本文目录
- 数字图像处理基于Python如何数一张图片的物体有多少个
- opencv和python下，运行对图片的读取程序时出现的问题！！！
- PIL.Image.open 与 cv2.imread 读取的图片在像素点上不一致
- python，如何实现图片中特定区域模糊
- python读取保存多帧图片数量少了
- 读取图片
- cv2本地图形读取，由RGB变为灰度，再变为tensor
- pythonopencv读取图像有省略号
- opencv如何读入图片
- opencv如何批量读取文件夹中图片
数字图像处理基于Python如何数一张图片的物体有多少个
如果要使用Python进行数字图像处理，可以使用OpenCV库来数一张图片的物体有多少个。下面是一个简单的例子，可以使用OpenCV库来数一张图片中的小球数量：import cv2# 读取图片img = cv2.imread("balls.jpg")# 将图片转换为灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 使用阈值分割法，得到二值图thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 寻找图像中的轮廓cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)cnts = imutils.grab_contours(cnts)# 显示图像中的轮廓数量print("图像中的轮廓数量：{}".format(len(cnts)))
opencv和python下，运行对图片的读取程序时出现的问题！！！
1、需要用到其他模块的函数，如：
for i in range(20) #循环次数
image=cv2.imread("D:\\picture\\%d.jpg"%(i))#路径自己选择。
2、可以先升级你的pip,另外看看你的版本是否匹配,包括py版本和32位64位。
3、关于python下使用opencv读取图像。首先需要导入opencv包，上面说的那个Ipython并没有opencv包，所以想使用的请先正确导入opencv包再说，至于怎么导入，先下载个opencv包，里面有关于python的opencv包。 以下照片是关于Ipython的运行界面：
PIL.Image.open 与 cv2.imread 读取的图片在像素点上不一致
PIL.Image.open 与 cv2.imread 读取的图片在像素点上不一致，具体原因不明，但是从两者图片相减之后得到图片来看，似乎是 PIL.Image.open 或 cv2.imread 中至少有一个在读取图片时，产生了问题。 不过也有可能是下面的原因： ***隐藏网址*** 另得到的经验是，模型在推断阶段的数据处理操作跟训练阶段的都要尽量一致，包括在推理阶段 使用 PIL.Image.open，而在训练阶段 cv2.imread 来读取图片，同时无论操作是否一致，都要对输入、输出做严格的一致性检查，以避免出现意料之外的错误。
python，如何实现图片中特定区域模糊
要模糊一张图片中的指定区域，您可以使用图像处理库来实现。下面是使用Python示例代码：import cv2 import numpy as np # 读取原始图片 img = cv2.imread(’your_image.jpg’) # 模糊指定区域 # 假设矩形区域坐标存储在rectangles列表中 rectangles = , , for rect in rectangles:# 将坐标转换为整型 rect = np.array(rect, dtype=np.int32)# 提取矩形区域region = img# 进行模糊处理blurred = cv2.GaussianBlur(region, (51, 51), 0) # 调整高斯核的大小# 将处理后的区域重新放回原图img = blurred # 显示处理后的图像cv2.imshow(’Blurred Image’, img) cv2.waitKey(0) cv2.destroyAllWindows()注意，上述代码中假设图像文件名为’your_image.jpg’。您需要将其替换为实际的图像文件名。此外，上述代码使用了高斯模糊技术进行模糊处理，可以根据需要调整高斯核的大小来改变模糊程度。希望这可以帮助到您。
python读取保存多帧图片数量少了
cv2.imshow("left", img_left) filename3=str(number)+’n3’+’.jpg’ #打印第number张图片+增值方式+保存类型 cv2.imwrite(savedpath + filename3, img_left)"""# 数据增强实现"""import cv2import numpy as npimport os # 图像平移def img_translation(image): # 图像平移 下、上、右、左平移 M = np.float32() img_down = cv2.warpAffine(image, M, (image.shape)) M = np.float32() img_up = cv2.warpAffine(image, M, (image.shape)) M = np.float32() img_right = cv2.warpAffine(image, M, (image.shape)) M = np.float32() img_left = cv2.warpAffine(image, M, (image.shape)) # 保存图片，需要保存上述的哪一图片，就在cv2.imwrite()中，将哪一图片名放入。 # filename=’xxx’ +’.jpeg’ # cv2.imwrite(savedpath + filename, img_left) # 显示图形 cv2.imshow("down", img_down) filename0=str(number)+’n0’+’.jpg’ cv2.imwrite(savedpath + filename0, img_down) cv2.imshow("up", img_up) filename1=str(number)+’n1’+’.jpg’ cv2.imwrite(savedpath + filename1, img_up) cv2.imshow("right", img_right) filename2=str(number)+’n2’+’.jpg’ cv2.imwrite(savedpath + filename2, img_right) cv2.imshow("left", img_left) filename3=str(number)+’n3’+’.jpg’ cv2.imwrite(savedpath + filename3, img_left)# 图像缩放def img_scale(image): result = cv2.resize(image, (224, 224)) cv2.imshow("scale", result) filename=str(number)+’n5’+’.jpg’ cv2.imwrite(savedpath + filename, result)# 图像翻转def img_flip(image): # 0以X轴为对称轴翻转,》0以Y轴为对称轴翻转, 《0X轴Y轴翻转 horizontally = cv2.flip(image, 0) # 水平镜像 vertically = cv2.flip(image, 1) # 垂直镜像 hv = cv2.flip(image, -1) # 水平垂直镜像 # 显示图形 cv2.imshow("Horizontally", horizontally) filename1=str(number)+’n6’+’.jpg’ cv2.imwrite(savedpath + filename1, horizontally) cv2.imshow("Vertically", vertically) filename2=str(number)+’n7’+’.jpg’ cv2.imwrite(savedpath + filename2, vertically) cv2.imshow("Horizontally & Vertically", hv) filename3=str(number)+’n8’+’.jpg’ cv2.imwrite(savedpath + filename3, hv)# 图像旋转def img_rotation(image): # 原图的高、宽 以及通道数 rows, cols, channel = image.shape # 绕图像的中心旋转 # 参数：旋转中心 旋转度数 scale M = cv2.getRotationMatrix2D((cols / 2, rows / 2), 30, 1) # 参数：原始图像 旋转参数 元素图像宽高 rotated = cv2.warpAffine(image, M, (cols, rows)) # 显示图像 cv2.imshow("rotated", rotated) filename1=str(number)+’n9’+’.jpg’ cv2.imwrite(savedpath + filename1, rotated) #选装60度 W = cv2.getRotationMatrix2D((cols / 2, rows / 2), 60, 1) # 参数：原始图像 旋转参数 元素图像宽高 rotated1 = cv2.warpAffine(image, W, (cols, rows)) cv2.imshow("rotated", rotated) filename2=str(number)+’n12’+’.jpg’ cv2.imwrite(savedpath + filename2, rotated1) #选装145度 W = cv2.getRotationMatrix2D((cols / 2, rows / 2), 60, 1) # 参数：原始图像 旋转参数 元素图像宽高 rotated2 = cv2.warpAffine(image, W, (cols, rows)) cv2.imshow("rotated", rotated) filename3=str(number)+’n13’+’.jpg’ cv2.imwrite(savedpath + filename3, rotated2)# 图像加噪def img_noise(image, mean=0, var=0.001): ’’’ 添加高斯噪声 mean : 均值 var : 方差 ’’’ image = np.array(image / 255, dtype=float) noise = np.random.normal(mean, var ** 0.5, image.shape) out = image + noise if out.min() 《 0: low_clip = -1. else: low_clip = 0. out = np.clip(out, low_clip, 1.0) out = np.uint8(out * 255) cv2.imshow("noise", out) filename3=str(number)+’n10’+’.jpg’ cv2.imwrite(savedpath + filename3, out)# 图像亮度调节def img_brightness(image): contrast = 1 # 对比度 brightness = 100 # 亮度 pic_turn = cv2.addWeighted(image, contrast, image, 0, brightness) # cv2.addWeighted(对象,对比度,对象,对比度) ’’’cv2.addWeighted()实现的是图像透明度的改变与图像的叠加’’’ cv2.imshow(’bright’, pic_turn) # 显示图片 filename3=str(number)+’n11’+’.jpg’ cv2.imwrite(savedpath + filename3, pic_turn)if __name__ == ’__main__’: i = 0 path = ’../Data/’print(path) savedpath = ’./result_new/’ filelist = os.listdir(path) total_num = len(filelist) for item in filelist: number = i + 1 i = number print("######") print("打印到第",i,"张图片") src = cv2.imread(path + item) img_translation(src) img_scale(src) img_flip(src) img_rotation(src) img_noise(src) img_brightness(src)cv2.waitKey(0) cv2.destroyAllWindows()代码较为繁琐，有空之后进行优化输出结果
读取图片
