20 lines of code to teach you to use python for certificate in the base

本文只是一種實現思路,當然PS很好用,希望大家能夠學習更多的知識,才分享了這個文章.更多精彩,請關注公眾號：【數據分析與統計學之美】

1.圖片來源

2.讀取圖片並顯示

• imread()：讀取圖片;
• imshow()：展示圖片;
• waitkey()：設置窗口等待,如果不設置,窗口會一閃而過;

import
cv2


import
numpy
as
np


# 讀取照片


img
=
cv2.
imread(
'girl.jpg')




# 顯示圖像


cv2.
imshow(
'img',
img)




# 窗口等待的命令,0表示無限等待


cv2.
waitKey(
0)


1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

效果如下：

3.圖片縮放

• resize()：圖片縮放,其中fx和fy表示縮放比例,0.5表示縮放為以前的 一半.

import
cv2


import
numpy
as
np


# 讀取照片


img
=
cv2.
imread(
'girl.jpg')




# 圖像縮放


img
=
cv2.
resize(
img,
None,
fx
=
0.5,
fy
=
0.5)


rows,
cols,
channels
=
img.
shape


print(
rows,
cols,
channels)




# 顯示圖像


cv2.
imshow(
'img',
img)




# 窗口等待的命令,0表示無限等待


cv2.
waitKey(
0)


1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.

結果如下：

4.將圖片轉換為灰度圖像

三色圖片有RGB三個顏色通道,無法進行腐蝕和膨脹的操作.這個就需要我們將彩色圖片轉換為hsv灰度圖像後,再完成腐蝕和膨脹的操作.

• cv2.cvtColor(img,cv2.COLOR_BGR2HSV)可以將彩色圖片轉化為hsv灰度圖片.

import
cv2


import
numpy
as
np


# 讀取照片


img
=
cv2.
imread(
'girl.jpg')




# 圖像縮放


img
=
cv2.
resize(
img,
None,
fx
=
0.5,
fy
=
0.5)


rows,
cols,
channels
=
img.
shape


print(
rows,
cols,
channels)


cv2.
imshow(
'img',
img)




# 圖片轉換為二值化圖


hsv
=
cv2.
cvtColor(
img,
cv2.
COLOR_BGR2HSV)




# 顯示圖像


cv2.
imshow(
'hsv',
hsv)




# 窗口等待的命令,0表示無限等待


cv2.
waitKey(
0)


1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.

結果如下：

5.將圖片進行二值化處理

二值化處理是為了將圖片轉換為黑白圖片.二值化類似於1表示男、2表示女,對於圖像的處理我們也需要自定義一個最小值和最大值,這裡分別用lower_blue和upper_blue表示

• lower_blue = np.array([90,70,70])
• upper_blue = np.array([110,255,255])
• inRange(hsv, lower_blue, upper_blue)將圖片進行二值化操作.

import
cv2


import
numpy
as
np


# 讀取照片


img
=
cv2.
imread(
'girl.jpg')




# 圖像縮放


img
=
cv2.
resize(
img,
None,
fx
=
0.5,
fy
=
0.5)


rows,
cols,
channels
=
img.
shape


print(
rows,
cols,
channels)


cv2.
imshow(
'img',
img)




# 圖片轉換為灰度圖


hsv
=
cv2.
cvtColor(
img,
cv2.
COLOR_BGR2HSV)


cv2.
imshow(
'hsv',
hsv)




# 圖片的二值化處理


lower_blue
=
np.
array([
90,
70,
70])


upper_blue
=
np.
array([
110,
255,
255])


mask
=
cv2.
inRange(
hsv,
lower_blue,
upper_blue)






# 顯示圖像


cv2.
imshow(
'mask',
mask)




# 窗口等待的命令,0表示無限等待


cv2.
waitKey(
0)


1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.

結果如下：

缺點：我們觀察第三章圖片,發現黑色區域有時候會出現一些噪聲(白點),這裡可能顯示的不是很明顯,有的圖片顯示的很明顯,這就需要我們進行腐蝕或膨脹.

6.圖象的腐蝕和膨脹

上面的圖象進行二值化後,出現了一些噪聲,我們可以采用腐蝕或膨脹進行圖片的處理,觀察哪種的處理效果好一些.

• erode(mask,None,iterations=1)進行腐蝕操作.
• dilate(erode,None,iterations=1)進行膨脹操作.

import
cv2


import
numpy
as
np


# 讀取照片


img
=
cv2.
imread(
'girl.jpg')




# 圖像縮放


img
=
cv2.
resize(
img,
None,
fx
=
0.5,
fy
=
0.5)


rows,
cols,
channels
=
img.
shape


print(
rows,
cols,
channels)


cv2.
imshow(
'img',
img)




# 圖片轉換為灰度圖


hsv
=
cv2.
cvtColor(
img,
cv2.
COLOR_BGR2HSV)


cv2.
imshow(
'hsv',
hsv)




# 圖片的二值化處理


lower_blue
=
np.
array([
90,
70,
70])


upper_blue
=
np.
array([
110,
255,
255])


mask
=
cv2.
inRange(
hsv,
lower_blue,
upper_blue)






#腐蝕膨脹


erode
=
cv2.
erode(
mask,
None,
iterations
=
1)


cv2.
imshow(
'erode',
erode)




dilate
=
cv2.
dilate(
erode,
None,
iterations
=
1)


cv2.
imshow(
'dilate',
dilate)






# 窗口等待的命令,0表示無限等待


cv2.
waitKey(
0)


1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.

結果如下：

觀察上圖：對於這個圖片,無論是腐蝕或膨脹,都起到了很好的去圖片噪聲的操作,我們使用腐蝕後的圖片也可以,我們使用膨脹後的圖片也可以.

7.遍歷每個像素點進行顏色替換

圖片是由每一個像素點組成的,我們就是要找到腐蝕後得到圖片的,白色底色處的像素點,然後將原圖中對應位置處的像素點,替換為紅色.

import
cv2


import
numpy
as
np


# 讀取照片


img
=
cv2.
imread(
'girl.jpg')




# 圖像縮放


img
=
cv2.
resize(
img,
None,
fx
=
0.5,
fy
=
0.5)


rows,
cols,
channels
=
img.
shape


print(
rows,
cols,
channels)


cv2.
imshow(
'img',
img)




# 圖片轉換為灰度圖


hsv
=
cv2.
cvtColor(
img,
cv2.
COLOR_BGR2HSV)


cv2.
imshow(
'hsv',
hsv)




# 圖片的二值化處理


lower_blue
=
np.
array([
90,
70,
70])


upper_blue
=
np.
array([
110,
255,
255])


mask
=
cv2.
inRange(
hsv,
lower_blue,
upper_blue)






#腐蝕膨脹


erode
=
cv2.
erode(
mask,
None,
iterations
=
1)


cv2.
imshow(
'erode',
erode)




dilate
=
cv2.
dilate(
erode,
None,
iterations
=
1)


cv2.
imshow(
'dilate',
dilate)




#遍歷替換


for
i
in
range(
rows):


for
j
in
range(
cols):


if
erode[
i,
j]
==
255:
# 像素點為255表示的是白色,我們就是要將白色處的像素點,替換為紅色


img[
i,
j]
=(
0,
0,
255)
# 此處替換顏色,為BGR通道,不是RGB通道


cv2.
imshow(
'res',
img)




# 窗口等待的命令,0表示無限等待


cv2.
waitKey(
0)


1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.

效果如下：