python-opencv 培训课程作业

python-opencv 培训课程作业

作业一：
第一步：读取 res 下面的 flower.jpg，读取彩图，并用 opencv 展示

第二步：彩图 -> 灰度图
第三步：反转图像：最大图像灰度值减去原图像，即可得到反转的图像

第四步：用 plt 对比展示原图、灰度图、反转图 plt.subplot()

import os
import cv2
import  matplotlib.pyplot as plt
import numpy as np
#默认加载彩图
path=r'flower.jpg'# imread(path,way)
#way=0 灰度图。way=1 彩图
#默认彩图#cv2.COLOR_BGR2GRAY#cv2.COLOR_BGR2RGB
#cv2.COLOR_BGR2HSV，HSV-色调、饱和度、亮度def cv_show(name,img):cv2.imshow(name,img)#cv2.waitKey(0),接收0，表示窗口暂停cv2.waitKey(0)#销毁所有窗口cv2.destroyAllWindows()
# 第一步：读取 res 下面的 flower.jpg，读取彩图，并用 opencv 展示
img=cv2.imread(path)cv_show('flower',img)# 彩图 -> 灰度图
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 反转图像：最大图像灰度值减去原图像，即可得到反转的图像max_gray_value=img_gray.max()
print(max_gray_value)covert_img=max_gray_value-img# 用 plt 对比展示原图、灰度图、反转图 plt.subplot()plt.subplot(131)
img = img[:,:, ::-1]
plt.imshow(img)plt.title('original')plt.subplot(132)
plt.imshow(img_gray,'gray')
plt.title('img_gray')
plt.subplot(133)
covert_img=covert_img[:,:, ::-1]
plt.imshow(covert_img)
plt.title('covert_img')plt.show()

作业二：
第一步：第一步：读取 res 下面的 girl.jpg，读取彩图，，并转换为rbg格式展示

第二步：灰度化处理，并展示
第三步：灰度图二值化处理，像素值大于50，设置为255，小于50，设置为0
第四步：伽马变换：通过幂运算来调整图像的对比度和亮度，每个像素值取 0.8 次幂，参考 math.pow(gamma[i][j], 0.8)，并展示最终结果
第五步：对数变换：通过对每个像素点的灰度值进行对数计算，以增强图像中低灰度级的细节，增强图像的整体对比度，对每个像素求 3 * math.log(1 + log[i][j])，并展示最终结果

代码如下：

import cv2
import copy
import math
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as npmpl.rcParams["font.sans-serif"] = ["SimHei"]  # 指定默认字体 SimHei 黑体# 读入原始图像 res/girl.jpg，并用展示 rgb
path=r'girl.jpg'def cv_show(name,img):cv2.imshow(name,img)#cv2.waitKey(0),接收0，表示窗口暂停cv2.waitKey(0)#销毁所有窗口cv2.destroyAllWindows()
# 第一步：读取 res 下面的 girl.jpg，读取彩图，并转换为rbg格式展示
img=cv2.imread(path)img_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)cv_show('original',img)
cv_show('girl_rgb',img_rgb)
#cv_show('girl_rgb',img)
# 灰度化处理，并展示
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv_show('girl_gray',img_gray)
# 二值化处理# gray是灰度图，像素值大于50，设置为255，小于50，设置为0ret,dst1=cv2.threshold(img_gray,50,255,cv2.THRESH_BINARY)
cv_show('girl_gray_binary',dst1)# 伽马变换：通过幂运算来调整图像的对比度和亮度，每个像素值取 0.8 次幂，参考 math.pow(gamma[i][j], 0.8)，并展示最终结果
rows = img.shape[0]  # rows、cols 行列数，rows 也就是高度
cols = img.shape[1]# 设定伽马值
gamma = 0.8# 对图像进行伽马变换
gamma_correction = np.power(img_gray / 255.0, gamma)
gamma_correction = (gamma_correction * 255).astype(np.uint8)
cv_show('girl_gamma_correctiony',gamma_correction)# 对数变换：通过对每个像素点的灰度值进行对数计算，以增强图像中低灰度级的细节，增强图像的整体对比度，对每个像素求 3 * math.log(1 + log[i][j])，并展示最终结果
for i in range(rows):for j in range(cols):img_gray[i][j]= 3 * math.log(1 + img_gray[i][j])#   print(img_gray[i][j])cv_show('log_img',img_gray)