python图像处理数字识别 python数字图像处理教程

opencv数字图像处理学习1：基础操作

• 确认配置

• 1、创建项目、选择编译器
• 2、确认file->setting中 设置了python解释器

• 开始

• 1、打开图像
• 2、显示图像
• 3、灰度化
• 4、二值化
• 5、储存图像

确认配置

1、创建项目、选择编译器

2、确认file->setting中 设置了python解释器

选择之后会看到有这些包，右边会显示最新版本，不用理会，点击ok就行了

但是必须要有opencv-python和numpy包，图像处理的作业都会引入这两个，没有的话点击加号自己下载或参考上一篇文章

开始

新建的项目如图所示，接下来我们新建一个文件chapter.py，这次作业的代码都在这个文件里

1、打开图像

要打开图像当然得有这张图片，我们新建一个img文件夹，找个图片复制到这个文件夹里，以后要打开图片，我们都从这个路径获取

我复制了一张lena的照片放进img文件夹。

2、显示图像

我觉得1和2可能重复了
首先引入cv2，用这个库的方法操作图像

import cv2

设置一个变量img，当然这个变量名称你可以随便取；使用imread，imread是常用的图像读取函数。
img = cv2.imread("img/lena.png")

使用imshow函数显示图像，注意搭配waitKey

cv2.imshow('the first Lena in this Autumn', img)
cv2.waitKey(0)

waitKey函数的定义可以参考

上面几句代码就可以显示图像了，如下图所示

3、灰度化

# ***3灰度化
img0 = cv2.imread("img/lena.png", 0)
# 显示
cv2.imshow('0', img0)
cv2.waitKey(0)

4、二值化

# ***4二值化
# 二值化函数
def threshold_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    print("threshold value %s" % ret)
    # 显示
    cv2.imshow("global_threshold_binary", binary)


# 调用二值化函数，把img传入
threshold_demo(img)
cv2.waitKey(0)

5、储存图像

imwrite括号中‘’内是图片的保存路径，img是保存的对象

# ***5储存图像
cv2.imwrite('img/saveLenaInChapter1.png', img)