本文使用基于python和opencv模块的机器视觉处理方法

基本模块使用:

import cv2 #opencv读取的默认图片格式为BGR格式
import numpy as np#图像的本质是矩阵，彩色图片三维矩阵，灰度图是二维矩阵，此模块操作矩阵
import matplotlib.pyplot as plt#Matplotlib是RGB，绘图模块

img=cv2.imread('cat.jpg')#使用opencv读取一张猫的图片
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#读取的图片转化为灰度图BGR to GRAY
img_gray.shape#显示图片的长宽大小和矩阵维度

对于BGR图像，若想转为HSV图像，可以使用如下函数:

hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)#BGR to HSV

HSV:
H - 色调（主波长）。
S - 饱和度（纯度/颜色的阴影）。
V值（强度）

图片显示:

cv2.imshow("img_gray", img_gray)#imshow('窗口名字',欲显示图片)
cv2.waitKey(0)   #等待时间，0表示一直持续，任意键销毁
cv2.destroyAllWindows() #销毁

在显示上，通过def定义一个显示函数来方便调用:

def cv_show(name,img):
    cv2.imshow(name,img) 
    cv2.waitKey(0) 
    cv2.destroyAllWindows()

图像的二值化:

使用如下函数进行图像的二值化

ret, dst = cv2.threshold(src, thresh, maxval, type)
  • src： 输入图，只能输入单通道图像，通常来说为灰度图
  • dst： 输出图
  • thresh： 阈值，通常来说，灰度图阀值为0-255
  • maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值，也就是超出部分全部设置为这个值
  • type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
  • cv2.THRESH_BINARY           超过阈值部分取maxval（最大值），否则取0
  • cv2.THRESH_BINARY_INV    THRESH_BINARY的反转
  • cv2.THRESH_TRUNC            大于阈值部分设为阈值，否则不变
  • cv2.THRESH_TOZERO          大于阈值部分不改变，否则设为0
  • cv2.THRESH_TOZERO_INV  THRESH_TOZERO的反转