第4课 图像处理方法介绍.pdfVIP

第4课 图像处理方法介绍 1.图像预处理 在很多时候我们需要对原始图像进行特殊处理，比如做人脸识别时，往往需要将图像转 换为灰度图像。在正式学习图像处理前，我们先来了解下OpenCV 中不同色彩空间的转换。 OpenCV 中有数百种关于不同颜色空间之间转换的方法。目前在计算机视觉领域常见的 颜色空间有三种：灰度、BGR、HSV （色调Hue，饱和度Saturation，亮度Value）。在我们 的玩法课程中有用到YCrCba颜色空间，其中Y 指的是明亮度，Cr 指的是RGB 输入信号的 红色部分与RGB 信号亮度值之间的差异，Cb 指的是RGB 输入信号蓝色部分与RGB 信号 亮度值之间的差异。这种色彩空间的特点是将亮度和色度分离开，从而适合于图像处理领域， 经常用在人体肤色检测中。 颜色转换：cv2.cvtColor(Img,Transform_model)。 Img——图片对象。 Transform_model——指定色彩转换模式。 另外需要注意的是这里的色光混合与颜料混合产生颜色不一样。颜料有颜色是因为它反 射那种颜色的光，多种颜色混合时遵循的是减色混合，而屏幕上的光是屏幕发出的光，遵循 的是增色混合原理。 2.图像处理原理 在OpenCV 中，对图像和视频的大多数处理都会涉及到傅里叶变换的概念。傅里叶观 察到数学中所有的波形都可以由一系列简单而且频率不同的正弦曲线叠加得到。由此推断并 证明了人们所看到的任何波形都是由其他波形叠加得到的。 在我们处理图像时，可以通过去掉一部分波形来得到感兴趣的区域。 除了傅里叶变换外，在图像处理过程常常会提到高通滤波器和低通滤波器。 1 其中高通滤波器是检测图像的某个区域，然后根据像素与周围像素的亮度差值来提升该 像素亮度的滤波器。 高通滤波器会增大像素点与周围像素点亮度差距，一般用在边缘检测上。 低通滤波是在像素与周围像素的亮度差值小于一个特定值时，平滑该像素的亮度的滤波 器。它主要用于去噪和模糊化，比如最常用的的模糊滤波器 （平滑滤波器）：高斯模糊，它 的实质上就是一个削弱高频信号强度的低通滤波器。 3.边缘检测 每张图片内都有很多内容，在处理图像时往往需要把不同的内容分离开。 两个具有不同灰度值的相邻区域之间总存在边缘，而边缘是灰度值不连续的表现。边缘 检测目的通俗来说就是检测图像的边缘，即图像差异较大的地方，为后续进一步图像处理做 准备。 例如我们要从一张同时有苹果、橘子、梨的图片里找到橘子，那么我们需要先判断图片 中哪些是物体，哪些是背景。在这里我们感兴趣的是水果，边缘检测可以检测图片里水果的 轮廓边缘，帮助计算机判断图片中哪些地方是物体，哪些地方是背景，为后续进一步判断哪 些是橘子，哪些不是橘子做准备。 OpenCV 提供了许多边缘检测滤波函数，包括Laplacian()、Sobel()以及Scharr()。这些 滤波函数都会将非边缘区域转换为黑色，将边缘区域转换为白色或其他饱和的颜色。 但是在实际处理中，这些函数都很容易将噪声错误地识别为边缘，所以需要在找边缘之 前对图像进行模糊处理，去除噪声。OpenCV 同样提供了诸多模糊滤波函数，常用的有blur() （简单的算术平均）、medianBlur() （中值滤波）、GaussianBlur()。 在实际使用中还有一个非常方便的Canny 函数，它只需要用一行代码就能轻松实现边 缘检测。 cv2.Canny(Pic,Minval,Maxval)。 2 Pic——要检测边缘的图像对象。 Minval——最小灰度梯度阈值，当图像灰度梯度低于Minval 时，会被舍去。 Maxval——最大梯度值阈值，当图像灰度梯度高于Maxval 时，会被认定为边缘，当图 像灰度梯度在Minval 和Maxval 之间时，如果与边缘相连是边界的一部分，否则被舍弃。 Canny 边缘检测算法内部实际上使用如下5个步骤对图像进行了处理： 1）使用高斯滤波器，平滑图像，滤除噪声。 2）计算图像中每个像素点的梯度强度和方向。 3）在边缘上使用非最大值抑制 （Non-Maximum Suppression）,以消除边缘检测带来的 杂散响应。 4）在检测到