图像roi区域提取方法,

2022-08-25 00:22:46 分类：python 阅读()

　　图像roi区域提取方法,

　　本文将详细讲解图像融合处理和ROI区域渲染，并补充图像属性、通道和类型转换。本文中的示例代码解释的很详细，有需要的可以参考一下。

　　00-1010一、图像融合二。图像ROI区域定位。图像属性(1)形状(2)大小(3)数据类型IV。图像通道分离与合并(1)split()函数(2)merge()函数五、图像类型转换六。摘要

　　

目录

　　图像融合通常是指对多幅图像的信息进行融合，从而获得更丰富的结果，可以帮助人们进行观察或用计算机进行处理。图5-1是通过融合两幅不清晰的图像得到的更清晰的效果图。

　　图像融合是基于通过添加系数和亮度等级的图像相加。图像融合和图像融合的主要区别如下[1-3]:

　　图像添加：目标图像=图像1图像2

　　图像融合：目标图像=图像1 系数1图像2 系数2亮度等级。

　　在OpenCV中，图像融合主要是通过调用addWeighted()函数来实现的，其原型如下。需要注意的是，两幅融合图像的像素大小必须相同，并且不能省略参数gamma。

　　dst=cv2.addWeighted(scr1，alpha，src2，beta，gamma)

　　dst=src1 * alpha src2 * beta gamma

　　下面的代码是融合两幅图像，两幅图像的系数都是1。

　　#编码：utf-8

　　# By:伊斯特蒙特

　　导入cv2

　　将numpy作为np导入

　　将matplotlib.pyplot作为plt导入

　　#阅读图片

　　src1=cv2.imread(lena.png )

　　src2=cv2.imread(luo.png )

　　#图像融合

　　result=cv2.addWeighted(src1，1，src2，1，0)

　　#显示图像

　　cv2.imshow(src1 ，src1)

　　cv2.imshow(src2 ，src2)

　　cv2.imshow(result ，结果)

　　#等待显示

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　输出如图5-2所示，根据比例系数融合src1图像和src2图像，生成目标结果图结果。

　　您还可以设置不同的融合比率。图5-3是以下核心功能的效果图。

　　cv2.addWeighted(src1，0.6，src2，0.8，10)

　　

一.图像融合

　　ROI(Region of Interest)表示感兴趣的区域，是指从处理后的图像中以正方形、圆形、椭圆形、不规则多边形等形式勾勒出待处理区域的轮廓。ROI可以通过各种算子和函数得到，广泛应用于热点图、人脸识别、图像分割等领域。如图5-4，得到Lena图的面部轮廓[4]。

　　ROI区域可以直接通过像素矩阵获得，比如img[200:400，200:400]。下面的代码是获取人脸的ROI区域并显示出来。

　　# -*-编码：utf-8 -*-

　　# By:伊斯特蒙特

　　导入cv2

　　将numpy作为np导入

　　#阅读图片

　　img=cv2.imread(lena.png )

　　#定义200200矩阵3对应的BGR

　　face=np.ones((200，200，3))

　　#显示原始图像

　　cv2.imshow(Demo ，img)

　　#显示ROI区域

　　face=img[150:350，150:350]

　　cv2.imshow(face ，face)

　　#等待显示

　　cv2

　　.waitKey(0)

　　cv2.destroyAllWindows()

　　输出结果如图5-5所示，它将Lena原图的脸部提取出来。

　　

　　同样，如果想将提取的ROI区域融合至其他图片，则使用赋值语句即可。下面代码是将提取的Lena头部轮廓融合至一幅新的图像中。

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2
　　import numpy as np
　　#读取图片
　　img = cv2.imread("Lena.png")
　　test = cv2.imread("luo.png",)
　　#定义150×150矩阵 3对应BGR
　　face = np.ones((150, 150, 3))
　　#显示原始图像
　　cv2.imshow("Demo", img)
　　#显示ROI区域
　　face = img[200:350, 200:350]
　　test[250:400, 250:400] = face
　　cv2.imshow("Result", test)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　运行结果如图5-6所示，它将提取的150×150脸部轮廓融合至新的图像[250:400, 250:400] 区域。

　　

　　

　　

三.图像属性

　　前面一篇文章中我们已经看到了size、shape等关键字。这篇文章就对图像中最常见的三个属性进行介绍，它们分别是图像形状（shape）、像素大小（size）和图像类型（dtype）。

　　

　　

