1.为什么要进行图像预处理？
\qquad当对图像进行边缘、轮廓的检测时，图像噪声会对检测产生不利影响，并且为了帮助模型专注于一般细节并获得更高的准确度，我们需要对图像进行预处理。
\qquad预处理的内容有去除噪声，控制像素值得强度，一般的处理技巧有模糊(Blurring)、阈值(thresholding)、形态转换(morphological transformation)等。
2.模糊
\qquad模糊的主要目的是为了降噪，比如当边缘检测算法应用于高分辨率的图像时，会获得很多我们并不感兴趣的内容，这时候我们需要模糊进行降噪。当对图像进行模糊处理时，需要寻找合适的模糊量，模糊量太少，则有太多噪声；模糊量太多，会丢失我们需要的数据。
\qquadOpenCV中常用四种模糊的技术：平均模糊、高斯模糊、中值模糊和双边滤波模糊。
\qquad这四种模糊技术的原理相同：使用滤波器（内核），对图像进行卷积运算。但是各个模糊技术之间使用的滤波器不同，比如平均模糊，首先计算内核区域下的平均值；然后把平均值替换内核区域的中心值。当内核区域变大时，图像会更模糊。
\qquad为了验证kernel区域越大，图像越模糊。我们设定当kernel的大小为5×\times× 5，11×\times× 11 , 15×\times× 15对图像进行卷积运算，然后比较各个图像的模糊程度。
import cv2import matplotlib.pyplot as plt#读取图像，并将图像矩阵修改为RGB颜色模式img = cv2.imread('../animal.jpg')img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#标题中文显示设置plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus'] = False#绘制四张图，依次为原图，内核大小为5*5,11*11,15*15#原图plt.subplot(221)plt.imshow(img)plt.title("原图")#内核大小为5*5plt.subplot(222)img_blurred = cv2.blur(img,ksize=(5,5))plt.imshow(img_blurred)plt.title("kernel 5*5")#内核大小为11*11plt.subplot(223)img_blurred = cv2.blur(img,ksize=(11,11))plt.imshow(img_blurred)plt.title("kernel 11*11")#内核大小为15*15plt.subplot(224)img_blurred = cv2.blur(img,ksize=(15,15))plt.imshow(img_blurred)plt.title("kernel 15*15")plt.show()
\qquad运行结果:
\qquad高斯模糊，高斯模糊的kernel值是由高斯函数生成，即内核值服从高斯分布。双边滤波模糊，具有去除噪音，同时保持边缘清晰。把四种模糊技术进行对比。
import cv2import matplotlib.pyplot as plt#读取图像，并将图像矩阵修改为RGB颜色模式img = cv2.imread('F:/animal.jpg')img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#标题中文显示设置plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus'] = False#平均模糊plt.subplot(221)img_0 = cv2.blur(img, ksize = (7, 7))plt.imshow(img_0)plt.title("平均滤波")#高斯模糊plt.subplot(222)img_1 = cv2.GaussianBlur(img, ksize = (7, 7), sigmaX = 0)plt.imshow(img_1)plt.title("高斯模糊")#中值模糊plt.subplot(223)img_2 = cv2.medianBlur(img, 7)plt.imshow(img_0)plt.title("中值模糊")#双边滤波模糊plt.subplot(224)img_3 = cv2.bilateralFilter(img, 7, sigmaSpace = 75, sigmaColor =75)plt.imshow(img_0)plt.title("双边滤波模糊")plt.show()
\qquad运行结果：
3.阈值
\qquad阈值处理，就是将图像转换为二进制图像。有五种不同的阈值处理方式：二进制，二进制的逆，阈值为零，阈值到零的倒数和阈值截断。比较五种不同的阈值处理。
import cv2import matplotlib.pyplot as plt#读取图像，并将图像矩阵修改为RGB颜色模式img = cv2.imread('F:/animal.jpg')img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#标题中文显示设置plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus'] = Falseplt.subplot(231)plt.imshow(img)plt.title("原图")plt.subplot(232)_, thresh_0 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)plt.imshow(thresh_0)plt.title("二进制")plt.subplot(233)_, thresh_1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)plt.imshow(thresh_1)plt.title("二进制的逆")plt.subplot(234)_, thresh_2 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)plt.imshow(thresh_2)plt.title("阈值为零")plt.subplot(235)_, thresh_3 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)plt.imshow(thresh_3)plt.title("阈值到零的倒数")plt.subplot(236)_, thresh_4 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)plt.imshow(thresh_4)plt.title("阈值截断")plt.show()
\qquad运行结果：
4.形态转换
\qquad形态转换，通过过滤来处理对象。过滤器的形状可以为矩形(rectangle)，椭圆形(ellipse)，十字形(cross)。形态转换的技术有：侵蚀，膨胀等。下面以侵蚀形态转换为例，比较三种形状过滤器的效果。
import cv2import matplotlib.pyplot as pltimport numpy as np#读取图像，并将图像矩阵修改为RGB颜色模式img = cv2.imread('F:/animal.jpg')img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#标题中文显示设置plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus'] = False#原图plt.subplot(221)plt.imshow(img)plt.title("原图")#矩形plt.subplot(222)kernel_0 = np.ones((9, 9))img1 = cv2.erode(img, kernel_0, iterations = 3)plt.imshow(img1)plt.title("矩形")#椭圆plt.subplot(223)kernel_1 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9))img2 = cv2.erode(img,kernel_1,iterations=3)plt.imshow(img2)plt.title("椭圆")#十字形plt.subplot(224)kernel_2 = cv2.getStructuringElement(cv2.MORPH_CROSS, (9, 9))img3 = cv2.erode(img,kernel_2,iterations=3)plt.imshow(img3)plt.title("十字形")plt.show()
\qquad运行结果：
5.边缘检测
\qquad使用cv2.Canny()函数进行边缘检测。
import cv2import matplotlib.pyplot as plt#读取图像img = cv2.imread('F:/dog.jpg')img_color = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#标题中文显示设置plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus'] = Falseplt.subplot(221)plt.imshow(img_color)plt.title("原图")plt.subplot(222)canny1 = cv2.Canny(img_gray, 50, 150)plt.imshow(canny1,cmap='gray')plt.subplot(223)canny2 = cv2.Canny(img_gray, 100, 200)plt.imshow(canny2,cmap='gray')plt.subplot(224)canny3 = cv2.Canny(img_gray, 150, 250)plt.imshow(canny3,cmap='gray')plt.show()
\qquad运行结果：
参考链接：Basic Operations on Images
\qquad \qquadMorphology
\qquad \qquadDrawing Functions in OpenCV
