OpenCV入门系列2图像叠加、填充和腐蚀

前言

在系列1中已经初步了解图像的组成并通过OpenCV函数对图片的组成进行了验证，接下来将学习图像基本的操作函数，包括图像的叠加、填充和腐蚀。

一、图像的叠加

1.1 叠加原理

已知图像是由其像素点颜色通道的数据组成，而图像之所以不同，就是因为像素点内数据不同。因此，若要将两图像进行叠加，实际为将两张图像的像素点数据进行叠加。

1.2 叠加问题

在实际进行叠加时，可能会出现以下问题。

1. 图像尺寸不同，对应像素点颜色通道数据尺寸不同，因此需要首先图像对应的像素点数据进行修剪。
2. 相同尺寸的图像直接进行叠加时，会出现超出数据范围的现象，这会导致叠加后的图像失真。

1.3 问题解决

针对图像尺寸不同导致叠加时，图像像素点数据不匹配的问题，可通过cv2.resize() 函数进行修剪。

• 大尺寸配对小尺寸

#将像素点数据修剪为474*474*3
img_dog=cv2.resize(img_dog,(474,474))

img_dog 为通过cv2.imread() 读取的图像像素点数据。
(474,474) 为要输出图像的像素点颜色通道尺寸，可进行任意修改。
通过cv2.resize() 函数可将大尺寸图片进行修剪，以匹配小尺寸图像。

• 小尺寸匹配大尺寸

img_cat=cv2.resize(img_cat,(0,0),fx=4,fy=4)

img_cat 为通过cv2.imread() 读取的图像像素点数据。
（0,0） 表示不对图像进行改变
fx=a,fy=b 表示将图片的宽沿轴扩大a倍，图片的高延y沿扩大b倍，式中a,b为变量。
通过cv2.resize() 函数可将小尺寸图像按照比例进行放大，从而配对大尺寸。

针对相同尺寸像素点数据进行叠加可能会超出范围的问题，可通过将两图像像素点数据设置权重后，再进行相加解决，对应函数为 cv2.addWeighted()。

res = cv2.addWeighted(img_cat,0.4,img_dog,0.6,0)

此时设置 img_cat 权重为0.4，img_dog 权重为0.6，补偿量为0。补偿量的作用为亮度调节。

1.4 结果展示

通过cv2.imshow() 即可得到如图所示图像，即小猫像素点数据与小狗像素点的叠加的结果，其中小猫数据权重为0.4，小狗数据权重为0.6,补偿量为0。

二、图像的填充

cv2.resize() 函数可将图像进行比例放大，但若所各个方向要进行不同程度的放大，就无法满足要求。因此，此处引入图像填充函数进行解决。

2.1 填充方法介绍

图像填充，又称图像的拓展，通常其具有5中填充的方法，分别为：复制法、轴对称法、中心对称法、外包装法和常量法。

2.2 复制法

复制法：即采用初始图像最边缘的像素点进行拓展填充

实现代码如下：

top_size,bottom_size,left_size,right_size = (100,100,100,100) #设置填充尺寸
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE) 

cv2.MakeBorder 函数参数包括以下5点：
img :要进行拓展图像的像素点数据
上下左右要拓展的尺寸
borderType=cv2.BORDER_REPLICATE :指定进行拓展的方法，此处指定为复制法

2.3 轴对称法

轴对称法：假设图像数据为123456，则经过轴对称拓展后为54321 | 123456 | 65432，两边数据长度与拓展尺寸有关。

实现代码如下：

reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT)

与复制法代码类型基本相同，不过最后指定格式要改为 borderType=cv2.BORDER_REFLECT 。
可推断，后续实现代码仅修改指定类型即可。

2.4 中心对称法

中心对称法：假设图像数据为123456，则经过中心对称法拓展后为
5432 1 2345 6 5432。

实现代码如下：

reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT_101)

仅修改指定格式即可

2.5 外包装法

外包装法：类似于图像数据循环，若图像数据为123456，则经过外包装法后为
23456 123456 23456。

实现代码如下

wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_WRAP)

2.6 常量法

常量法：选用特定颜色通道数据对图像进行填充，如若选用颜色通道值为0进行填充，等价于用黑色填充要拓展部分

实现代码如下

constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_CONSTANT,value=0)

相较于前4种实现方式，需要最后将特定的颜色通道数据赋值。

2.7 结果展示

三、图像的腐蚀

3.1 腐蚀的介绍

“腐蚀”一般应用于图像颜色通道数据仅有两种数字的图像，如黑白图，其作用为“腐蚀被包围领域”，使目标图像进行收缩，消除小且无意义的物体，以便后续数据便于处理和使用。

3.2 腐蚀的原理

腐蚀实质是通过“与”运算进行收缩，即通过设定固定大小的数组，全赋值为二值中被包围一方的数值，依次与图像的每个像素点数据的进行整体的“与”运算，即在数组覆盖范围内，若全为被包围一方的数值，则保留不变，但若包含包围一方的数值，则图像内该范围数值全部替换为包围一方的数值。

如图所示，方框大小即为数组大小，假设被包围圆其数值为1，则数组内数值均为1，当位于圆中时，相“与”为保持不变；当处于边界时，包含非1数值，则全置为非1，即黑色。此时的数组大小仅作为参考，实际运用时应根据被包围区域范围和实际需求进行设置。

3.3 腐蚀操作实现

首先要实现数组的选取，此处的数组又可称卷积核，即被包围区域权重数值权重为1，包围区域数值权重为0；

实现代码如下所示：

kernel=np.ones((30,30),np.uint8)

np.ones() 函数参数一般有两个，即数组的大小和数据的类型，现在函数规定数组的大小为30×30，数据类型为无符号8为整数，即卷积核的大小已定义。

接着实现卷积核的移动和“与”操作，OpenCV 有专门的操作函数cv2.erode进行实现

实现代码如下所示：

erosion_1=cv2.erode(pie,kernel,iterations=1)

函数参数包含3个部分：要进行腐蚀操作的图像数据 ，即此时的 pie；卷积核的大小，即此时的 kernel；要进行迭代的次数，即此时的 iterations=1 ，进行一次迭代，若要改变次数改变常数即可。

3.4 腐蚀结果展示

• 腐蚀前图片如下所示

• 腐蚀3次后图片如下图所示
  
  迭代效果与卷积核大小息息相关。

总结

这篇好文章是转载于：学新通技术网