我们也可以使用此low_pixel数组作为索引将这些低值设置为某些特定值,这些值可能高于或低于先前的像素值。

在上一节中,主要是介绍了图像的基本知识以及Opencv的基本操作,具体内容参见“使用Numpy和Opencv完成基本图像的数据分析(Part I)”。这部分内容是接着上一节的内容,主要介绍一些其它的操作。

使用逻辑操作处理像素值

可以使用逻辑运算符创建相同大小的数组。但是,逻辑运算操作并不会创建出任何新的数组,只是将True返回给主机变量(host variable)。例如:假设在RGB图像中过滤掉一些像素值低的像素或像素值高的像素(以及其它任何条件),将RGB转换为灰度图看起来不错,但是我们目前不会对彩色图像进行这样的处理。

首先加载图像,并将其显示在屏幕上:

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(1)

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(2)

注意图像的路径问题.之后需要考虑转储这个显示的图像。假设对于任何情况,我们都想要滤除掉低于某值的所有像素值,并假设该阈值设置为20。为此,我们将使用逻辑运算符来执行此任务,最终结果将返回所有索引的真值。

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(3)

正如之前所说,主机变量,一般并不使用这个名称,但在本文中引用它,这是因为它的行为只保留真值,而不是其他任何形式的值。所以,如果展示low_pixel和pic的形状,我们就会发现它们其实具有相同的形状。

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(4)

我们使用全局比较运算符为所有像素值小于200的像素点生成低值滤波器。但是,我们也可以使用此low_pixel数组作为索引将这些低值设置为某些特定值,这些值可能高于或低于先前的像素值。

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(5)

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(6)

掩膜

图像掩膜是一种图像处理技术,被广泛用于去除具有模糊边缘、透明或毛刺部分的照片背景,看起来类似于PS中的一项技术。

下面将带领读者一起创建一个圆盘形状的掩膜。首先,我们测量从图像中心到每个边界像素值的距离,在这里采用应用比较方便的半径,然后使用逻辑运算符创建一个圆盘。这个过程很简单,如下面的代码所示:

if__name__=='__main__':

# 加载图像

pic=imageio.imread('F:/demo_1.jpg')

# 分离行和列

total_row total_col layers=pic.shape

''' 创建矢量,Ogrid 是一个不错的方法method of creating a

比如

>>>ogrid[0:5 0:5]

输出:

[array([[0] [1] [2] [3] [4]])

array([[0 1 2 3 4]])]

'''

x y=np.ogrid[:total_row :total_col]

# 获取图像的中心值

cen_x cen_y=total_row/2 total_col/2

'''

测量从中心到每个边界像素的距离--> s**2 = (Y-y)**2 (X-x)**2

'''

distance_from_the_center=np.sqrt((x-cen_x)**2 (y-cen_y)**2)

# 选择半径值

radius=(total_row/2)

# 使用逻辑操作符 '>'

circular_pic=distance_from_the_center>radius

'''

给所有半径外的像素值分配零值,即黑色

'''

pic[circular_pic]=0

plt.figure(figsize=(10 10))![3](https://yqfile.alicdn.com/6dffa858b5f207498da081e7341f88d0a0a69cb2.png)

plt.imshow(pic)

plt.show()

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(7)

卫星图像处理

作为edX的公开课之一,下面将介绍一些卫星图像及其处理方法,这部分内容是十分有用的,下面对其进行一些处理,做一些分析任务。

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(8)

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(9)

下面看看它的一些基本信息:

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(10)

从中可以发现一些有趣的东西,像许多其他可视化结果一样,每个rgb层中的颜色都表示对应的内容。例如,红色强弱表示像素中地理数据点的高度,蓝色强弱表示方位的度量,而绿色表示斜率,这些颜色将有助于我们以更快、更有效的方式传达信息,而不仅是显示数字。

  • 红色像素表示:高度
  • 蓝色像素表示:方位
  • 绿色像素表示:斜率

只需看一下这张彩色图像,训练有素的眼睛就能分辨出海拔是多少,斜率是多少,方位在哪里,所以为这些颜色加载更多含义能够表示更科学的东西,一个好的想法!

检测每个通道的高像素

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(11)

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(12)

opencv图像基础操作(使用Numpy和Opencv完成图像的基本数据分析)(13)

作者信息

Mohammed Innat,机器学习和数据科学研究者

本文由阿里云云栖社区组织翻译。

文章原标题《Basic Image Data Analysis Using Numpy and OpenCV – Part 2》,译者:海棠,审校:Uncle_LLD。

猜您喜欢: