本文簡單地介紹計算機圖形處理的一些基本概念，以及一些有趣的例子和對應的Open CV的程式碼操作。
順便說一句，恭喜IG奪冠！
一、圖片儲存原理
1、顏色空間RGB
（1）RGB三通道彩色圖
圖片由三維矩陣疊加而成（[0,255]），通俗講就是將三個分別只有R(red),G(green),B(blue)的矩陣疊加。
2、影像處理
（1）卷積/濾波
二、OpenCV基礎
Open CV是一個開源的計算機視覺庫，採用C/C++編寫，提供Python、MATLAB以及其他語言的介面。
1、基本I/O操作
#-*- coding: utf-8 -*-
import cv2
# 開啟圖片
img = cv2.imread('lion.jpg')
# 顯示圖片
img = cv2.imshow('lion','lion.jpg')
# 儲存圖片
cv2.imwrite('lion2.jpg',img)
複製程式碼2、灰度、二值化處理
灰度化：在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色。
二值化：影像的二值化，就是將影像上的畫素點的灰度值設定為0或255，整個影像呈現出明顯的只有黑和白的視覺效果
#-*- coding: utf-8 -*-
import cv2
# 讀取圖片
img = cv2.imread('wsc.jpeg')
# 灰度化處理、儲存處理後檔案
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite('wsc-gray.jpg',img)
# 二值化處理、儲存處理後檔案
cv2.threshold(image, 550, 550, 0, image)
cv2.imwrite('wsc-two-value.jpg',img)
複製程式碼| 圖片處理前 | 灰度處理 |
|---|---|
 |
 |
| 圖片處理前 | 二值處理 |
|
 |
3、圖片匹配
matchTemplate用於在影像中與模板圖片比對，查詢目標
cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))
複製程式碼關鍵引數
-
TM_SQDIFF平方差匹配法：該方法採用平方差來進行匹配；最好的匹配值為0；匹配越差，匹配值越大。 -
TM_CCORR相關匹配法：該方法採用乘法操作；數值越大表明匹配程度越好。 -
TM_CCOEFF相關係數匹配法：1表示完美的匹配；-1表示最差的匹配。 -
TM_SQDIFF_NORMED歸一化平方差匹配法 -
TM_CCORR_NORMED歸一化相關匹配法 -
TM_CCOEFF_NORMED歸一化相關係數匹配法
三、有趣的例子
1、邊緣檢測
Canny邊緣檢測
程式碼
#-*- coding: utf-8 -*-
import cv2
# 讀取圖片
img = cv2.imread('wsc.jpeg')
# Canny邊緣檢測處理，並寫入圖片
cv2.imwrite('wsc1.jpeg',cv2.Canny(img,200,300))
複製程式碼| 圖片處理前 | 圖片處理後 |
|---|---|
|
 |
2、人臉檢測
haarcascade_frontalface_default.xml,該檔案為人臉檢測器（預設）檔案，檔案可在OpenCV的Github上下載。
#-*- coding: utf-8 -*-
import cv2
def detect(filename):
face_cascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_default.xml')
# 讀取圖片
img = cv2.imread(filename)
# 圖片灰度處理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 人臉檢測,每次迭代影像壓縮率、人臉矩形保留近鄰數目最小值
faces = face_cascade.detectMultiScale(gray,1.3,6)
# x,y為左上角座標，w,h表示人臉寬度和高度
for(x,y,w,h) in faces:
# 檢測到人臉繪製成藍色矩形
img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
# 寫入檔案
cv2.imwrite('/Users/fangzhijie/Pictures/ig1.jpeg',img)
filename = 'ig.jpeg'
detect(filename)
複製程式碼| 圖片處理前 |
|---|
 |
| 圖片處理後 |
 |
剩下的三位沒有識別出來，待定位原因。
3、影像匹配
搜尋模板圖片
原圖
程式碼
# -*- coding: utf-8 -*-
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 讀取圖片
img = cv2.imread('ig.jpeg')
template = cv2.imread('wsc123.png')
# 對圖片進行縮放，縮放到合適大小90*90
template = cv2.resize(template, (90, 90),interpolation=cv2.INTER_CUBIC)
# 進行影像匹配
res = cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))
# 記錄模板的寬度和高度
w, h = template[:,:,0].shape[::-1]
# 王思聰邊框的具體位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# 畫出紅框
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
imgplt = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cv2.rectangle(imgplt,top_left, bottom_right, 255, 2)
# 顯示圖片
plt.imshow(imgplt)
plt.title('Detected results'), plt.xticks([]), plt.yticks([])
plt.show()
複製程式碼結果
