Python画像処理の一般的な操作上の注意

自己問診に便利な孟新のメモ、よく使われる方法を記録し、随時更新していきます〜

1.静止画の操作に関する注意事項

ライブラリをインストールします

インストール

pip install numpy
pip install opencv-python

 

ライブラリをインポートする

import numpy as np
import cv2

 

静止画像の読み取りと書き込み

注：画像ファイル名に中国語が含まれている場合、エラーが発生し、コーディングの問題である可能性があります。

ディスクから画像を読み取る

img_path = "input.jpg"
# 读取单通道黑白图片
img = cv2.imread(img_path,0)
# 读取三通道彩色图片
img = cv2.imread(img_path,1)
# 读取四通道PNG图片，第四通道alpha为透明度
img_path = "input.png"
img = cv2.imread(img_path,-1)

ディスクに画像を書き込む

output_path = "output.jpg"
cv2.imwrite(output_path,img)

cv2で画像を表示する

# 允许图片自由缩放
window_name = "test window"
cv2.namedWindow(window_name,0);
# 显示图片
cv2.imshow(window_name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

カラー画像をグレースケール画像に変換する

注：効果は、グレースケール画像を直接読み取る場合とまったく同じではありません。

img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

 

画像のノイズをフィルタリングする

特定のニーズに応じて異なるフィルターを選択します。

# 使用3x3的均值滤波器
img = cv2.blur(img, (3, 3))

# 中值滤波
img = cv2.medianBlur(img, 3)

# 高斯滤波
img = cv2.GaussianBlur(img,(3,3),0)

# 自定义滤波器，样例为拉普拉斯滤波器
kernal = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0]])
img = cv2.filter2D(img, -1, kernal)

 

画像の長さと幅を拡大縮小する

サイズ変更は形状変更とは異なります。形状変更とは
、（2、3）を（1、6）に変更するなど、データの総量を変更せずにマトリックスを形状変更することです。
サイズ変更とは、画像を任意の縮尺でズームすることです。これにより、マトリックスに含まれる要素の総数が変更されます。

# 设定新的图片长宽
new_size = (224,224)
# 缩放图片
img = cv2.resize(img,new_size)

 

写真のキャプチャ

これは、次のようなnumpyの高次元マトリックススライスと同等です。

img = img[:200,100:,:]

 

カラーチャネルの分割とマージ

# 三颜色通道拆分
(B, G, R) = cv2.split(img)
# 三颜色通道合并
img = cv2.merge([B,G,R])

# 四颜色通道拆分
(B, G, R, A) = cv2.split(img)
# 四颜色通道合并
img = cv2.merge([B,G,R,A])

 

ヒストグラム均等化

# 对单通道使用，多通道需要先拆分再对每个通道分别均衡化
img = cv2.equalizeHist(img)

 

ピクチャーフリップ

# 垂直翻转
img = cv2.flip(img,0)
# 水平翻转
img = cv2.flip(img,1)
# 垂直水平翻转
img = cv2.flip(img,-1)

 

形態学的操作

# 定义核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))

# 膨胀
img = cv2.dilate(img,kernel,iterations=1)

# 腐蚀
img = cv2.erode(img,kernel,iterations=1)

 

二値化

# 定义阈值
threshold = 50
# 二值化
ret,img=cv2.threshold(img,threshold,255,cv2.THRESH_BINARY_INV)

 

高次元行列転置

機械学習入力に使用されます。
（長さ、幅、3）のカラー画像マトリックスを（3、長さ、幅）の形式に変更します。

テンソルでの使用には、トーチパッケージをインポートする必要があります。

img = torch.tensor(img, dtype=torch.float32)
# 改变矩阵形状
img = img.permute(2, 0, 1)

 

2.ダイナミック画像操作ノート

アニメーションGIF画像のアクション

ライブラリをインストールします

インストール

pip install imageio

 

ライブラリをインポートする

import imageio

 

gif画像を読む

注：これはmimread（）であり、imread（）ではありません。

imgs = imageio.mimread("test.gif")
imgs = np.array(imgs)

現時点では、imgsはnumpyマトリックス形式のすべての画像を含むリストであり、各要素はnumpyマトリックス形式の画像です。
 

gif画像を書く

output_name = "output.gif"
imageio.mimsave(output_name, imgs, 'GIF')

 

3.いくつかの簡単な関数実現ノート

3.1モノクロの背景写真の背景色の置き換え

身分証明書の背景色を単色（青など）から別の色（白など）に置き換えるために使用します。背景と同じ色の服がキャラクターにほとんど含まれていない場合に使用します。
出力画像の効果に応じて、しきい値max_differenceのサイズを調整する必要があります。

import cv2
import numpy as np
from scipy.spatial.distance import cdist

# 输入文件名
input_img = 'input.jpg'
img = cv2.imread(input_img,1)
# 配置阈值，与取样点之间的最大相似值误差，根据输出效果调整
max_difference = 150
# 取出左上角第一个点作为取样点
sample = img[0][0]
# 将图片拉平用于计算
input_data = img.reshape((img.shape[0] * img.shape[1], 3))
# 计算所有图片与采样点之间的曼哈顿距离
differences = cdist(input_data, [sample], 'cityblock')
# 还原距离矩阵的形状，此时为单通道，仅包含距离
differences = differences.reshape((img.shape[0], img.shape[1]))

