從零開始學習：深度學習（基礎入門版）（第2天）

（一）在pycharm軟件中，用python語言，opencv庫實現以下功能

(1.1)圖片的邊界填充

核心流程：

讀取原始圖像
使用?cv2.imread()?加載名為?yueshan.png?的圖像文件
統一邊界參數
設定四周留白尺寸均為?50px（上下左右各50像素）
五種邊界填充模式實驗
對同一原始圖像執行以下操作，生成帶不同特性邊框的新圖像：
- ?BORDER_CONSTANT: 用固定值?(22,25,8)（藍綠色）填充邊界
- ?BORDER_REFLECT: 鏡像翻轉相鄰像素內容作為邊界
- ?BORDER_REFLECT101: 奇偶對稱的特殊鏡像模式
- ?BORDER_REPLICATE: 直接復制邊緣像素平鋪邊界
- ?BORDER_WRAP: 將圖像視為周期信號循環延伸
可視化對比
通過?cv2.imshow()?分窗口顯示原始圖像及五種邊界處理結果，按任意鍵逐幅查看

示例代碼：

# cv2.copyMakeBorder()是opencV庫中的一個函數，用于給圖像添加額外的邊界(padding)
# copyMakeBorder(src: umat, top: int, bottom: int, left: int, right: int, borderType: int, dst: umat /None = ... valve: cv2.typing.scalar = ...)
# 它有以下幾個參數:
# src:要擴充邊界的原始圖像。
# top，bottom，left，right:相應方向上的邊寬度。
# borderType:定義要添加邊框的類型，它可以是以下的一種:
# CV2.BORDER_CONSTANT:添加的邊界框像素值為常數(需要額外再給定一個參數)。
# CV2.BORDER_REFLECT:添加的邊框像素將是邊界元素的鏡面反射，類似于gfedchalabcdefgh|hgfedcba。(交界處也復制了)
# CV2.BORDER_REFLECT_101 或 CV2.BORDER_DEFAULT;和上面類似，但是有一些細微的不同，類似于gfedcblabcdefghlgfedcba (交接處刪除了)
# CV2.BORDER_REPLICATE:使用最邊界的像素值代替，類似于aaaaaalabcdefghlhhhhhhh# CV2.BORDER_WRAP:上下左右邊依次替換，cdefghlabcdefghlabcdefgimport cv2ys = cv2.imread('yueshan.png')
# ys = cv2.resize(ys, dsize=None, fx=0.5, fy=0.5)  # 圖片縮放
# ys = cv2.resize(ys, (640, 480))top, bottom, left, right = 50, 50, 50, 50constant = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_CONSTANT, value=(22, 25, 8))
reflect = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_REFLECT101)
replicate = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_WRAP)cv2.imshow('yuantu', ys)
cv2.waitKey(0)cv2.imshow('CONSTANT', constant)
cv2.waitKey(0)cv2.imshow('REFLECT', reflect)
cv2.waitKey(0)cv2.imshow('REFLECT_101', reflect101)
cv2.waitKey(0)cv2.imshow('REPLICATE', replicate)
cv2.waitKey(0)cv2.imshow('WRAP', wrap)
cv2.waitKey(0)

ys:

constant:

reflect:

reflect101:

replicate:

wrap:

(1.2)圖片的圖像運算

核心功能：

?基礎加減法：直接對像素值進行數學運算（如全局加10）
?區域疊加：通過切片操作實現特定區域的圖像相加
?安全加法：cv2.add()?自動處理像素溢出（超過255則置為255）
?加權融合：cv2.addWeighted()?按比例混合兩張圖像并添加亮度偏移