（1）shape

　　通过shape关键字获取图像的形状，返回包含行数、列数、通道数的元组。其中灰度图像返回行数和列数，彩色图像返回行数、列数和通道数。

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2
　　import numpy
　　#读取图片
　　img = cv2.imread("luo.png")
　　#获取图像形状
　　print(img.shape)
　　#显示图像
　　cv2.imshow("Demo", img)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　最终输出结果如图5-7所示，（412，412，3），它表示该图像共412行、412列像素，包括3个通道。

　　

　　

　　

（2）size

　　通过size关键字获取图像的像素数目，其中灰度图像返回行数×列数，彩色图像返回行数×列数×通道数。下述代码就是获取luo.png图像的大小。

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2
　　import numpy
　　#读取图片
　　img = cv2.imread("luo.png")
　　#获取图像形状
　　print(img.shape)
　　#获取像素数目
　　print(img.size)

　　输出结果如下所示，包含510468个像素，即为413×412×3。

　　

(412, 412, 3)

　　509232

　　

　　

　　

（3）dtype

　　通过dtype关键字获取图像的数据类型，通常返回uint8。

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2
　　import numpy
　　#读取图片
　　img = cv2.imread("Lena.png")
　　#获取图像形状
　　print(img.shape)
　　#获取像素数目
　　print(img.size)
　　#获取图像数据类型
　　print(img.dtype)

　　

　　

四.图像通道分离及合并

　　OpenCV通过split()函数和merge()函数实现对图像通道的处理，包括通道分离和通道合并。

　　

　　

（1）split()函数

　　OpenCV读取的彩色图像由蓝色（B）、绿色（G）、红色（R）三原色组成，每一种颜色可以认为是一个通道分量[4]，如图5-8所示。

　　

　　split()函数用于将一个多通道数组分量成三个单通道，其函数原型如下所示：

　　mv = split(m[, mv])

　　– m表示输入的多通道数组

　　– mv表示输出的数组或vector容器

　　下面的代码是获取彩色小珞珞图像三个颜色通道并分别显示。

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2
　　import numpy
　　#读取图片
　　img = cv2.imread("luo.png")
　　#拆分通道
　　b, g, r = cv2.split(img)
　　#显示原始图像
　　cv2.imshow("B", b)
　　cv2.imshow("G", g)
　　cv2.imshow("R", r)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　显示结果如图5-9所示，它展示了B、G、R三个通道的颜色分量。

　　

　　同时，可以获取不同通道颜色，核心代码为：

　　

  • b = cv2.split(a)[0]
  • g = cv2.split(a)[1]
  • r = cv2.split(a)[2]

　　

　　

（2）merge()函数

　　该函数是split()函数的逆向操作，将多个数组合成一个通道的数组，从而实现图像通道的合并，其函数原型如下：

　　dst = merge(mv[, dst])

　　– mv表示输入的需要合并的数组，所有矩阵必须有相同的大小和深度

　　– dst表示输出具有与mv相同大小和深度的数组

　　实现图像三个颜色通道融合的代码如下：

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2
　　import numpy as np
　　#读取图片
　　img = cv2.imread("luo.png")
　　#拆分通道
　　b, g, r = cv2.split(img)
　　#合并通道
　　m = cv2.merge([b, g, r])
　　cv2.imshow("Merge", m)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　显示结果如图5-10所示，它将拆分的B、G、R三个通道的颜色分量进行了合并，接着显示合并后的图像。

　　

　　同时，可以调用该函数提取图像的不同颜色，比如提取B颜色通道，G、B通道设置为0。代码如下所示：

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2
　　import numpy as np
　　#读取图片
　　img = cv2.imread("luo.png")
　　rows, cols, chn = img.shape
　　#拆分通道
　　b = cv2.split(img)[0]
　　#设置g、r通道为0
　　g = np.zeros((rows,cols), dtype=img.dtype)
　　r = np.zeros((rows,cols), dtype=img.dtype)
　　#合并通道
　　m = cv2.merge([b, g, r])
　　cv2.imshow("Merge", m)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　此时显示的图像为蓝色通道，如图5-11所示，其他颜色的通道方法也类似。

　　

　　

　　

五.图像类型转换

　　在日常生活中，我们看到的大多数彩色图像都是RGB类型，但是在图像处理过程中，常常需要用到灰度图像、二值图像、HSV、HSI等颜色。图像类型转换是指将一种类型转换为另一种类型，比如彩色图像转换为灰度图像、BGR图像转换为RGB图像。OpenCV提供了200多种不同类型之间的转换，其中最常用的包括3类，如下：

　　

