图像基础、OpenCV入门3——图像灰度化、二值化与图像加噪

图像灰度化

方法1：求出每个像素点的RGB三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量

方法2：求RGB和YUV颜色空间的变化关系，建立亮度Y与RGB三个颜色分量的对应关系：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。OpenCV的cvtColor函数，可以直接完成灰度化操作。

#-*- coding: utf-8 -*-
import cv2
import numpy as np

fn = "test1.jpg"
if __name__ == '__main__':
print('loading %s' % fn)
img = cv2.imread(fn)
sp = img.shape
print(sp)

# 获取图像大小
sz1 = sp[0]
sz2 = sp[1]
print('width:%d\nheight:%d' % (sz2,sz1))
# 创建一个窗口显示图像
cv2.namedWindow('img')
cv2.imshow('img',img)
# 复制图像矩阵，生成与源图像一样的图像，并显示
myimg2 = img.copy();
cv2.namedWindow('myimg2')
cv2.imshow('myimg2',myimg2)

# 复制并转换为灰度化图像并显示
myimg1 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.namedWindow('myimg1')
cv2.imshow('myimg1',myimg1)
cv2.waitKey()
cv2.destroyAllWindows()

实际上RGB并不能反映图像的形态特征，只是从光学的原理蚝颜色的调配。把图像转换成8位的灰度值图像直接进行处理，可以通过直方图、灰度变化及正交变化之类数学运算对图像做进一步处理，比如说图像识别等。如果有必要，可将图像二值化，这样有利于对图像进一步处理，使图像数据量减小，突显出感兴趣的目标的轮廓。

图像二值化

#-*- coding: utf-8 -*-
import cv2

image = cv2.imread('test1.jpg')
image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
cv2.threshold(image, 140, 255, 0, image)

cv2.namedWindow("Image")
cv2.imshow("Image", image)
cv2.waitKey(0)

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

Python-OpenCV中提供了阈值（threshold）函数：

cv2.threshold（）

函数：

1. src 指原图像，原图像应该是灰度图。

2. x 指用来对像素值进行分类的阈值。

3. y 指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值

4. Methods 指不同的阈值方法，这些方法包括：

![这里写图片描述](https://img-blog.csdn.net/20170720082124883?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQveHVuZGg=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)

•cv2.THRESH_BINARY 图（1）



大于阈值的像素点的灰度值设定为最大值(如8位灰度值最大为255)，灰度值小于阈值的像素点的灰度值设定为0。

•cv2.THRESH_BINARY_INV 图（2）



大于阈值的像素点的灰度值设定为0，而小于该阈值的设定为255。

•cv2.THRESH_TRUNC 图（3）



像素点的灰度值小于阈值不改变，大于阈值的灰度值的像素点就设定为该阈值。

•cv2.THRESH_TOZERO 图（4）



像素点的灰度值小于该阈值的不进行任何改变，而大于该阈值的部分，其灰度值全部变为0。

•cv2.THRESH_TOZERO_INV 图（5）



像素点的灰度值大于该阈值的不进行任何改变，像素点的灰度值小于该阈值的，其灰度值全部变为0。

参考：

http://blog.csdn.net/what_lei/article/details/49159655

图像加噪

#-*- coding: utf-8 -*-
import cv2
import numpy as np

img = cv2.imread('test1.jpg')
# 噪声点数量
coutn = 100000
for k in range(0,coutn):
# 获取图像噪声点的随机位置
xi = int(np.random.uniform(0,img.shape[1]))
xj = int(np.random.uniform(0,img.shape[0]))
#加噪
if img.ndim == 2:
# 灰度图像
img[xj,xi] = 255
elif img.ndim == 3:
# 非灰度图像，图像加噪
img[xj,xi,0] = 25
img[xj,xi,1] = 20
img[xj,xi,2] = 20
cv2.namedWindow('img')
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()