python opencv 图像增强、边缘检测和颜色分割
时间: 2024-06-09 11:09:21 浏览: 163
python opencv实现图像边缘检测
Python OpenCV 提供了许多图像增强、边缘检测和颜色分割的函数和算法,下面我介绍几个常用的方法:
1. 图像增强
- 直方图均衡化:通过增加图像的对比度,使得图像更加清晰,可以使用函数 `cv2.equalizeHist()` 实现。
```python
import cv2
img = cv2.imread('image.jpg', 0)
equ = cv2.equalizeHist(img)
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', equ)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
- 锐化:通过增加图像的边缘和细节,使得图像更加清晰,可以使用函数 `cv2.filter2D()` 实现。
```python
import cv2
import numpy as np
img = cv2.imread('image.jpg', 0)
kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
sharp = cv2.filter2D(img, -1, kernel)
cv2.imshow('Original Image', img)
cv2.imshow('Sharpened Image', sharp)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
2. 边缘检测
- Canny 边缘检测:通过检测图像中的强度梯度来检测边缘,可以使用函数 `cv2.Canny()` 实现。
```python
import cv2
img = cv2.imread('image.jpg', 0)
edges = cv2.Canny(img, 100, 200)
cv2.imshow('Original Image', img)
cv2.imshow('Canny Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
3. 颜色分割
- 色彩空间转换:将图像从 BGR 色彩空间转换为 HSV 色彩空间,可以使用函数 `cv2.cvtColor()` 实现。
```python
import cv2
img = cv2.imread('image.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow('Original Image', img)
cv2.imshow('HSV Image', hsv)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
- 阈值分割:将图像中的像素根据一定的阈值进行分类,可以使用函数 `cv2.threshold()` 实现。
```python
import cv2
img = cv2.imread('image.jpg', 0)
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Original Image', img)
cv2.imshow('Thresholded Image', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
阅读全文