  • cv2.COLOR_BGR2GRAY
  • cv2.COLOR_BGR2RGB
  • cv2.COLOR_GRAY2BGR

　　OpenCV提供了cvtColor()函数实现这些功能。其函数原型如下所示：

　　dst = cv2.cvtColor(src, code[, dst[, dstCn]])

　　– src表示输入图像，需要进行颜色空间变换的原图像

　　– dst表示输出图像，其大小和深度与src一致

　　– code表示转换的代码或标识

　　– dstCn表示目标图像通道数，其值为0时，则有src和code决定

　　该函数的作用是将一个图像从一个颜色空间转换到另一个颜色空间，其中，RGB是指Red、Green和Blue，一副图像由这三个通道（channel）构成；Gray表示只有灰度值一个通道；HSV包含Hue（色调）、Saturation（饱和度）和Value（亮度）三个通道。在OpenCV中，常见的颜色空间转换标识包括CV_BGR2BGRA、CV_RGB2GRAY、CV_GRAY2RGB、CV_BGR2HSV、CV_BGR2XYZ、CV_BGR2HLS[3]。

　　下面是调用cvtColor()函数将图像进行灰度化处理的代码。

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2  
　　import numpy as np  
　　import matplotlib.pyplot as plt
　　#读取图片
　　src = cv2.imread(luo.png)
　　#图像类型转换
　　result = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
　　#显示图像
　　cv2.imshow("src", src)
　　cv2.imshow("result", result)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　输出结果如图5-12所示，它将左边的彩色图像转换为右边的灰度图像，更多灰度转化算法将在后面的文章详细介绍。

　　

　　同样，可以调用下列核心代码将彩色图像转换为HSV颜色空间，如图5-13所示。

　　grayImage = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)

　　

　　下面代码对比了九种常见的颜色空间，包括BGR、RGB、GRAY、HSV、YCrCb、HLS、XYZ、LAB和YUV，并循环显示处理后的图像。

　　

# -*- coding:utf-8 -*-
　　# By：Eastmount
　　import cv2  
　　import numpy as np  
　　import matplotlib.pyplot as plt
　　#读取原始图像
　　img_BGR = cv2.imread(luo.png)
　　#BGR转换为RGB
　　img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)
　　#灰度化处理
　　img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)
　　#BGR转HSV
　　img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)
　　#BGR转YCrCb
　　img_YCrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)
　　#BGR转HLS
　　img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)
　　#BGR转XYZ
　　img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)
　　#BGR转LAB
　　img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)
　　#BGR转YUV
　　img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)
　　#调用matplotlib显示处理结果
　　titles = [BGR, RGB, GRAY, HSV, YCrCb, HLS, XYZ, LAB, YUV]  
　　images = [img_BGR, img_RGB, img_GRAY, img_HSV, img_YCrCb,
　　          img_HLS, img_XYZ, img_LAB, img_YUV]  
　　for i in range(9):  
　　   plt.subplot(3, 3, i+1), plt.imshow(images[i], gray)  
　　   plt.title(titles[i])  
　　   plt.xticks([]),plt.yticks([])  
　　plt.show()

　　其运行结果如图5-14所示：

　　

　　

　　

六.总结

　　本章主要讲解Python和OpenCV的图像基础处理，从读取显示图像到读取修改像素，从创建、复制、保存图像到获取图像属性合通道，再详细讲解了图像算数与逻辑运算，包括图像加法、减法、与运算、或运算、异或运算、非运算，最后讲解了图像融合和获取图像ROI区域及图像类型转换。本章知识为后续的图像处理、图像识别、图像变换打下扎实基础。

　　以上就是Python图像处理之图像融合与ROI区域绘制详解的详细内容，更多关于Python图像处理的资料请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

标签： python

相关文章阅读

  • python命令函数 python函数教学
  • python简单函数编程 如何用python编写函数
  • python随机函数种子 python随机数种子怎么用
  • python画兔子代码，python语言绘制小兔子源代码怎么运行
  • range函数是从0开始吗,python中range(0)
  • python多线程坑,python多线程阻塞
  • python怎么画k线,python绘制k线及均线
  • python调用安卓so库,python .so文件
  • python赋值运算符-=的作用是,在Python中关系运算符中,表示“不等于”
  • python语言是一种脚本编程语言,python属于脚本语言还是编程语言
  • python想获取字符串str的长度,python str转char
  • python从键盘不断输入整数,python控制键盘输入数字
  • python输入姓名输出姓,python输入名字输出你好代码
  • python怎么实现黑客攻击,python网络攻防
  • python@property,python中的property函数
    • 留言与评论（共有 条评论）
       
    验证码：