一， 二值化函數
功能：
用于對圖像進行二值化處理
參數：
cv2.threshold(輸入你的圖像所對應的灰度圖，
? ? ? ? ? ? ? ? ? ? ? 閾值：是浮點還是整數取決予圖像的數據類型
? ? ? ? ? ? ? ? ? ? ? 最大值;高于閾值的像素值，
? ? ? ? ? ? ? ? ? ? ? 閾值類型：cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、? ? ? ? ? ? ? ? ?cv2.THRESH_TRUNC、cv2.THRESH_TOZERO?和?cv2.THRESH_TOZERO_INV
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??)
返回值：
二值化的返回值有2個
1：實際使用的閾值
2：二值化的圖像
注意：調用二值化函數使用的圖像一定要是灰度化后的圖像
應用：
import cv2img = cv2.imread("./women.png.")img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret, img_threshold = cv2.threshold(img_gray,120,255,cv2.THRESH_BINARY)print(ret)cv2.imshow("img",img)
cv2.imshow("img_gary",img_gray)
cv2.imshow("img_threshold",img_threshold)
cv2.waitKey(0)
可以通過修改閾值呈現不同的效果
1.使用cv2.THRESH_BINARY
2.使用cv2.THRESH_BINARY_INV
3.使用THRESH_TRUNC
二.自適應二值化函數 ?功能、參數、返回值、應用
功能:
與二值化算法相比，自適應二值化更加適合用在明暗分布不均的圖片
參數：
cv2.adaptiveThreshold（輸入你的圖像所對應的灰度圖，
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?最大值，#通常為255
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?自適應方法，#cv2.ADAPTIVE_THRESH_MEAN_C? ?|? ? ? ? ? ? ????????????????????????????????????????????????????????????????cv2.ADAPTIVE_THRESH_GAUSSIAN_C
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?二值化類型，
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?核的大小：最好是奇數
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?最終的閾值：從計算出的平均值或加權和中減去的常數
）
返回值：
自適應二值化的圖像
應用：
import cv2img = cv2.imread("./women.png.")img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)img_adapt = cv2.adaptiveThreshold(img_gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)cv2.imshow("img",img)
cv2.imshow("img_gary",img_gray)
cv2.imshow("img_threshold",img_adapt)
cv2.waitKey(0)
可以通過修改閾值和自適應方法呈現不同的效果
1.cv2.ADAPTIVE_THRESH_GAUSSIAN_C
2.cv2.ADAPTIVE_THRESH_MEAN_C
三，腐蝕函數
功能：
將二值化圖像中的白色部分盡可能的壓縮
參數：
cv2.erode（讀取圖片，
? ? ? ? ? ? ? ? ? ?kernel: 結構元素，核，
? ? ? ? ? ? ? ? ? ?iterations: 迭代次數，次數越多效果越明顯
????????????????????）
kernel:
cv2.getStructuringElement(cv2.MORPH_ELLIPSE,
????????????????????????????????????????????????(3, 3)大小
)
返回值：
腐蝕后的圖像
應用：
import cv2img = cv2.imread("./123.png.")kernal = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))img_erode = cv2.erode(img,kernal)cv2.imshow("img",img)
cv2.imshow("img_gary",img_erode)
cv2.waitKey(0)
四，膨脹函數
功能：
將二值化圖像中的白色部分盡可能的擴張
參數：
cv2.dilate(
????????????????????????讀取圖片，
? ? ? ? ? ? ? ? ? ?kernel: 結構元素，核，
? ? ? ? ? ? ? ? ? ?iterations: 迭代次數，次數越多效果越明顯
)
返回值：
膨脹后的圖片
應用:
import cv2img = cv2.imread("./123.png.")kernal = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))img_dilate = cv2.dilate(img,kernal)cv2.imshow("img",img)
cv2.imshow("img_gary",img_dilate)
cv2.waitKey(0)
五，仿射變換函數
?功能：
用于對圖像進行仿射變換（Affine Transformation）的函數，仿射變換包括平移、旋轉、縮放以及剪切等操作。
參數：
cv2.warpAffine(輸入的圖像，
????????????????????????變換矩陣，：通過其他函數（如 cv2.getRotationMatrix2D()）計算得到的，用于描述仿射變換
? ? ? ? ? ? ? ? ? ? ? ??輸出圖像的大小，
????????????????????????插值方法（默認為線性），：cv2.INTER_LINEAR（線性插值）、cv2.INTER_NEAREST（最近鄰插值）、cv2.INTER_CUBIC（三次樣條插值）
????????????????????????邊緣填充方法，：cv2.BORDER_CONSTANT（常量填充）、cv2.BORDER_REFLECT（反射）、cv2.BORDER_REFLECT_101（反射101）
????????????????????????邊界顏色 ：borderMode 為 cv2.BORDER_CONSTANT
)
cv2.getRotationMatrix2D(center：旋轉的中心點, angle：旋轉角度, scale：縮放因子)
返回值：
輸出圖像
應用：
import cv2img = cv2.imread("./women.png")M = cv2.getRotationMatrix2D((img.shape[1]/2,img.shape[0]/2),45,0.5)
img_warp = cv2.warpAffine(img,M,(700,700),flags=cv2.INTER_LINEAR,borderMode=cv2.BORDER_WRAP)cv2.imshow("img",img)
cv2.imshow("img_gary",img_warp)
cv2.waitKey(0)
修改縮放因子
六，透視變換函數
功能：
用于對圖像進行透視變換的函數
而透視變換是把一個圖像投影到一個新的視平面的過程
參數：
cv2.warpPerspective(src, M, dsize, dst=None, flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=None)
cv2.warpPerspective（輸入圖像，
????????????????????????????????????透視變換矩陣，
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??輸出圖像的尺寸，
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??輸出圖像，這是一個可選參數。
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?插值方法，：cv2.INTER_LINEAR（線性插值）、cv2.INTER_NEAREST（最近鄰插值）、cv2.INTER_CUBIC（三次樣條插值）
）
返回值：
圖像
應用：
import cv2
import numpy as npimg = cv2.imread("./223.png")points1 = np.array([[80, 300], [950, 50], [150, 620], [1060,400]],dtype=np.float32)points2 = np.array([[0, 0], [img.shape[1], 0], [0, img.shape[0]], [img.shape[1], img.shape[0]]],dtype=np.float32)
M = cv2.getPerspectiveTransform(points1, points2)img_warp = cv2.warpPerspective(img, M,(img.shape[1], img.shape[0]))cv2.imshow("img",img)
cv2.imshow("img1",img_warp)
cv2.waitKey(0)
