python 图片美颜

目录

• OpenCV入门

• 简介
• 入门操作

• 图片
• 视频
• 绘图

• 线段
• 矩形
• 圆形
• 多边形
• 椭圆
• 填充多边形
• 在图像中显示文本字符串
• 目标检测标注示例

• 图像的基本操作

• 获取图像的属性
• 图像ROI
• 拆分及合并图像通道
• 图像扩边（填充）
• 图像加法、减法
• 图像混合
• 位操作

• 颜色空间转换
• 几何变换

• 基础操作

• 图像阈值

• 简单阈值
• 自适应阈值
• 两者对比
• 其余可选参数

• 图像平滑

• 卷积介绍
• 均值滤波
• 方框滤波
• 高斯滤波
• 中值滤波
• 双边滤波

• 形态学转换

• 腐蚀
• 膨胀
• 开/闭运算
• 形态学梯度

• PIL入门

• 简介
• Image类

• 读取图片

• 读取图片并查看其属性
• 格式转换并保存图像
• 创建缩略图

• 裁剪、粘贴、与合并图片

• 裁剪
• 粘贴
• 分离和合并通道
• 颜色变换

• 几何变换

• 调整大小和旋转
• transpose()旋转图像
• transpose()翻转图像

• 读取动态图像

• 其他类

• 图像增强ImageFilter类

• Filters 过滤器
• 像素点处理
• 处理单独通道

• 高级图片增强ImageEnhance类
• 绘制图形和文本ImageDraw类

OpenCV入门

简介

OpenCV（Open Source Computer Vision）是一个开源的计算机视觉库，它提供了很多函数，可以非常高效地实现计算机视觉算法。

应用领域

• 人机交互
• 物体识别
• 图像分割
• 人脸识别
• 动作识别
• 机器人
• 汽车安全驾驶

安装OpenCV

pip install opencv-python

调用OpenCV

import cv2

入门操作

图片

• 加载图片

cv2.imread(filename[, flags])

• 显示图片

cv2.imshow(winname, mat)

• 保存图片

cv2.imwrite(filename,img[, params])

视频

• 读取本地视频文件，显示视频

cv2.VideoCapture(filename/device)

• 用摄像头录制

cv2.VideoCapture(filename/device)

• 保存视频文件

cv2.VideoWriter([filename,fourcc,fps,framesize[,isColor]])

绘图

线段

cv2.Line(img,pt1,pt2,color[,thickness[,lineType[,shift]]])

• img：图像。
• pt1：线段的第一个端点。
• pt2：线段的第二个端点。
• color：线段的颜色。
• thickness：线段的粗细程度。
• line_type：线段的类型如下
  1、8 (or 0) - 8-connected line(8邻接)连接线；
  2、4 - 4-connected line(4邻接)连接线；
  3、CV_AA - antialiased 线条。
• shift：坐标点的小数点位数。

矩形

cv2.rectangle(img,pt1,pt2,color[,thickness[,lineType[,shift]]])

圆形

cv2.circle(img,center,radius,color[,thickness[,lineType[,shift]]])

多边形

cv2.polyLines(img,pts,isClosed,color[,thickness[,linrType[,shift]]])

椭圆

cv2.ellipse(img,center,axes,angle,startAngle,endAngle,color[,thickness[,lineType[,shift]]])

一个参数是中心点的位置坐标。下一个参数是长轴和短轴的长度。椭圆沿逆时针方向旋转的角度。椭圆弧演顺时针方向起始的角度和结束角度，如果是 0 很 360，就是整个椭圆。

填充多边形

• cv2.fillConvexPoly(img,points,color[,lineType[,shift]])
• cv2.fillPoly(img,pts,color[,lineType[,shift[,offset]]])（一次填充多个）

在图像中显示文本字符串

cv2.putText(img,text,org,fontFace,fontScale,color[,thickness[,lineType[,bottomLeftOrigin]]])

• img：输入图像
• text：要显示的字符串
• org：第一个字符左下角的坐标
• fontFace：字体类型
• fontScale：字体大小

目标检测标注示例

注意：所有的绘图函数的返回值都是 None，所以不能使用img =cv2.line(img,(0,0),(511,511),(255,0,0),5)等形式。

图像的基本操作

获取图像的属性

图像ROI

选择dog部分并拷贝到其他区域

拆分及合并图像通道

cv2.split(m[,mv])
cv2.merge(mv[,dst])

当调用 imshow（R时，是把图像的R，G，B三个通道的值都变为R的值，所以图像的颜色三通道值为（R，R，R），而 当三个通道d值相同时，则为灰度图。

图像扩边（填充）

cv2.copyMakeBorder(src,top,bottom,left,right,borderType[,dst[,value]])

图像加法、减法

cv2.add(src1,src2[,dst[,mask[,dtype]]])
cv2.subtract(src1,src2[,dst[,mask[,dtype]]])

OpenCV 的加法是一种饱和操作：

250+10 = 260 => 255

图像混合

cv2.addWeighted(src1,alpha,sec2,beta,gamma[,dst[,dtype]])

注意：两张图的大小和通道数须相同

位操作

# 与
cv2.bitwise_and(src1,src2[,dst[,mask]])  
# 非
cv2.bitwise_not(src[,dst[,mask]]) 
# 或
cv2.bitwise_or(src1,src2[,dst[,mask]])  
# 异或
cv2.bitwise_xor(src1,src2[,dst[,mask]])

