【图像处理】- 基本图像操作

基本图像操作详解

基本图像操作是图像处理的基础，涵盖了对图像进行简单但重要的变换。以下是几种常见的基本图像操作及其详细说明：

1. 裁剪 (Cropping)

描述：从原始图像中提取一个矩形区域。

实现方法：

使用图像的坐标系指定左上角和右下角的坐标。
提取指定区域内的像素值。

Python代码示例 (使用OpenCV)：

import cv2# 读取图像
image = cv2.imread('input_image.jpg')# 定义裁剪区域的坐标 (x, y, width, height)
x, y, w, h = 50, 50, 200, 200
cropped_image = image[y:y+h, x:x+w]# 显示结果
cv2.imshow('Cropped Image', cropped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

2. 缩放 (Resizing)

描述：调整图像的大小，可以放大或缩小。

实现方法：

指定新的宽度和高度。
使用插值算法（如最近邻、双线性、双三次）来计算新像素值。

Python代码示例 (使用OpenCV)：

import cv2# 读取图像
image = cv2.imread('input_image.jpg')# 定义新的尺寸
new_width = 300
new_height = 400
resized_image = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_LINEAR)# 显示结果
cv2.imshow('Resized Image', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

3. 旋转 (Rotation)

描述：将图像绕某个点旋转一定角度。

实现方法：

计算旋转矩阵。
应用仿射变换。

Python代码示例 (使用OpenCV)：

import cv2
import numpy as np# 读取图像
image = cv2.imread('input_image.jpg')# 获取图像中心
height, width = image.shape[:2]
center = (width // 2, height // 2)# 定义旋转角度和缩放比例
angle = 45
scale = 1.0# 获取旋转矩阵
rotation_matrix = cv2.getRotationMatrix2D(center, angle, scale)# 应用旋转
rotated_image = cv2.warpAffine(image, rotation_matrix, (width, height))# 显示结果
cv2.imshow('Rotated Image', rotated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

4. 翻转 (Flipping)

描述：水平或垂直翻转图像。

实现方法：

水平翻转：沿y轴翻转。
垂直翻转：沿x轴翻转。
水平垂直翻转：同时沿x轴和y轴翻转。

Python代码示例 (使用OpenCV)：

import cv2# 读取图像
image = cv2.imread('input_image.jpg')# 翻转类型
flip_code = 1  # 1: 水平翻转, 0: 垂直翻转, -1: 水平垂直翻转
flipped_image = cv2.flip(image, flip_code)# 显示结果
cv2.imshow('Flipped Image', flipped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

5. 颜色空间转换 (Color Space Conversion)

描述：将图像从一种颜色空间转换为另一种颜色空间。

常见颜色空间：

RGB：红绿蓝三原色模型。
Grayscale：灰度图像。
HSV：色调、饱和度、亮度模型。
YUV：亮度、色差模型。

Python代码示例 (使用OpenCV)：

import cv2# 读取图像
image = cv2.imread('input_image.jpg')# 转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 转换为HSV图像
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)# 显示结果
cv2.imshow('Grayscale Image', gray_image)
cv2.imshow('HSV Image', hsv_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

6. 通道分离与合并 (Splitting and Merging Channels)

描述：

分离：将多通道图像拆分为单个通道。
合并：将多个单通道图像组合成一个多通道图像。

Python代码示例 (使用OpenCV)：

import cv2# 读取图像
image = cv2.imread('input_image.jpg')# 分离通道
b, g, r = cv2.split(image)# 合并通道
merged_image = cv2.merge([b, g, r])# 显示结果
cv2.imshow('Blue Channel', b)
cv2.imshow('Green Channel', g)
cv2.imshow('Red Channel', r)
cv2.imshow('Merged Image', merged_image)
cv2.waitKey(0)
cv2.destroyAllWindows()