1.影象基礎

• 二值圖：只有2種取值
• 灰度：對8位灰度圖，有256種灰度級取值
• RGB：真彩色：R,G,B通道各有8位；假彩色：8位表示256種顏色

2.通道分離與合併

b, g, r = cv.split(img)
img_new = cv.merge([b, g, r])

3.彩色圖轉灰度圖

img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

4.二值化影象

_, img_bin = cv.threshold(img_gray, th1, th2, cv.THRESH_BINARY)
#ignore,img_bin = cv.threshold(gray2, 125, 255, cv.THRESH_BINARY)
 

#ignore,img_bin = cv.threshold(gray2, 125, 1, 0)

5.影象運算

• 相加：混合影象、新增噪聲
• 相減：消除背景、差影法（比較差異、運動跟蹤）
• 相乘：逐元素相乘 掩膜（mask)
• 相除：校正裝置、比較差異

img = cv.add(img1, img2)
img = cv.addWeighted(img1, alpha, img2,  beta, gamma)
#img1*aplah img2*beta  總體偏移值：gamma
img = cv.subtract(img1, img2)
img = cv.multiply(img1, img2)
img 
 
= cv.divide(img1, img2)

6.影象的線性和非線性變換

線性變換:s = b + kr

img = cv.convertScaleAbs(img, alpha=2, beta=20)
#alpha相當於k,beta相當於b

非線性變換:

　　s = a + ln(r+1)/b

　　s = cr^gamma

img4 = 10 + np.log(img.astype(np.float32) + 1) / 0.1

#伽馬變換
img01 = img / 255#將圖片放縮到0-1之間
img05 = np.power(img01, 0.5) * 255#指數0.5
img15 = np.power(img01, 1.5) * 255#
 
指數1.5

show(np.hstack([img05, img, img15]))
#指數<1，圖片更亮 指數>1，圖片更暗

7.影象融合

8. 影象模糊

#卷積
cv.filter2D(img, -1, kernel)
#均值模糊
cv.blur(img, -1, (5,5))
cv.boxFilter(img, -1, (5,5))
#中值濾波
cv.medianBlur(img,3)
#高斯濾波
cv.GaussianBlur(img, (5,5), sigma)#sigma:方差
#sigma太小與原圖區別不大，sigma太大與均值濾波後的結果區別不大
#雙邊濾波
#保留邊緣等高頻資訊，平滑顏色（灰度）相近的地方
cv.bilateralFilter(img, -1, sigmaColor=50, sigmaSpace=3)
# sigmaColor越大，表明該畫素鄰域內有越寬廣的顏色會被混合到一起
#sigmaSpace越大，越遠的畫素將相互影響