基本的な画像操作
1. 境界の充填
2. 画像の融合
3. 画像閾値
4. 画像の平滑化
5. 形態学的予算
1. 腐食操作
2. 拡張操作
3.開閉動作
4. 勾配操作
5. トップハット作戦
6. ブラックハット作戦
1. 境界の充填
- cv2.copyMakeBorder(img, top_size,bottom_size, left_size, right_size, borderType=?)
(1)cv2.BORDER_REPLICATE、コピーメソッド、エッジピクセルを割り当てる
(2)cv2.BORDER_REFLECT、反射メソッド、hgfedcba|abcdefgh|hgfedcba など、対象の画像内のピクセルを両側にコピーします。
(3)cv2.BORDER_REFLECT101、反射法、最もエッジレベルのピクセルと軸対称、hgfedcb|abcdefgh|gfedcba
(4)cv2.BORDER_WRAP、外装方法、abcdefgh|abcdefgh|abcdefgh
(5)cv2.BORDER_CONSTANT、定数値埋め込み。
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
relect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT)
relect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT, value=0)
plt.subplot(231), plt.imshow(img, cmap='gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, cmap='gray'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(relect, cmap='gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(relect101, cmap='gray'), plt.title('REFLECT101')
plt.subplot(235), plt.imshow(wrap, cmap='gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, cmap='gray'), plt.title('CONSTANT')
plt.show()
2. 画像の融合
- cv2.addWeighted(img1, alpha, img2, 1-alpha, gamma)
import cv2
img1 = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('dog.jpg', cv2.IMREAD_GRAYSCALE)
print(img1.shape)
print(img2.shape)
img_dog = cv2.resize(img2, (256, 256))
res = cv2.addWeighted(img1, 0.4, img_dog, 0.6, 0)
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
3. 画像閾値
ret、dst = cv2.threshold(src、thresh、maxval、type)
- src: 入力画像、シングルチャンネル画像のみ入力可能、通常はグレースケール画像
- dst: 出力グラフ
- しきい値: しきい値
- maxval: ピクセル値が閾値を超えた場合(種類によっては閾値未満の場合)に割り当てられる値
- type: 2値化演算の種類には以下の5種類があります。
- cv2.THRESH_BINARY はしきい値を超えた部分の maxval を取得します
- cv2.THRESH_BINARY_INV、cv2.THRESH_BINARY の反転
- cv2.THRESH_TRUNC、しきい値を超える部分は maxval に設定され、それ以外の場合は変更されません。
- cv2.THRESH_TOZERO、閾値を超えた部分は変更されず、それ以外の場合は0
- cv2.THRESH_TOZERO_INV、cv2.THRESH_TOZERO の反転
import cv2
import matplotlib.pyplot as plt
img1 = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
ret, thresh1 = cv2.threshold(img1, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img1, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img1, 127, 255, cv2.THRESH_TRUNC)
ret, thresh4 = cv2.threshold(img1, 127, 255, cv2.THRESH_TOZERO)
ret, thresh5 = cv2.threshold(img1, 127, 255, cv2.THRESH_TOZERO_INV)
titles = ['Origin', 'binary', 'binary_inv', 'trunc', 'tozero', 'tozero_inv']
images = [img1, thresh1, thresh2, thresh3, thresh4, thresh5]
for i in range(6):
plt.subplot(2, 3, i+1), plt.imshow(images[i], cmap='gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
4. 画像の平滑化
- 平均フィルター、cv2.blur(img, (kernel_size, kernel_size))
- ボックス フィルター、cv2.boxFilter(img, -1, (kernel_size, kernel_size),normaliza=True)、平均化するかどうか。基本的には平均値フィルタリングと同じです
- ガウス フィルター: cv2.GaussianBlur(img, (kernel_size, kernel_size), sigma)
- メディアン フィルター: cv2.medianBlur(img, 5)
import cv2
import numpy as np
img = cv2.imread('lena.jpg')
cv2.waitKey(0)
cv2.destroyAllWindows()
blur = cv2.blur(img, (3, 3))
cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()
median = cv2.medianBlur(img, 5)
cv2.imshow('median', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()
gaussian = cv2.GaussianBlur(img, (5, 5), 1)
cv2.imshow('gaussian', gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()
res = np.hstack((blur, median, gaussian))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
5. 形態学的操作
上の写真を見る限り、膨張も腐食も黒い部分ではなく白い部分が対象となっており、膨張は白い部分の膨張、腐食は白い部分の収縮です。
1. 腐食操作、cv2.erode(src, kernel, interation=?)
import cv2
import numpy as np
img = cv2.imread('zhinian.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
kernel = np.ones((5, 5), np.uint8)
erosion1 = cv2.erode(img, kernel, iterations=1)
erosion2 = cv2.erode(img, kernel, iterations=2)
erosion3 = cv2.erode(img, kernel, iterations=3)
res = np.hstack((erosion1, erosion2, erosion3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
2. 拡張操作、cv2.dilate(src, kernel, interation=?)
import cv2
import numpy as np
img = cv2.imread('zhinian.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
kernel = np.ones((5, 5), np.uint8)
dilate1 = cv2.dilate(img, kernel, iterations=1)
dilate2 = cv2.dilate(img, kernel, iterations=2)
dilate3 = cv2.dilate(img, kernel, iterations=3)
res = np.hstack((dilate1, dilate2, dilate3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
3. オペレーションの開始と終了、cv2.morphologyEx(img, type, kernel, iteration=?)
オープン操作: 最初に腐食してから拡張、type=cv2.MORPH_OPEN
クローズド操作: 最初に拡張、次にエロージョン、type=cv2.MORPH_CLOSED
import cv2
import numpy as np
img = cv2.imread('zhinian.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
kernel = np.ones((5, 5), np.uint8)
open1 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=1)
open2 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=2)
open3 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=3)
res1 = np.hstack((open1, open2, open3))
cv2.imshow('res', res1)
cv2.waitKey(0)
cv2.destroyAllWindows()
closed1 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=1)
closed2 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=2)
closed3 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=3)
res2 = np.hstack((closed1, closed1, closed1))
cv2.imshow('res', res2)
cv2.waitKey(0)
cv2.destroyAllWindows()
4. 勾配演算 = 拡張 - 腐食、 cv2.morphologyEx(img, 2v.MORPH_GRADIENT, kernel, iteration=?)
gradient1 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, iterations=1)
gradient2 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, iterations=2)
gradient3 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, iterations=3)
res3 = np.hstack((gradient1, gradient2, gradient3))
cv2.imshow('res', res3)
cv2.waitKey(0)
cv2.destroyAllWindows()
5. トップハット演算 = 元の入力 - オープン演算、 cv2.morphologyEx(img, 2v.MORPH_TOPHAT, kernel, iteration=?)
tophat1 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, iterations=1)
tophat2 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, iterations=2)
tophat3 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, iterations=3)
res4 = np.hstack((tophat1, tophat2, tophat3))
cv2.imshow('res', res4)
cv2.waitKey(0)
cv2.destroyAllWindows()
6. ブラックハット演算 = クローズド演算 - 元の入力、 cv2.morphologyEx(img, 2v.MORPH_BLACKHAT, kernel, iteration=?)
blackhat1 = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, iterations=1)
blackhat2 = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, iterations=2)
blackhat3 = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, iterations=3)
res5 = np.hstack((blackhat1, blackhat2, blackhat3))
cv2.imshow('res', res5)
cv2.waitKey(0)
cv2.destroyAllWindows()