示例代碼：

# 圖像加法運算
# 對于“+”號運算，當對圖像a、圖像b進行加法求和時，遵循以下規則：
#   當某位置像素相加得到的數值小于255時，該位置數值為兩圖像該位置像素相加之和；
#   當某位置像素相加得到的數值大于255時，該位置數值將截斷結果并將其減去256。
#   例如：相加后是260，實際是260-256=4
import cv2
a = cv2.imread('mimi.jpg')
b = cv2.imread('mimi1.jpg')
c = a + 10                    # 圖像整體加10
cv2.imshow('yuantu', a)
cv2.imshow('a+10', c)
cv2.waitKey(0)# ROI 區域相加示例
c = a[50:450, 50:400] + b[50:450, 50:400]
cv2.imshow('a+b', c)
cv2.waitKey(0)# 對于 cv2.add 運算，當對圖像a、圖像b進行加法求和時，遵循以下規則：
#   當某位置像素相加得到的數值小于255時，該位置數值為兩圖像該位置像素相加之和；
#   當某位置像素相加得到的數值大于255時，該位置數值為255（飽和運算）。a = cv2.imread('mimi.jpg')
b = cv2.imread('mimi1.jpg')
b = cv2.resize(b, dsize=(400, 400))
a = cv2.resize(a, dsize=(400, 400))
c = cv2.add(a, b)
cv2.imshow('a add b', c)
cv2.waitKey(0)
cv2.destroyAllWindows()# 圖像加權運算
# 在計算兩幅圖像的像素值之和時，將每幅圖像的權重考慮進來，公式為：
#   dst = src1 × α + src2 × β + γa = cv2.imread('mimi.jpg')
b = cv2.imread('mimi1.jpg')
b = cv2.resize(b, dsize=(400, 400))
a = cv2.resize(a, dsize=(400, 400))c = cv2.addWeighted(a,0.5,b,0.5,10)  # γ=10 為亮度偏移
cv2.imshow('addWeighted', c)
cv2.waitKey(0)
cv2.destroyAllWindows()

yuantu :

a+10:

a+b:

a add b:

addWeighted:

(1.3)圖片的閾值處理

核心功能：

1.讀入灰度圖

image = cv2.imread('mimi1.jpg', cv2.IMREAD_GRAYSCALE)  # 讀入灰度圖

作用：加載一張只有亮度信息的灰度照片（像素值范圍0~255）
相當于：把彩色照片去掉顏色，只留下明暗層次

2.閾值處理類型對照表

所有方法共用同一組參數：threshold=175,?maxval=255
（即："以175為分界線，最高允許到255"）

方法名稱	英文標識	行為規則	效果圖特征
標準二值化	`cv2.THRESH_BINARY`	?≥175 → 純白(255) <175 → 純黑(0)	黑白分明，像木刻版畫
反向二值化	`cv2.THRESH_BINARY_INV`	?≥175 → 純黑(0) <175 → 純白(255)	陰陽顛倒，亮處變暗，暗處變亮
截斷處理	`cv2.THRESH_TRUNC`	?≥175 → 強制設為175 <175 → 保持原樣	過曝區域集體降亮度，畫面偏灰蒙蒙
低區歸零	`cv2.THRESH_TOZERO`	?≥175 → 保持原樣 <175 → 強制設為0(純黑)	暗部全黑，亮部保留漸變
高區歸零	`cv2.THRESH_TOZERO_INV`	?<175 → 保持原樣 ≥175 → 強制設為0(純黑)	亮部全黑，暗部保留漸變

示例代碼：

#閾值處理
import cv2# 讀取灰度圖
image = cv2.imread('mimi1.jpg', cv2.IMREAD_GRAYSCALE)# 閾值處理
ret, binary      = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY)
ret1, binaryinv  = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY_INV)
ret2, trunc      = cv2.threshold(image, 175, 255, cv2.THRESH_TRUNC)
ret3, tozero     = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO)
ret4, tozeroinv  = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO_INV)# 顯示結果
cv2.imshow('gray', image)
cv2.waitKey(0)cv2.imshow('binary', binary)        # 偏白的變純白，偏黑的變純黑
cv2.waitKey(0)cv2.imshow('binaryinv', binaryinv)  # 偏白的變純黑，偏黑的變純白
cv2.waitKey(0)cv2.imshow('trunc', trunc)          # 白色變得一樣灰蒙蒙，偏黑的不變
cv2.waitKey(0)cv2.imshow('tozero', tozero)        # 偏白色不變，偏黑的就變純黑
cv2.waitKey(0)cv2.imshow('tozeroinv', tozeroinv)  # 偏白色變純黑，偏黑的不變
cv2.waitKey(0)cv2.destroyAllWindows()

gray:

binary:

binaryinv:

trunc：

tozero：

tozeroinv:

(1.4)圖片的圖像平滑處理

關鍵函數總結:

濾波方法	函數名	關鍵參數	特點
均值濾波	`cv2.blur`	`(src, ksize)`	簡單平均，模糊均勻
方框濾波	`cv2.boxFilter`	`(src, ddepth, ksize, normalize)`	可控制是否歸一化
高斯濾波	`cv2.GaussianBlur`	`(src, ksize, sigmaX)`	保留邊緣，模糊更自然
中值濾波	`cv2.medianBlur`	`(src, ksize)`	去噪強，保留邊緣

