使用 Python-OpenCV 进行图像处理中的点处理

OpenCV 是用于计算机视觉、机器学习和图像处理的庞大开源库，现在它在实时操作中发挥着重要作用，这在当今的系统中非常重要。通过使用它，人们可以处理图像和视频以识别物体、面部，甚至是人类的笔迹。

空间域中的点处理

对像素值进行的所有处理。点处理操作采用以下形式 -

s = T ( r )

这里，T表示灰度变换函数或点处理操作，s表示处理后的图像像素值，r表示原始图像像素值。

负片：

s = (L-1) – r, where L= number of grey levels

阈值：

s = L-1 for r > threshold
s = 0 for r < threshold

带背景的灰度切片：

s = L-1 for a < r < b,
here a and b define some specific range of grey level
s = r otherwise.

下面是实现。

原始输入图像：

import cv2
import numpy as np
  
   
# Image negative
img = cv2.imread('food.jpeg',0) 
  
# To ascertain total numbers of 
# rows and columns of the image,
# size of the image
m,n = img.shape
   
# To find the maximum grey level
# value in the image
L = img.max()
   
# Maximum grey level value  minus 
# the original image gives the
# negative image
img_neg = L-img
   
# convert the np array img_neg to 
# a png image
cv2.imwrite('Cameraman_Negative.png', img_neg)
   
# Thresholding without background 
# Let threshold =T
# Let pixel value in the original be denoted by r
# Let pixel value in the new image be denoted by s
# If rT, s=255
   
T = 150
  
# create a array of zeros
img_thresh = np.zeros((m,n), dtype = int) 
   
for i in range(m):
      
    for j in range(n):
          
        if img[i,j] <  T: 
            img_thresh[i,j]= 0
        else:
            img_thresh[i,j] = 255
   
   
# Convert array to png image
cv2.imwrite('Cameraman_Thresh.png', img_thresh)
   
# the lower threshold value
T1 = 100
  
# the upper threshold value
T2 = 180 
  
# create a array of zeros
img_thresh_back = np.zeros((m,n), dtype = int)
   
for i in range(m):
      
    for j in range(n):
          
        if T1 < img[i,j] < T2: 
            img_thresh_back[i,j]= 255
        else:
            img_thresh_back[i,j] = img[i,j]
  
# Convert array to  png image
cv2.imwrite('Cameraman_Thresh_Back.png', img_thresh_back)

输出：图像负片

输出：带阈值的图像：

输出：带有背景的灰度切片图像

在评论中写代码？请使用 ide.geeksforgeeks.org，生成链接并在此处分享链接。