# 将背景替换为新的颜色，此处设置为白色
change = np.array([255,255,255])
# 深拷贝一个输入图片用于输出
output = img.copy()

for i in range(img.shape[0]):
	# 打印工作进度
	if i % 500 == 0:
		print(i,"/",img.shape[0])
	# 如果距离小于阈值，改变颜色
	for j in range(img.shape[1]):
		if differences[i][j] < max_difference:
			output[i][j] = change

# 输出文件名
output_name = 'output.jpg'
cv2.imwrite(output_name,output)

 

3.2画像に透明レイヤーを追加し、透明度をカスタマイズします

3チャンネルのカラー画像を入力し、透明度の4番目のチャンネル（アルファチャンネル）を手動で追加し、透明度データをカスタマイズしてから、png画像として出力します。

import numpy as np
import cv2
# 输入一个三通道图像
img = cv2.imread('test.jpg',1)
# 拆分颜色通道
(B, G, R) = cv2.split(img)
# 自定义一个初始全为0的透明度图层
A = np.zeros(B.shape, dtype="uint8")
# 自定义调整透明度，透明度在0-255之间取值
# 这里将图片的一部分透明度调整为155，其余部分保持为0用作示例
A[:70,:] = 155
# 将透明度图层并入四通道图像
img = cv2.merge([B, G, R, A])
# 输出png格式的图片
cv2.imwrite('output.png',img)

 

3.3スクリーンショットを撮ってWeChatの絵文字を抽出する

3.1と3.2のコードのアイデアを統合して、スクリーンショットを使用してWeChatチャットで絵文字の写真を取得することを実現します...愚かなWeChatの絵文字の写真をローカルに直接保存することはできませんか？？？、そしてプログラムにスクリーンショットの背景を自動的に削除させ、元の透明な画像の背景を透明な状態として出力して、他の人の画像を自分のアバターとして盗むという邪悪な目的を達成します。

import numpy as np
import cv2
from scipy.spatial.distance import cdist

# config，配置参数，根据实际输出情况调整
# 在截图的四周切除百分之多少的边框
cut_percent = 4
# 配置阈值，与取样点之间的最大相似值误差
max_difference = 50
# 输入文件名
input_img = 'weixin_img.png'
# 输出文件名
output_name = 'output.png'


img = cv2.imread(input_img,1)
# 去除截图边缘边框(按照百分比切除)
img = img[int(img.shape[0]*(cut_percent/100)):int(img.shape[0]*(1-cut_percent/100)),\
		int(img.shape[1]*(cut_percent/100)):int(img.shape[1]*(1-cut_percent/100)),:]

# 取出左上角第一个点作为取样点
sample = img[0][0]
# 将图片拉平用于计算
input_data = img.reshape((img.shape[0] * img.shape[1], 3))
# 计算所有图片与采样点之间的曼哈顿距离
differences = cdist(input_data, [sample], 'cityblock')
# 还原距离矩阵的形状，此时为单通道，仅包含距离
differences = differences.reshape((img.shape[0], img.shape[1]))

# 创建透明图层，默认全透明
A = np.zeros(img.shape[:2], dtype="uint8")

for i in range(img.shape[0]):
	# 打印工作进度
	if i % 500 == 0:
		print(i,"/",img.shape[0])
	# 如果距离大于阈值，设置为不透明
	for j in range(img.shape[1]):
		if differences[i][j] > max_difference:		
			A[i][j] = 255

# 生成带有透明图层的四通道输出图片
(B, G, R) = cv2.split(img)
output = cv2.merge([B, G, R, A])

cv2.imwrite(output_name,output)

 

3.4カラー画像を白黒の線画に変換する

グレースケール画像に変換し、ラプラシアンフィルターを介してラインドラフトの輪郭を抽出し、構造を接続し、形態学的操作の拡大と侵食によってノイズを除去し、最後に2値化を使用して輪郭を強調し、ノイズを低減しました。
元の画像：

import cv2
import numpy as np

img_path = "input.png"
# 读取单通道黑白图片
img = cv2.imread(img_path,0)

# 拉普拉斯滤波器
kernal = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0]])
img = cv2.filter2D(img, -1, kernal)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))
# 膨胀两次
img = cv2.dilate(img,kernel,iterations=2)

# 腐蚀两次
img = cv2.erode(img,kernel,iterations=2)

# 二值化
ret,img=cv2.threshold(img,50,255,cv2.THRESH_BINARY_INV)

# 输出
output_path = "output.jpg"
cv2.imwrite(output_path,img)

最終効果：