示例代碼：

import cv2
import numpy as npdef add_peppersalt_noise(image, n=10000):result = image.copy()h, w = image.shape[:2]for i in range(n):x = np.random.randint(1, h)y = np.random.randint(1, w)if np.random.randint(0, 2) == 0:result[x, y] = 0else:result[x, y] = 255return result# 讀取并顯示原圖
image = cv2.imread('zl.png')
cv2.imshow('yntu', image)
cv2.waitKey(0)# 添加噪聲并顯示
noise = add_peppersalt_noise(image)
cv2.imshow('noise', noise)
cv2.waitKey(0)
# 3x3核（輕度模糊）
blur_1 = cv2.blur(noise, (3, 3))
cv2.imshow('blur_1', blur_1)
cv2.waitKey(0)# 63x63核（重度模糊）
blur_2 = cv2.blur(noise, (63, 63))
cv2.imshow('blur_2', blur_2)
cv2.waitKey(0)# 歸一化（效果同均值濾波）
boxFilter_1 = cv2.boxFilter(noise, -1, (3, 3), normalize=True)
cv2.imshow('boxFilter_1', boxFilter_1)
cv2.waitKey(0)# 不歸一化（像素值可能溢出為255）
boxFilter_2 = cv2.boxFilter(noise, -1, (3, 3), normalize=False)
cv2.imshow('boxFilter_2', boxFilter_2)
cv2.waitKey(0)# 高斯濾波：3x3核，sigmaX=1
GaussianB = cv2.GaussianBlur(noise, (3, 3), sigmaX=1)
cv2.imshow('GaussianBlur', GaussianB)
cv2.waitKey(0)# 中值濾波：3x3核
medianB = cv2.medianBlur(noise, 3)
cv2.imshow('medianBlur', medianB)
cv2.waitKey(0)
cv2.destroyAllWindows()

yutu:

noise:

blur_1:

blur_2:

boxFilter_1:

boxFilter_2:

GaussianBlur：

medianBlur：

（二）實戰項目案例

項目內容：

核心步驟和功能：

1. 打開視頻流?
? ?cap = cv2.VideoCapture('test.avi')??
→ 把硬盤里的視頻文件變成一幀一幀的圖像流，供后續逐幀處理

2. 逐幀讀取??
?ret, frame = cap.read()??
→ 每次循環拿到一幀原始圖像（BGR 格式）

3. 加椒鹽噪聲??
?noisy = add_peppersalt_noise(frame, 10000)??
→ 在這幀上隨機撒 10000 個黑白點，模擬真實噪聲

4. 去噪處理
? ?denoised = cv2.medianBlur(noisy, 3)?
→ 用 3×3 中值濾波去掉椒鹽噪聲，同時盡量保留畫面細節

5.三窗口同步顯示?
?- cv2.imshow('Original Video', frame)?
- cv2.imshow('Noisy Video', noisy)??
- cv2.imshow('Denoised Video', denoised)??
→ 實時對比“原圖 / 有噪圖 / 去噪圖”

6. 按 q 退出?
? ?if cv2.waitKey(30) & 0xFF == ord('q'): break??
→ 用戶隨時按 q 鍵即可結束播放

7. 資源釋放?
? ?cap.release(); cv2.destroyAllWindows()
→ 關閉攝像頭或文件句柄，釋放內存，銷毀所有窗口

代碼實現和效果：

import cv2
import numpy as np# 1. 添加椒鹽噪聲函數（復用）
def add_peppersalt_noise(image, n=10000):result = image.copy()h, w = image.shape[:2]for i in range(n):x = np.random.randint(1, h)y = np.random.randint(1, w)if np.random.randint(0, 2) == 0:result[x, y] = 0else:result[x, y] = 255return result# 2. 打開視頻文件
cap = cv2.VideoCapture('test.avi')# 檢查視頻是否成功打開
if not cap.isOpened():print("無法打開視頻文件，請檢查路徑！")exit()# 3. 逐幀處理
while True:ret, frame = cap.read()if not ret:break# 添加噪聲noisy_frame = add_peppersalt_noise(frame, 10000)# 中值濾波去噪（保留邊緣，適合椒鹽噪聲）denoised_frame = cv2.medianBlur(noisy_frame, 3)# 顯示三個窗口cv2.imshow('Original Video', frame)cv2.imshow('Noisy Video', noisy_frame)cv2.imshow('Denoised Video', denoised_frame)# 按 'q' 鍵退出if cv2.waitKey(30) & 0xFF == ord('q'):break# 4. 釋放資源
cap.release()
cv2.destroyAllWindows()