python基础——读取图片 图像后缀名的转换： 要注意的是：对于彩色图像，不管其格式是png，还是bmp，或者jpg， 在PIL中 ，使用Image模块的open()函数打开后，返回的图像对象的模式都是 RGB ，对于灰度图像，不管其图像格式是PNG，还是BMP，JPG，打开后，其模式为灰度L。 PNG BMP JPG彩色图像格式之间的转换：可以通过Image模块的open函数和save函数，具体来说，在打开这些图像时，PIL会将他们解码成三通道的RGB图像。用户可以基于RGB进行处理。处理完毕后可以将其处理结果保存成PNG BMP JPG中任何格式。 PNG BMP JPG灰度图像格式之间的转换，同理也可以通过类似途径，只是解码后时模式为L的图像。 python库可以用来读取图片的库 1. PIL.Image.open 无论是jpg还是png都能准确读取，PIL.Image.open 不直接返回numpy对象，可以用numpy提供的函数进行转换； 其他模块都直接返回numpy.ndarray对象，通道顺序为RGB，通道值得默认范围为0-255。拓展： 利用PIL中的Image函数读取出来不是array格式，这时候需要用np.asarray() 或者np.array（）函数 。 区别：np.array() 是深拷贝，np.asarray() 是浅拷贝 关于深拷贝和浅拷贝，这里给出一个说明： Python 中的对象之间赋值时是按引用传递的，如果需要拷贝对象，需要使用标准库中的copy模块。 1. copy.copy 浅拷贝 只拷贝父对象，不会拷贝对象的内部的子对象。 2. copy.deepcopy 深拷贝 拷贝对象及其子对象 一个很好的例子： 2. cv2.imread 使用opencv读取图像，直接返回numpy.ndarray 对象，通道顺序为BGR ，注意是BGR，通道值默认范围0-255 cv2.imread()：读入图片，共两个参数：第一个参数为要读入的图片文件名，第二个参数为如何读取图片（cv2.IMREAD_COLOR：读入一副彩色图片；cv2.IMREAD_GRAYSCALE：灰度图片；cv2.IMREAD_UNCHANGED：读入一幅图片，并包括其alpha通道。） cv2.imread()不能有中文路径，否则读取不出来 cv2.imread() 读出来同样是array形式，但是如果是单通道的图，读出来的是三通道的。 3. matplotlib.image.imread 用于显示图片matplotlib 用于读取图片并且读取出来就是array格式解决使用plt.savefig 保存图片时一片空白 ： 在plt.show() 之前调用 plt.savefig()； 4. scipy.ndimage.imread scipy.ndimage.imread(*args, **kwds) Use ``matplotlib.pyplot.imread`` instead. Returns:imread:ndarray（多维数组）5. scipy.misc.imread scipy.misc.imread(name, flatten=False, mode=None) Use ``imageio.imread`` instead. 返回：imread： ndarray。通过读取图像获得的阵列 。读出来是array 形式，并且按照（H，W，C）形式保存 4. skimage.io.imread scikit-image和numpy，matplotlib，scikit-learn等包都是Scipy项目的成员，通用numpy数组作为基本数据格式。在python中载入包名为skimage：所得即为numpy数组。 io.imread读出图片格式是uint8(unsigned int)；value是numpy array；图像数据是以RGB的格式进行存储的，通道值默认范围0-255。
cv2本地图形读取，由RGB变为灰度，再变为tensor
最近想用pytorch识别本地的图片库，于是打算用一个最基础的网络，没有用到Conv
由cv2读取本地图形方式为：
第一行选取图形目录，cv2.IMREAD_GRAYSCALE为转为灰度 第二行为转为tensor形式，可以进入计算
基础的网络如下：
这里还需要一个y来表示样本的种类。
目前困惑 ：
这里有个x，y的例子，但是x是每一行一个y对应，对于一个非向量的矩阵块，我还不明白怎么进行分类。
初步想法 ：
如果有大佬看到希望能给予小白指导orz
pythonopencv读取图像有省略号
pythonopencv读取图像有省略号是图像错误导致不工作。是因为图像格式不同造成的。在查找轮廓函数中使用cv2.RETR_EXTERNAL时，它只返回外部轮廓。相反，使用’cv2.RETR_TREE’。这将检索所有轮廓并重建嵌套轮廓的完整层次结构。请参阅此处获取文档。你的代码应该改变如下。im2，contours，hierarchy=cv2.findContours(thresh，cv2.RETR_TREE，cv2.CHAIN_APPROX_SIMPLE)。
opencv如何读入图片
1、首先新建一个VC++控制台项目如下图所示。本文项目名称helloOpenCV。
2、在项目上右击-》属性，如下图窗口所示，选择配置属性-》链接器-》输入，在右侧配置附加依赖项。
3、在附加依赖项中添加以下依赖项（可以根据实际需求调整，注意243为对应的版本号，如果是2.3.1版本243对应换成231）：
opencv_calib3d243d.lib opencv_contrib243d.lib opencv_core243d.lib opencv_features2d243d.lib opencv_flann243d.lib opencv_gpu243d.lib opencv_highgui243d.lib opencv_imgproc243d.lib opencv_legacy243d.lib opencv_ml243d.lib opencv_objdetect243d.lib opencv_ts243d.lib opencv_video243d.lib
如下图所示。
4、在主文件中添加如下代码：
#include "stdafx.h" #include 《opencv2/opencv.hpp》 using namespace std;using namespace cv; int main(int argc, char* argv){ const char* imagename = "emosue.jpg"; //从文件中读入图像 Mat img = imread(imagename); //如果读入图像失败 if(img.empty()) { fprintf(stderr, "Can not load image %s\n", imagename); return -1; } //显示图像 imshow("image", img); //此函数等待按键，按键盘任意键就返回 waitKey(); return 0;
opencv如何批量读取文件夹中图片
