opencv 实现马赛克、毛玻璃、图片融合、边缘检测--入门

ゝ一纸荒年。 2022-02-28 17:04 510阅读 0赞

马赛克效果

""" 马赛克效果 技术指标： 1. 马赛克效果的窗体范围，行列，多少开始，多少结束 2. 每一个马赛克都有一个小窗口，有矩形圆形，以10x10的方型为例 3. 马赛克: 10x10的小方块中，以一个像素为基本，填充其他响像素点。 比如要打100x100的马赛克，那它就有100个10x10的小方块，一次安上面的方法进行填充即可。 """
    import cv2
    import numpy as np
    
    img = cv2.imread("11111.jpg",1)
    
    imgInfo = img.shape
    heigh = imgInfo[0]
    width = imgInfo[1]
    
    # m n 马赛克范围
    for m in range(100,300):
        for n in range(100,200):
            if m%10 ==0 and n%10==0:
                # 小矩形块中，像素值的填充
                for i in range(0,10):
                    for j in range(0,10):
                        (b,g,r) = img[m,n]
                        img[i+m,j+n] = (b,g,r)
                        
    cv2.imshow("dst",img)
    cv2.waitKey(0)

毛玻璃效果

""" 类比马赛克 毛玻璃是随机产生一个点，进行填充 """
    
    import random
    import cv2
    import numpy as np
    
    img = cv2.imread("11111.jpg",1)
    
    imgInfo = img.shape
    heigh = imgInfo[0]
    width = imgInfo[1]
    
    dst = np.zeros((heigh,width,3),np.uint8)
    mm=8 # 防止矩阵越界
    for m in range(0,heigh-mm):
        for n in range(0,width-mm):
            index=int(random.random()*8)
            (b,g,r) = img[m+index,n+index]
            dst[m,n] = (b,g,r)
            
    cv2.imshow("dst",dst)
    cv2.waitKey(0)
    
    # 此方法 会出现8个像素长度的黑边

图片融合

import cv2
    import numpy as np
    
    img0 = cv2.imread("1.jpg",1)
    img1 = cv2.imread("2.jpg",1)
    
    imgInfo = img0.shape
    heigh = imgInfo[0]
    width = imgInfo[1]
    
    #ROI 感兴趣的大小
    roiH = int(heigh/2)
    roiW = int(width/2)
    img0ROI = img0[0:roiH,0:roiW]
    img1ROI = img1[0:roiH,0:roiW]
    
    dst = np.zeros((roiH,roiW,3),np.uint8)
    # 两个权重相加
    dst=cv2.addWeighted(img0ROI,0.5,img1ROI,0.5,0)
    
    cv2.imshow("dst",dst)
    cv2.waitKey(0)

图片的边缘检测

""" 边缘检测，图像的卷积运算 1.完成图像的灰度处理。 2.进行高斯滤波，去除掉一些噪声的干扰 3.canny方法，来实现边缘检测 """
    
    import cv2
    import numpy as np
    import random
    
    img = cv2.imread("1.jpg", 1)
    imgInfo = img.shape
    heigh = imgInfo[0]
    width = imgInfo[1]
    # 灰度图像处理
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    # 高斯滤波,知道即可，后面深入了解，灰度图片，模板大小
    imgG = cv2.GaussianBlur(gray,(3,3),0)
    # 边缘检测
    dst = cv2.Canny(img,50,50)
    #1.data 2.图片卷积
    cv2.imshow("dst",dst)
    cv2.waitKey(0)