mobile wallpaper 1mobile wallpaper 2mobile wallpaper 3mobile wallpaper 4
783 字
2 分钟
OpenCV操作复习
2026-10-25

图像矩阵切片操作#

plt.imshow(img2[:,:,::-1]) # bgr2rgb 颜色通道反转
plt.imshow(img2[:,::-1,::-1]) # 左右翻转
plt.imshow(img2[::-1,:,::-1]) # 上下翻转

直观解释

array(
[ // 一面像素点
[ // 一行像素点
[197, 155, 118], // 一个像素点
[197, 155, 118],
[199, 155, 118],
...,
[205, 134, 66],
[205, 134, 66],
[206, 135, 67]],
...,
[ 29, 137, 131],
[ 20, 126, 120],
[ 0, 96, 91]
]
],
shape=(608, 632, 3), dtype=uint8)

ROI区域#

ROI(Region of Interest)感兴趣区域,ROI 是为了某项视觉任务而选定的感兴趣区域,它既可以由人框定,也可以由程序自动确定。最简单的获取ROI就是图像矩阵的切片,例如

截取部分图像数据#

example = img[0:50,0:200] # 截取一个纵像50像素,横向200像素的小图像

颜色通道截取#

b, g, r = cv2.split(img) # 三个通道同时分割
img = cv2.merge((b, g, r)) # 逆运算,三通道合并
b,g,r = cv2.split(img2) # 注意这里只是截取了红色的强度
plt.imshow(cv2.merge((r,g,b))) # 发现和原图一样 (一般情况下的颜色通道是rgb)
# 如果指向保留哪些通道,将不需要的通道置0
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv2.imshow('R',cur_img)

边界填充#

  • cv2.BORDER_REPLICATE : 复制法,也就是复制最边缘像素
  • cv2.BORDER_REFLECT : 反射法,对感兴趣的图像中的像素在两边进行复制
    • fedcba | abcdefgh | hgfedcba
  • cv2.BORDER_REFLECT_101: 反射法,也就是以最边缘像素为轴,对称
    • gfedcb | abcdefgh | gfedcba
  • cv2.BORDER_WRAP:外包装法
    • cdefgh | abcdefgh | abcdefg
  • cv2.BORDER_CONSTANT:常量法:常数值填充
top_size,bottom_size,left_size,right_size = (50,50,50,50)
img = cv2.imread('./img/01.jpg')
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT, value=0)
cv2.imshow('B',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像阈值#

1. 函数格式#

ret, dst = cv2.threshold(src, thresh, maxval, type)

用于对图像进行阈值处理。通常输入单通道灰度图像,根据像素值与阈值的关系,生成处理后的图像。

2. 参数说明#

  参数       含义


  src      输入图像,通常为单通道灰度图像

  thresh   阈值,用于比较像素值

  maxval   最大值;在二值化等操作中,满足条件的像素会被赋为该值

  type     阈值处理类型,决定像素值如何变化

3. 返回值说明#

  •   ret:实际使用的阈值。对于普通固定阈值处理,通常等于传入的     thresh;使用 Otsu 或 Triangle     等自动阈值模式时,返回计算得到的阈值。
  •   dst:阈值处理后的输出图像。

4. 五种基本阈值处理类型#

设原像素值为 (x),阈值为 (T),最大值为 (M)。

4.1 cv2.THRESH_BINARY:二值化#

[ dst(x)=

\begin{cases}
M, & x>T\\
0, & x\le T
\end{cases}

]

像素值大于阈值时设为 maxval,否则设为 0。

4.2 cv2.THRESH_BINARY_INV:反二值化#

[ dst(x)=

\begin{cases}
0, & x>T\\
M, & x\le T
\end{cases}

]

与 THRESH_BINARY 的结果相反。

4.3 cv2.THRESH_TRUNC:截断#

[ dst(x)=

\begin{cases}
T, & x>T\\
x, & x\le T
\end{cases}

]

像素值大于阈值时,将其截断为阈值;否则保持不变。此模式不使用 maxval。

4.4 cv2.THRESH_TOZERO:阈值归零#

[ dst(x)=

\begin{cases}
x, & x>T\\
0, & x\le T
\end{cases}

]

像素值大于阈值时保持原值,否则设为 0。

4.5 cv2.THRESH_TOZERO_INV:反阈值归零#

[ dst(x)=

\begin{cases}
0, & x>T\\
x, & x\le T
\end{cases}

]

与 THRESH_TOZERO 的保留条件相反。

5. 五种类型对比#

  类型                    当 x > thresh   当 x <= thresh

  --------------------- ----------------- ------------------

  THRESH_BINARY                maxval                0

  THRESH_BINARY_INV                 0           maxval

  THRESH_TRUNC                 thresh           原值 x

  THRESH_TOZERO                原值 x                0

  THRESH_TOZERO_INV                 0           原值 x

6. Python 示例#

import cv2
# 读取灰度图
src = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE)
if src is None:
    raise FileNotFoundError("无法读取图像")
# 设置阈值和最大值
thresh = 127
maxval = 255
# 二值化
ret, dst = cv2.threshold(
    src,
    thresh,
    maxval,
    cv2.THRESH_BINARY
)
print("实际使用的阈值:", ret)
cv2.imshow("src", src)
cv2.imshow("dst", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

7. 使用时需要注意#

  1.  cv2.threshold() 的常见用法是处理单通道灰度图像。

  2.  maxval 主要影响 THRESH_BINARY 和 THRESH_BINARY_INV

    的输出;THRESH_TRUNC、THRESH_TOZERO 和 THRESH_TOZERO_INV

    不使用它。

  1.  比较条件是严格的大于 >。像素值恰好等于阈值时,归入 x <= T

    的分支。

  1.  如果输入是彩色图像,可以先使用

    cv2.cvtColor(src, cv2.COLOR_BGR2GRAY) 转换为灰度图。

分享

如果这篇文章对你有帮助,欢迎分享给更多人!

OpenCV操作复习
https://blog.hydrodyio.xyz/posts/opencv操作复习/
作者
Hydroiody
发布于
2026-10-25
许可协议
CC BY-NC-SA 4.0

部分信息可能已经过时

目录