【AI基础】python:openCV——图像处理（2）

图像处理练习

制作一个滑动条调色板，使用函数cv2.getTrackbarPos()；cv2.creatTrackbar()

import cv2
import numpy as np

def nothing(x):
    pass

img = np.zeros((300,512,3), np.uint8)
cv2.namedWindow(‘image‘)

”创建一个开关“
switch = ‘0:OFF\n1:ON‘
cv2.createTrackbar(switch,‘image‘,0,1,nothing)

”创建3个调色条“
cv2.createTrackbar(‘R‘,‘image‘,0,255,nothing)
cv2.createTrackbar(‘G‘,‘image‘,0,255,nothing)
cv2.createTrackbar(‘B‘,‘image‘,0,255,nothing)

while(1):
    cv2.imshow(‘image‘, img)
    k=cv2.waitKey(0)
    if k == ord(‘q‘):#按q键退出
        break

                ”从调色条 获取值“
    r = cv2.getTrackbarPos(‘R‘,‘image‘)
    g = cv2.getTrackbarPos(‘G‘,‘image‘)
    b = cv2.getTrackbarPos(‘B‘,‘image‘)

        ”开关“
    change = cv2.getTrackbarPos(switch, ‘image‘)
    if k == ord(‘s‘) and change == 1:
        img[:]=[r,g,b]

cv2.destroyAllWindows()

原文地址：http://blog.51cto.com/devops2016/2086831

时间： 2024-09-29 10:18:57

【AI基础】python:openCV——图像处理（2）的相关文章

Python+OpenCV图像处理（一）——读取显示一张图片

配置好所有环境后,开始利用python+opencv进行图像处理第一步. 读取和显示一张图片: import cv2 as cv src=cv.imread('E:\imageload\example.png') cv.namedWindow('input_image', cv.WINDOW_AUTOSIZE) cv.imshow('input_image', src) cv.waitKey(0) cv.destroyAllWindows() 输出效果: 代码解释: src=cv.imread(

python+opencv图像处理（一）

一.什么是opencv?  Open Source Computer Vision Library.OpenCV于1999年由Intel建立,如今由Willow Garage提供支持.OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows.MacOS操作系统上.它轻量级而且高效--由一系列 C 函数和少量C++类构成,同时提供了Python.Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法.最新版本是3.1 ,201

Python+OpenCV图像处理（十四）—— 直线检测

简介: 1.霍夫变换(Hough Transform) 霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法.主要用来从图像中分离出具有某种相同特征的几何形状(如,直线,圆等).最基本的霍夫变换是从黑白图像中检测直线(线段). 2.Hough变换的原理是将特定图形上的点变换到一组参数空间上,根据参数空间点的累计结果找到一个极大值对应的解,那么这个解就对应着要寻找的几何形状的参数(比如说直线,那么就会得到直线的斜率k与常熟b,圆就会得到圆心与半径等等) 3.霍夫线变

Python+OpenCV图像处理（十六）—— 轮廓发现

简介:轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法,所以边缘提取的阈值选定会影响最终轮廓发现结果. 代码如下: import cv2 as cv import numpy as np def contours_demo(image): dst = cv.GaussianBlur(image, (3, 3), 0) #高斯模糊去噪 gray = cv.cvtColor(dst, cv.COLOR_RGB2GRAY) ret, binary = cv.threshold(gray, 0, 25

Python+OpenCV图像处理之模板匹配

模板匹配就是在整个图像区域中发现与给定子图像匹配的小块区域 在OpenCV中,提供了相应的函数完成这个操作: matchTemplate 函数:在模板和输入图像之间寻找匹配,获得匹配结果图像 minMaxLoc 函数:在给定的矩阵中寻找最大和最小值,并给出它们的位置 几种常见的模板匹配算法: ①TM_SQDIFF是平方差匹配:TM_SQDIFF_NORMED是标准平方差匹配.利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大. ②TM_CCORR是相关性匹配:TM_CCORR_NORMED

Python+OpenCV图像处理之直线检测

霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法.主要用来从图像中分离出具有某种相同特征的几何形状(如,直线,圆等). python实现 import cv2 import numpy as np # 使用霍夫直线变换做直线检测,前提条件:边缘检测已经完成 __author__ = "boboa" # 标准霍夫线变换 def line_detection_demo(image): gray = cv2.cvtColor(image, cv2.COLO

Python+OpenCV图像处理之对象测量

OpenCV中经常会测量对象的面积,周长,质心,边界框等 求图形几何矩中心 并求最小外接矩形python实现 import cv2 import numpy as np __author__ = "boboa" def measure_demo(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.T

Python+OpenCV图像处理（五）—— ROI与泛洪填充

一.ROI ROI(region of interest),感兴趣区域.机器视觉.图像处理中,从被处理的图像以方框.圆.椭圆.不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域,ROI. 代码如下: #进行图片截取.合并.填充 import cv2 as cv src=cv.imread('E:\imageload\lena.jpg') cv.namedWindow('first_image', cv.WINDOW_AUTOSIZE) cv.imshow('first_image', src

Python+OpenCV图像处理（七）—— 滤波与模糊操作

过滤是信号和图像处理中基本的任务.其目的是根据应用环境的不同,选择性的提取图像中某些认为是重要的信息.过滤可以移除图像中的噪音.提取感兴趣的可视特征.允许图像重采样等等.频域分析将图像分成从低频到高频的不同部分.低频对应图像强度变化小的区域,而高频是图像强度变化非常大的区域.在频率分析领域的框架中,滤波器是一个用来增强图像中某个波段或频率并阻塞(或降低)其他频率波段的操作.低通滤波器是消除图像中高频部分,但保留低频部分.高通滤波器消除低频部分.参考博客:https://blog.csdn.net