将图像处理为灰度图和二值化图

简介: 【7月更文挑战第28天】将图像处理为灰度图和二值化图。

将图像处理为灰度图和二值化图
在OpenCV目录下新建文件,命名为gray_binary.py,在PyCharm中编写代码,将RGB图像转换为灰度图和二值化图并显示。
import cv2
img = cv2.imread('pic.jpg', cv2.IMREAD_COLOR)
cv2.imshow('img', img)
cv2.waitKey(0)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', gray)
cv2.waitKey(0)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('binary', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()
将彩色RGB图像加载进来,需要注意的是,在OpenCV读取图片后,图像并非RGB顺序,而是采用BGR的顺序。使用cv2.cvtColor()函数将原始图像转换为灰度图。在灰度图中,像素值为0~255之间的某一个值,包含0和255。二值化后,图像中的像素值为0或255,cv2.THRESH_BINARY参数表示如果当前像素点的值大于阈值,则将输出图像的对应位置像素值置为255,否则为0,CV_THRESH_BINARY_INV参数功能正好相反。除了设置阈值二值化外还有自适应二值化等,本书不做详细介绍。图像的灰度图、二值化图如图所示。

相关文章
|
2月前
|
计算机视觉 C++
基于VS2019和Opencv4,对hsv颜色空间的图像分割原理以及实现
这篇文章介绍了基于HSV颜色空间的图像分割原理,包括HSV模型的基本概念和如何在OpenCV中通过设置HSV的色彩范围来实现图像中特定颜色的物体分割,并通过示例代码展示了在静态图像和视频流中进行颜色分割的方法。
基于VS2019和Opencv4,对hsv颜色空间的图像分割原理以及实现
|
2月前
|
计算机视觉
【图像处理】 Halcon 实现图像亚像素边缘检测
如何在Halcon软件中实现图像亚像素边缘检测,包括读取图片、图像阈值化、边界提取、区域扩张、亚像素边缘提取、轮廓拟合和彩色绘图等步骤,并提供了相应的Halcon代码实现和检测效果展示。
82 2
|
4月前
|
计算机视觉
OpenCV图像二值化
OpenCV图像二值化
|
4月前
|
计算机视觉
图像处理之常见二值化方法汇总
图像处理之常见二值化方法汇总
109 0
|
计算机视觉
opencv 之 图像阈值处理
opencv 之 图像阈值处理
|
5月前
|
计算机视觉
[Halcon&图像] 彩色图转灰度图处理
[Halcon&图像] 彩色图转灰度图处理
104 1
|
5月前
|
计算机视觉
OpenCV(八):图像二值化
OpenCV(八):图像二值化
110 0
|
5月前
|
计算机视觉
OpenCV(七):图像像素比较
OpenCV(七):图像像素比较
77 0
|
5月前
|
计算机视觉
[OpenCV] 图像的几种滤波方式
[OpenCV] 图像的几种滤波方式
39 0
|
图形学 计算机视觉 Python
Opencv 图像处理:图像通道、直方图与色彩空间
Opencv 图像处理:图像通道、直方图与色彩空间
192 0
Opencv 图像处理:图像通道、直方图与色彩空间