颜色空间转换

有超过150 种转换，经常用到的两种：BGR↔Gray 和 BGR↔HSV。

HSV即Hue(色调),Saturation(饱和度)和Value(亮度)三个channel，RGB是为了让机器更好的显示图像，HSV更贴近人的认知，相比BGR更易区分颜色。

cv2.cvtColor(src,code[,dst[,dstcn]])
cv2.inRange(src,lowerb,upperb[,dst])

几何变换

• 实现缩放、旋转图片

cv2.resize(src,dsize[,dst[,fx[,fy[,interpolation]]]])
cv2.getRotationMatrix2D(center,angle,scale)
cv2.warpAffine(src,M,dsize[,dst[,flags[,borderMode[,borderValue]]]])

• 仿射变换

从一种二维坐标(x,y)到另一种二维坐标(u,v)的线性变换

cv2.getAffineTransform(src,dst) 
cv2.warpAffine(src,M,dsize[,dst[,flags[,borderMode[,borderValue]]]])

基础操作

图像阈值

简单阈值

cv2.threshold(src,thresh,maxvalue,type[,dst])

自适应阈值

cv2.adaptiveThreshold(src,maxvalue,adaptiveMethod,thresholdType,blockSize,[,dst])

两者对比

其余可选参数

图像平滑

卷积介绍

使用padding，不改变图片尺寸

cv2.filter2D(src,ddepth,kernel[,dst[,anchor[,delta[,borderType]]]])

卷积核

均值滤波

cv2.blur(src,ksize,[,dst[,anchor[,borderType]]])

3x3卷积核

方框滤波

cv2.boxFilter(src,ddepth,ksize[,dst[,anchor[,normalize[,borderType]]]])

3x3卷积核

当可选参数normalize为True的时候，方框滤波就是均值滤波，上式中的a就等于1/9；normalize为False的时候，a=1，相当于求区域内的像素和。

高斯滤波

高斯滤波常被称为最有用的滤波器，高斯滤波的卷积核权重：中间像素点权重最高，越远离中心的像素权重越小。

默认的3x3高斯卷积核

cv2.GuassianBlur(src,ksize,sigmaX[,dst[,sigmaY[,borderType]]])

sigmax值越大，模糊效果越明显

对比均值滤波和高斯滤波

高斯滤波相比均值滤波效率慢，但可以有效消除高斯噪声，能保留更多的图像细节

中值滤波

中值又叫中位数，是所有数排序后取中间的值。孤立的点容易被消除，适用于去除椒盐噪声和斑点噪声。

cv2.medianBlur(src,ksize[,dst])

对比均值滤波和中值滤波

对于斑点噪声图，中值滤波处理的更好

双边滤波

cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace[,dst[,borderType]])

对比高斯滤波和双边滤波

双边滤波明显保留了更多边缘信息

形态学转换

腐蚀

腐蚀的效果是把图片“变瘦”

cv2.erode(src,kernel[,dst[,anchor[,iterations[,borderType[,borderType]]]]])

膨胀

膨胀与腐蚀相反，取局部最大值，效果是把图片“变胖”

cv2.dilate(src,kernel[,dst[,anchor[,iterations[,borderType[,borderType]]]]])

开/闭运算

• 开运算：先腐蚀后膨胀。作用是分离物体，消除小区域。
• 闭运算：先膨胀后腐蚀。作用是消除(闭合)物体里面的小黑洞。

形态学梯度

膨胀图减去腐蚀图，可得到物体的轮廓。

PIL入门

简介

PIL(Python Image Library)是python的第三方图像处理库，PIL原本只支持python2.x的版本，后移植到python3的pillow库。

安装PIL

pip install pillow

调用PIL

from PIL import Image

Image类

读取图片

读取图片并查看其属性

• format：图像格式
• size：图像的 (宽,高) 元组
• mode：RGBA 带透明度的真彩图像
• show()：使用系统默认图片查看器显示图像

格式转换并保存图像

创建缩略图

裁剪、粘贴、与合并图片

裁剪

原图size(352,244)，box指的是(left, upper, right, lower)

粘贴

分离和合并通道

颜色变换

Image.convert()

色彩模式转换为L模式，计算公式如下

L = R * 299/1000 + G * 587/1000 + B * 114/1000

几何变换

调整大小和旋转

transpose()旋转图像

transpose()翻转图像

读取动态图像

打开动态图像时，PIL 会自动加载序列中的第一帧，使用 seek 和 tell 方法在不同的帧之间移动。

其他类

图像增强ImageFilter类

Filters 过滤器

对比均值滤波和中值滤波

像素点处理

示例：每个像素点扩大1.8倍

处理单独通道

高级图片增强ImageEnhance类

• ImageEnhance.Color(im)：色彩饱和度
• ImageEnhance.Brightness(im)：亮度
• ImageEnhance.Sharpness(im)：清晰度
• ImageEnhance.Contrast(im)：对比度

增加50%对比度示例

其他图像增强功能可以使用 ImageEnhance 模块中的类。从图像创建后，可以使用 ImageEnhance 快速调整图片的对比度、亮度、饱和度和清晰度。

绘制图形和文本ImageDraw类

ImageDraw类支持各种几何图形的绘制和文本的绘制，如直线、椭圆、弧、弦、多边形以及文字等。