今天我们来聊一点能让大家比较提的起兴趣的内容，大家可能觉得说Python的数据处理也挺枯燥的，尤其那些对于数字没有什么感觉的同学。当然，Python不仅仅是可以处理数据了。我们今天就来看看一些好玩的图像的处理。
图像处理对于很多同学来说，可能觉得这也太复杂了吧。本来图像处理确实是一个不那么容易的学科，但是我们有了Python的一些包之后，这件事就变得无比的简单。我们甚至可以用Python来做很多有意思的和好玩的事情，并非只有算法科学家们才能玩转图像处理了。
在图像处理界有一个鼎鼎有名的美女，名叫Lenna。相信看到图片之后，大家会说，原来是她。
那么我们在Python里如何来秀出这张图呢？首先做图像处理，OpenCV是少不了的选择了。我们先import包，然后我们这里会定一个函数，这个函数用来显示图片。在整片文章里都将会用到这个函数。
import cv2
def show_image(image):
>>>>cv2.imshow('Baby', image)
>>>>cv2.waitKey(0)
>>>>cv2.destroyAllWindows()
那么同学们，我们现在就开始摆弄一下Lenna吗？不，我们的主角今天是一个可爱的小姑娘，先上图片。
灰度图
闲话不多说，我们先来看看灰度图如何获得！
file = 'baby.jpg'
img = cv2.imread(file)
gray = cv2.cvtColor(
img,
cv2.COLOR_BGR2GRAY)
show_image(gray)
运行结果：
修改对比度
可能同学们觉得，不就用个软件就搞定了吗？但是自己写个代码，来实现这个功能不是更有意思吗？并且只用了区区几行代码！
file = 'baby.jpg'
img = cv2.imread(file)
contrast = cv2.addWeighted(
img,
1.5,
np.zeros(img.shape, img.dtype),
0,
0)
show_image(contrast)
运行结果：
高斯模糊
高斯模糊是一个非常有用的图像处理过程，我们很多的操作都需要这个步骤。在电子世界里面，高斯噪声也是非常常见的一种噪声，因此在去噪上用途也很广泛。
file = 'baby.jpg'
img = cv2.imread(file)
blur = cv2.GaussianBlur(
img,
(15,15),
0)
show_image(blur)
运行结果：
二值化
做过二值化之后，我们的图像就会变成黑白色，事实上二值化也是图像处理和识别中必不可少的一个过程。
file = 'baby.jpg'
img = cv2.imread(file)
gauss = cv2.cvtColor(
cv2.GaussianBlur(img,(7,7), 0),
cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(
gauss,
80,
255,
cv2.THRESH_BINARY)
colored = cv2.cvtColor(
thresh,
cv2.COLOR_GRAY2RGB)
show_image(colored)
运行结果：
边缘风格
file = 'baby.jpg'
img = cv2.imread(file)
gauss = cv2.cvtColor(
cv2.GaussianBlur(img, (7,7), 0),
cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(
gauss,
80,
255,
cv2.THRESH_BINARY)
cups_edges = cv2.Canny(
thresh,
threshold1=90,
threshold2=110)
colored = cv2.cvtColor(
cups_edges,
cv2.COLOR_GRAY2RGB)
show_image(colored)
降噪
我们先将原图加上一些高斯噪点，加过噪点的图片如下。
接下来我们进行去噪。
file = 'noise.jpg'
img = cv2.imread(file)
denoised = cv2.fastNlMeansDenoisingColored(
img,
None,
20,
10,
7,
21)
show_image(denoised)
运行结果：
我们可以看到去噪后的图片显得有点模糊，但是整体比有噪点的效果是不是看着舒服多了呢?这里其实和我们的参数设置有关系，噪点也比较狠一点。
画出轮廓
下面我们来找出图像中的轮廓，Python可以完美的勾画
file = 'baby.jpg'
img = cv2.imread(file)
gray = cv2.cvtColor(
img,
cv2.COLOR_BGR2GRAY)
gauss = cv2.GaussianBlur(
gray,
(5, 5),
0)
_, bin = cv2.threshold(
gauss,
150,
255,
cv2.THRESH_BINARY)
bin = cv2.bitwise_not(bin)
_, contours, _ = cv2.findContours(
bin,
cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
imgWithContours = np.copy(img)
minArea = 300
filtedContours = [cnt
for cnt in contours