Opencv读取文件夹连续图片，RGB分量显示，图像灰度化 1.读取文件夹连续图片刚开始学习图像处理，开始只能一次读入一张图片，今天从网上查了一些资料，自己写了一个可以连续读取多张图片函数。char filename;char windowname;IplImage* pScr;unsigned char *Readfigsmethod1(int num)// 读入num个图片{ for(int i=1;i《=num;i++) { sprintf(filename,"D:/test/%d.jpg",i);// 将图片以数字命名：例如1.jpg 2.jpg等，放入D:/test/文件夹下 sprintf(windowname,"window%d.jpg",i); pScr=cvLoadImage(filename,1);//导入图片 cvNamedWindow(windowname,CV_WINDOW_AUTOSIZE); cvShowImage(windowname,pScr);//显示图片 //cvWaitKey(0); } cvWaitKey(0); cvReleaseImage(&pScr);//释放图片 cvDestroyAllWindows();//销毁窗口 return 0;} 注释：连续读取图片主要问题在于filename指向图片目录， sprintf(filename,"D:/test/%d.jpg",i)的使用可以使得filename可以从1.jpg,2.jpg,一直到num.jpg. filename=D：/test/i.jpg.2.RGB分量显示，图像灰度化// RGBSPLIT.cpp : Defines the entry point for the console application.//#include "stdafx.h"//#include "afx.h"#include "cv.h"#include "highgui.h"#include 《stdio.h》#include 《string.h》#include 《stdlib.h》char filename;char filename1;char windowname;IplImage* pScr;IplImage *img1;IplImage *img=0;IplImage *img_red=0;IplImage *img_green=0;IplImage *img_blue=0;unsigned char *Readfigsmethod1(int num);//实现连续读取图片的函数unsigned char *RGBsplit(IplImage *img);//实现RGB量分开显示的函数unsigned char *RGBtoGray(IplImage *img);//实现灰度化函数int main(int argc, char *argv){ img=cvLoadImage("D:\\test\\1.jpg"); cvNamedWindow("lena",CV_WINDOW_AUTOSIZE);//创建窗口，窗口名字lena cvShowImage("lena",img);//载入转化后的图像 RGBsplit(img);//调用RGB分开显示函数，若想实现其他功能，在此处调用其他函数即可。但是显示后cvReleaseImage（）中相应参数要更改成显示的对象。 cvWaitKey(0); cvReleaseImage(&img); cvReleaseImage(&img_red); cvDestroyAllWindows(); return 0;}unsigned char *Readfigsmethod1(int num){ for(int i=1;i《=num;i++) { sprintf(filename,"D:/test/%d.jpg",i); sprintf(windowname,"window%d.jpg",i); pScr=cvLoadImage(filename,1); cvNamedWindow(windowname,CV_WINDOW_AUTOSIZE); cvShowImage(windowname,pScr); //cvWaitKey(0); } cvWaitKey(0); cvReleaseImage(&pScr); cvDestroyAllWindows(); return 0;}unsigned char *RGBtoGray(IplImage *img){ img1 = cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,1); //色彩空间转换，将源彩色图像img转化成目标灰色图像imag1 cvCvtColor(img,img1,CV_BGR2GRAY); //关键 cvNamedWindow("GrayImage",CV_WINDOW_AUTOSIZE);//创建窗口，窗口名字GrayImage cvShowImage("GrayImage",img1);//载入转化后的图像 return 0;}unsigned char *RGBsplit(IplImage *img){ //IplImage* imgeR,img_blue,imageG,imgGRAY; int width=img-》width; int height=img-》height; int channel=img-》nChannels; int widthStep=img-》widthStep; int i,j; img_red= cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3); img_green= cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3); img_blue= cvCreateImage(cvGetSize(img),IPL_DEPTH_8U,3); for (i=0;i《height;i++) { for (j=0;j《width;j++) { CvScalar t=cvGet2D(img,i,j); double s0=t.val; double s1=t.val; double s2=t.val; CvScalar m_blue=cvScalar(s0,0,0,0); CvScalar m_green=cvScalar(0,s1,0,0); CvScalar m_red=cvScalar(0,0,s2,0); cvSet2D(img_blue,i,j,m_blue); cvSet2D(img_green,i,j,m_green); cvSet2D(img_red,i,j,m_red); } } cvNamedWindow("imgred",1); cvShowImage("imgred",img_red); return 0;}
