前言
今天给大家分析3个计算机视觉方向的Python实用代码，主要用到的库有：
- opencv-python
- numpy
- pillow
要是大家所配置的环境当中没有这几个模块的话，可先用pip命令下载安装：
pip install opencv-python numpy pillow
边缘检测
边缘检测的基本思想就是简化图像信息，使用边缘线代表图像所携带信息，而这次我们要用到的则是Canny边缘检测算子，在Opencv当中需要调用的是cv.canny()方法即可，代码如下：
import cv2 as cv
import matplotlib.pyplot as plt
img = cv.imread('导入图像的路径',0)
edges = cv.Canny(img,100,200)
plt.subplot(121)
plt.imshow(img, cmap='gray')
.........
plt.show()output：
将照片变成素描风格
我们最终要实现的目的在于将照片变成素描风格，大致的逻辑在于首先需要将图片变成灰色图像然后反转，在反转之后进行模糊化处理，代码如下：
import cv2
img = cv2.imread("导入照片的路径")
## 将照片灰度化处理
gray_image = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
## 将灰度化的照片反转处理
inverted_gray_image = 255-gray_image
## 将反转的照片模糊化处理
blurred_inverted_gray_image = cv2.GaussianBlur(inverted_gray_image, (19,19),0)
## 再一次的进行反转
inverted_blurred_image = 255-blurred_inverted_gray_image
### 颜色减淡混合处理
sketck = cv2.divide(gray_image, inverted_blurred_image,scale= 256.0)
cv2.imshow("Original Image",img)
cv2.imshow("Pencil Sketch", sketck)
cv2.waitKey(0)output：
判断形状
现在我们需要来判断图片当中图形的轮廓，而识别轮廓的算法在opencv模块当中是有内置的，代码如下：
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 导入照片
img = cv2.imread('3.png')
# 将照片灰度化处理，当然要是您的照片已经是黑白的，就可以跳过这一步
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# setting threshold of the gray image
_, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 识别轮廓的方法
contours, _ = cv2.findContours(
threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
i = 0
for contour in contours:
# cv2.approxPloyDP() function to approximate the shape
approx = cv2.approxPolyDP(contour, 0.01 * cv2.arcLength(contour, True), True)
# 找到图片的中心点
M = cv2.moments(contour)
if M['m00'] != 0.0:
x = int(M['m10'] / M['m00'])
y = int(M['m01'] / M['m00'])
# 将轮廓的名字放在各个图形的中央
if len(approx) == 3:
cv2.putText(img, 'Triangle', (x, y),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 0), 2)
elif len(approx) == 4:
.......
elif len(approx) == 5:
......
elif len(approx) == 6:
......
else:
......
# 将最后的图形呈现出来
cv2.imshow('shapes', img)
cv2.waitKey(0)
cv2.destroyAllWindows()output：
是不是简单又实用？
到此这篇关于3段Python图像处理的实用代码的分享的文章就介绍到这了,更多相关Python图像处理内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！