if cv2.contourArea(cnt) > minArea]
cv2.drawContours(
imgWithContours,
filtedContours,
-1,
(0,255,0))
show_image(imgWithContours)
运行结果：
大家可以看到，图中画出了仅仅画帽子的轮廓，原因是因为我们要去做更精细的一些调试才可以画出其他的轮廓，毕竟我们这里仅仅只是秀一下Python可以做什么。几行代码已经很让人惊艳了对吗？
物体检测
物体检测我们用了一群孩子的图片，当然物体检测只是个名称而已，之所以我们没有叫行人检测，是因为我比较不喜欢吹牛，我们仅仅是检测到不知道是什么，然后画个最大框。
file = 'children.jpg'
img = cv2.imread(file)
img = cv2.resize(
img,
(1060, 707))
gray = cv2.cvtColor(
img,
cv2.COLOR_BGR2GRAY)
gauss = cv2.GaussianBlur(
gray,
(5, 5),
0)
_, bin = cv2.threshold(
gauss,
150,
255,
cv2.THRESH_BINARY)
bin = cv2.bitwise_not(bin)
_, contours, _ = cv2.findContours(
bin,
cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
imgWithContours = np.copy(img)
minArea = 3000
maxArea = 20000
filtedContours = [cnt
for cnt in contours
if cv2.contourArea(cnt) > minArea
and cv2.contourArea(cnt) < maxArea]
cv2.drawContours(
imgWithContours,
filtedContours,
-1,
(0,255,0))
imgWithBounding = np.copy(img)
for contour in filtedContours:
>>>>x, y, w, h = cv2.boundingRect(contour)
>>>>cv2.rectangle(
>>>>imgWithBounding,
>>>>(x, y),
>>>>(x + w, y + h),
>>>>(0, 255, 0),
>>>>3)
show_image(imgWithBounding)
运行结果：
人脸检测
file = 'baby.jpg'
cascFile = "haarcascade_frontalface_default.xml"
cascade = cv2.CascadeClassifier(cv2.data.haarcascades + cascFile)
img = cv2.imread(file)
gray = cv2.cvtColor(
img,
cv2.COLOR_BGR2GRAY)
faces = cascade.detectMultiScale(
gray,
scaleFactor=1.1,
minNeighbors=5,
minSize=(300, 300),
flags = cv2.CASCADE_SCALE_IMAGE)
for (x, y, w, h) in faces:
>>>>cv2.rectangle(img,
>>>>(x, y),
>>>>(x+w, y+h),
>>>>(0, 255, 0),
>>>>2)
show_image(img)
运行结果：
同学们可能要说了，就一人脸，我们能检测多张人脸吗？当然可以，我们来看下面的代码。
file = 'children.jpg'
cascFile = "haarcascade_frontalface_default.xml"
cascade = cv2.CascadeClassifier(cv2.data.haarcascades + cascFile)
img = cv2.imread(file)
img = cv2.resize(
img,
(1920, 1080))
gray = cv2.cvtColor(
img,
cv2.COLOR_BGR2GRAY)
faces = cascade.detectMultiScale(gray,
scaleFactor=1.1,
minNeighbors=5,
minSize=(10, 10),
maxSize=(100,100),
flags = cv2.CASCADE_SCALE_IMAGE)
for (x, y, w, h) in faces:
>>>>cv2.rectangle(img,
(x, y),
(x+w, y+h),
(0, 255, 0),
2)
show_image(img)
运行结果：
是不是很神奇，我们可能一直觉得人脸检测是前沿技术，再和人工智能、深度学习一结合，简直就是难上加难。其实不然，大家看到，其实很简单的几行代码，也可以实现一个简单的人脸检测。当然，背后其实也有很多的代码。但是Python的要义就是，如果有轮子，我们干嘛要再造一个。
人工智能与深度学习做量化请关注：AI量化(https://t.zsxq.com/RvfY37y) 星球限时免费，如需加入，请私信我获得免费邀请码！
零基础学习Python与深度学习应用请关注星球：Python与深度学习 https://t.zsxq.com/bUFayZ3
微信公众号：QTechAI
网友评论