python opencv 图像增强、边缘检测和颜色分割

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。

  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。

  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。

  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。

  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。

  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()