在 Google Colab 中使用 OpenCV 進(jìn)行圖像處理簡(jiǎn)介
點(diǎn)擊上方“小白學(xué)視覺(jué)”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
在這篇文章中，我們將實(shí)現(xiàn)如何使用 OpenCV 在 google colaboratory 中進(jìn)行圖像處理。為此，我們應(yīng)該了解一些 Python 基礎(chǔ)知識(shí)，下面給出的步驟將幫助我們?cè)?Google Colab 中使用 OpenCV 進(jìn)行圖像處理，這有助于機(jī)器學(xué)習(xí)人工智能。
圖像處理的6個(gè)步驟：
步驟 1：加載依賴項(xiàng)
我們將加載一些必需的庫(kù)，例如：Numpy, pandas, cv2, skimage, PIL and Matplotlib。在 Google colab 上加載依賴項(xiàng):
import numpy as npimport pandas as pdimport cv2 as cvfrom google.colab.patches import cv2_imshowfrom skimage import iofrom PIL import Imageimport matplotlib.pylab as plt
第 2 步：從 URL 讀取圖像
在這一步中，我們將從 URL 中讀取圖像，并在 google colab 中使用 OpenCV 顯示它們，我們將使用以下代碼來(lái)顯示圖像。
讓我們?cè)?Google colab 上嘗試一下，這些是圖像的 URL。
urls = ["https://iiif.lib.ncsu.edu/iiif/0052574/full/800,/0/default.jpg","https://iiif.lib.ncsu.edu/iiif/0016007/full/800,/0/default.jpg","https://placekitten.com/800/571"]for url in urls:image = io.imread(url)image_2 = cv.cvtColor(image, cv.COLOR_BGR2RGB)final_frame = cv.hconcat((image, image_2))cv2_imshow(final_frame)print('\n')
運(yùn)行上面給出的代碼后，上面顯示的圖像將作為結(jié)果顯示。請(qǐng)注意讀取 RGB 和 BGR 格式的圖像時(shí)的區(qū)別，OpenCV 的默認(rèn)輸入顏色通道采用 BGR 格式。
第 3 步：圖像輪廓和直方圖
我們將使用以下代碼：
print(image.dtype)print(image.shape[0])print(image.shape[1])print(image.shape[2])
然后檢查圖像矩陣數(shù)據(jù)類型，圖像的高度，圖像的寬度，圖像的通道數(shù)?，F(xiàn)在讓我們顯示彩色圖像中所有像素的直方圖。
plt.hist(image.ravel(),bins = 256, range = [0,256])plt.show()
顯示R、G、B 通道的直方圖。我們可以觀察到，綠色通道在 255 中有很多像素，這表示圖像中的白色塊。
color = ('b','g','r')for i, col in enumerate(color):histr = cv.calcHist([image],[i],None,[256],[0,256])plt.plot(histr,color = col)plt.xlim([0,256])plt.show()
現(xiàn)在讓我們嘗試制作灰度圖像，在這里，我們成功地得到了一只貓的灰色圖像，繪制灰度圖像的直方圖。
gray_image = cv.cvtColor(image, cv.COLOR_BGR2GRAY)cv2_imshow(gray_image)
我們可以觀察到圖像直方圖的頻率降低了彩色圖像直方圖的 1/3。
plt.hist(gray_image.ravel(),bins = 256, range = [0, 256])plt.show()
第 4 步：灰度變換和直方圖均衡化
灰度變換提供了一些對(duì)灰度圖像進(jìn)行數(shù)學(xué)變換的示例。
im2 = 255 - gray_imagecv2_imshow(im2)
這是灰度圖像的逆運(yùn)算，我們可以看到明亮的像素變暗，而暗的像素變亮。
im3 = (100.0/255)*gray_image + 100cv2_imshow(im3)
在添加常量后，對(duì)圖像進(jìn)行另一個(gè)變換。所有的像素都變得更亮，并且產(chǎn)生了圖像的模糊效果。在這一步驟之后，灰度圖像的亮度級(jí)別會(huì)降低。
第 5 步：灰度圖像的傅立葉變換
傅里葉變換用于找到圖像的頻域，讓我們繼續(xù)使用一段代碼，它通過(guò)內(nèi)核大小為 10 的高斯濾波器對(duì)灰度圖像進(jìn)行模糊，并將圖像變換到頻域。
imBlur = cv.blur(gray_image,(5,5))f = np.fft.fft2(imBlur)fshift = np.fft.fftshift(f)magnitude_spectrum = 30*np.log(np.abs(fshift))plt.subplot(121),plt.imshow(imBlur, cmap = 'gray')plt.title('Input Image'), plt.xticks([]), plt.yticks([])plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray')plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])plt.show()
步驟 6：通過(guò) FFT 中的高通濾波查找邊緣
最后一步演示如何使用高通濾波器去除低頻分量，從而生成包含邊緣的銳化圖像。
rows, cols = imBlur.shapecrow, ccol = round(rows/2) , round(cols/2)fshift[crow-10:crow+10, ccol-10:ccol+10] = 0f_ishift = np.fft.ifftshift(fshift)img_back = np.fft.ifft2(f_ishift)img_back = np.abs(img_back)plt.figure(figsize=([20, 20]))plt.subplot(131),plt.imshow(imBlur, cmap = 'gray')plt.title('Input Image'), plt.xticks([]), plt.yticks([])plt.subplot(132),plt.imshow(img_back, cmap = 'gray')plt.title('Image after HPF'), plt.xticks([]), plt.yticks([])plt.subplot(133),plt.imshow(img_back)plt.title('Result in JET'), plt.xticks([]), plt.yticks([])plt.show()
好消息，小白學(xué)視覺(jué)團(tuán)隊(duì)的知識(shí)星球開(kāi)通啦，為了感謝大家的支持與厚愛(ài)，團(tuán)隊(duì)決定將價(jià)值149元的知識(shí)星球現(xiàn)時(shí)免費(fèi)加入。各位小伙伴們要抓住機(jī)會(huì)哦！
交流群
歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺(jué)、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺(jué)SLAM“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~