01.读取文件为灰色图

from matplotlib import cm

import numpy as np

import cv2

import matplotlib.pyplot as plt

#%%

image = cv2.imread("/root/Github_files/python_All/Dataset/OpenCV001.jpg",cv2.IMREAD_GRAYSCALE)

#%%

plt.imshow(image, cmap="gray"), plt.axis("off")

plt.show()

 

02. 读取为ndarray数组，查看某个像素点，对数据进行筛选，实现图片的裁剪

 print(type(image))##<class 'numpy.ndarray'>

image.shape##像素大小：(655, 1000)

<class 'numpy.ndarray'>

(655, 1000)

image[250][250]##查看该点的像素点信息

209

images = image[0:450][:]

images.shape

(450, 1000)

plt.imshow(images,cmap="gray")

plt.axis("off")

plt.show()

 

#以彩色模式加载图像并进行裁剪

image_colr = cv2.imread("/root/Github_files/python_All/Dataset/OpenCV001.jpg",cv2.IMREAD_COLOR)

image_colr[250][250]##array([188, 212, 212], dtype=uint8)

array([188, 212, 212], dtype=uint8)

image_colrs = image_colr[0:450][:][:]

image_colrs.shape

(450, 1000, 3)

plt.imshow(image_colrs)

plt.axis("off")

plt.show()

 

03.保存裁剪后的彩色图片

#sava image

cv2.imwrite("/root/Github_files/python_All/Dataset/OpenCV001temp1.jpg",image_colrs)

#  True

True

#改变图像大小，是像素的大小

image_gray = cv2.imread("/root/Github_files/python_All/Dataset/OpenCV001temp1.jpg",cv2.IMREAD_GRAYSCALE)

image_gray_50X50 = cv2.resize(image_gray,(100,100))

plt.imshow(image_gray_50X50,cmap="gray")

plt.axis("off")

plt.show()

 

"""

    平滑处理图像就是将每个像素的值变换为其相邻像素的平均值

    相邻像素和所执行的操作在数学上被表示为一个核

    这个核的大小决定了平滑的程度

    核越大，产生的图像就越平滑

"""

下面以10,10为核 

image_gray_blurry = cv2.blur(image_gray_50X50,(10,10))

plt.imshow(image_gray_blurry, cmap="gray")

plt.axis("off")

plt.show()

 

04.创建核以及应用核

kernel = np.ones((5,5))/25.0

kernel

#%%

#应用核

image_kernel = cv2.filter2D(image_gray_50X50, -1, kernel)

#%%

plt.imshow(image_kernel,cmap="gray")

#plt.axis("off")

plt.xticks([])

plt.yticks([])

plt.show()