矩阵

定义一个显示图像的函数，对于灰度图，里面添加了vmin=0,vmax=255,强制赋值最大值和最小值。

随机生成一个0-256的2维矩阵，显示灰度图像。

随机生成一个0-256的三维数组，并展示彩色图像。

uint8 8位整型图像的理解，可以发现0-255之外的数字都会转换为对应的数字，0-255之间的数字不会改变。

f浮点
浮点图像，可以发现和A显示的图像一样。

0-1之间缩放，显示效果 vmin=0,vmax=255 保留

0-1之间缩放，vmin=0,vmax=255去掉，显示的结果

通道分离和合并

首先读入一张图片并展示

使用cv.split()函数对图像进行分离，得到b,g,r三个通道的灰度图像

使用cv.merge()函数对b,g,r三个通道进行合并，得到彩色图像

调整b,g,r三个的顺序，得到不同的彩色图像

彩色图像转灰度图像

r,g,b三通道平均加权 系数和满足为1

gray1是浮点类型，两种方法转换成uint8，方便计算。第一种是使用np.uint8(),第二种是使用gray1.astype(np.uint8)

使用cv里面自带的cv.cvtColor()函数进行彩色图转灰度图

灰度图转二值化图像

设置个阈值，把大于阈值的赋值为255，小于等于阈值的赋值为0

另一种写法是调用cv.threshold()函数，第一个参数是图像，第二个参数是阈值，第三个参数是要赋的值，第四个是二值图。第四个参数可以设置为0。

图像运算

展示四张灰度图像，分别是目标，背景，掩模和噪声。四张图像的形状相同，都是500x500。

直接相加，得到的结果，大于255，会进行循环，找到对应的值。

使用cv.add()函数得到的结果，大于255直接赋值为255。

为了防止相加后的和大于255，分别赋予权重相乘的结果，但此时的类型是float64

使用cv.addWeighted()函数得到的结果，第一个参数是目标，第二个参数是权重，第三个参数是背景，第四个参数是权重，第5个参数是总偏移。此时的类型是uint8类型。

减法：第一种方法是直接减，最后转换成uint8类型。第二种是使用cv.subtract()函数进行减法，最后转换成uint8。

乘法; 首先进行归一化，缩小到0-1之间，然后用cv.multipy()函数进行两个同类型的对象相乘，结果如下。

除法：
这里没有考虑噪声中含有0的情况

加1大于255，也会被循环赋值为0

转为浮点数，再加1

图像像素的非线性变换

线性变换 b=20，k=2，这里要注意，直接按公式来写，可能得不到想要的结果，原因如下：

因此，要对数据类型进行转换





在这里插入图片描述

最后

以上就是玩命蜗牛为你收集整理的《opencv 数字图像处理 图像基础》矩阵通道分离和合并彩色图像转灰度图像灰度图转二值化图像图像运算的全部内容，希望文章能够帮你解决《opencv 数字图像处理 图像基础》矩阵通道分离和合并彩色图像转灰度图像灰度图转二值化图像图像运算所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。