物联网Python编程实战 课件 单元7　Python图像处理

图形识别任务1：图像处理基础年终总结

新年计划

述职报告工作汇报思考什么是图像以及图像是如何存储的？彩色图像

二值图像灰度图像目录页

常用图像处理算法图像图像（image）：是泛指照片、动画等等形成视觉景象的事物。一般可以分为模拟图像和数字图像。图像数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。在计算机系统中万物皆数，计算机会把图像打碎成像素矩阵，存储每个表示位置像素的颜色二值图像

第一章二值图像二值图像二值图像顾名思义，要么为白色（像素为1），要么为黑色（像素为0）。将灰度图像转换为二值图像的过程，常通过依次遍历判断实现，如果像素>=127则设置为1，否则设置为0。黑&白1位/像素值0~1高度*宽度灰度图像第二章

灰度图像灰度图像灰度图像除了黑和白，还有灰色，它把灰度划分为256个不同的颜色，图像看着也更为清晰。灰度8位/像素值0~255高度*宽度RGB图像第三章

RGB图像彩色图像是RGB图像，RGB表示红、绿、蓝三原色，计算机里所有颜色都是三原色不同比例组成的，即三色通道。颜色（RGB）24位/像素RGB：红、绿、蓝高度*宽度*32的24次方种颜色真彩色1677万多色R代表Red(红色)，G代表green（绿色），B代表blue（蓝色）RGB图像（255，255，255）表示白色（0，0，0）表示黑色常用图像处理算法第四章

图像处理算法1.图像变换空域与频域、几何变换、色度变换、尺度变换4.图像特征几何特征形状特征幅值特征颜色特征…2.图像增强灰度增强、直方图增强图像平滑/降噪、图像（边缘）锐化3.图像分割阈值分割基于边界分割（Canny边缘检测、轮廓提取等）Hough变换（直线检测、圆检测）色彩分割等6.色彩分析色度、色密度、光谱、颜色直方图、自动白平衡5.图像/模板匹配轮廓匹配、归一化积相关灰度匹配、不变矩匹配、最小均方误差匹配7.图像数据编码压缩和传输色度、色密度、光谱、颜色直方图、自动白平衡8.图像识别经过某些预处理，提取特征后进行分类9.图像复原一般根据“降质模型”，再采用某种滤波方法，恢复或重建原来的图像常用图像处理Python库3421OpenCVOpenCV是用于图像处理和计算机视觉的最流行和最广泛使用的库之一。SimpleCV请SimpleCV是一个python框架。该库简单易用，对快速原型设计非常有帮助。PillowPillow是一个Python图像处理库，源于PIL或Python图像库。MahotasMahotas是一个用于图像处理和计算机视觉的Python库。5PgmagickPgmagick是GraphicsMagick的Python包装器。它支持88多种图像格式。除了图像处理工作外，它还可以用于web应用程序中创建新图像。总结概括图像二值化RGB原理图像灰度化常用图像处理算法及Python库

2

0

2

3谢谢观看主讲人：李博江苏电子信息职业学院图形识别任务2：图像处理—灰度化年终总结

新年计划

述职报告工作汇报主讲人：李博江苏电子信息职业学院

电子网络学院

目录页三原色像素值提取图片灰度化处理三原色像素提取

第一章三原色RGB三原色彩色图像是RGB图像，RGB表示红、绿、蓝三原色，计算机里所有颜色都是三原色不同比例组成的，即三色通道。RGB红+绿+蓝1+1+1>31677万多色像素提取RGB:提取区域图像灰度化处理第二章

图像灰度化灰度化图像灰度化是将一幅彩色图像转换为灰度图像的过程。灰度图像只包含一个通道，在灰度化过程中，每个像素的RGB值被组合成一个单一的灰度值。加权平均法根据光的亮度特性，公式:R=G=B=R0.299+G*0.587+B0.114取平均值法Gray=（R+G+B）/3最大值/最小值法将红、绿、蓝三个颜色通道的最大值/最小值作为灰度值。整数算法/浮点数算法浮点数：Gray=R0.3+G0.59+B0.11整数数：Gray=(R30+G59+B11)/100移位法Gray=(R28+G151+B77)>>8;图像灰度化3421OpenCVOpenCV是用于图像处理和计算机视觉的最流行和最广泛使用的库之一。SimpleCV请SimpleCV是一个python框架。该库简单易用，对快速原型设计非常有帮助。PillowPillow是一个Python图像处理库，源于PIL或Python图像库。MahotasMahotas是一个用于图像处理和计算机视觉的Python库。5PgmagickPgmagick是GraphicsMagick的Python包装器。它支持88多种图像格式。除了图像处理工作外，它还可以用于web应用程序中创建新图像。图像灰度化PILPillow是PIL的一个派生分支。PIL，全称PythonImageLibrary，主要作用是图像处理，可用于图片剪切、粘贴、缩放、颜色块、滤镜、图像格式转换、色场空间转换\旋转图像、图像增强、直方图处理、插值和滤波等功能。第三方库安装和导入打开并创建图像实例Pillow安装pipinstallpillow导包fromPILimportImagefromPILimportImage

image=Image.open('test.jpg')

print(image.format,image.size,image.mode)

image.show()Test.jpg图像灰度化打开并创建图像实例实例属性说明：

format

图像格式

size

图像的(宽,高)元组

mode

图像模式，show()

方法：查看器显示图像fromPILimportImage

image=Image.open('test.jpg')

print(image.format,image.size,image.mode)

image.show()图像灰度化图片灰度化处理流程导入PIL库fromPILimportImage

img=Image.open('test.jpg')

Img.show()

打开图片修改图片模式保存修改的图片展示图片Img=img.convert('L')

Img.save("test1.jpg")图像灰度化运行程序查看效果图像灰度化RGB灰度化L=R*299/1000+G*587/1000+B*114/1000从模式“RGB”转换为“L”模式是按照下面的公式转换的：加权平均法总结概括像素点提取图像灰度化步骤与编程实现

2

0

2

3谢谢观看主讲人：李博江苏电子信息职业学院图形识别任务3：图像处理—二值化年终总结

新年计划

述职报告工作汇报主讲人：李博江苏电子信息职业学院

电子工程学院世界第一张

图片1826拍摄在LeGras的窗外景色尼埃普斯1826年时代1826年，第一张照片的窗外景色尼埃普斯记忆

习任务图片二值化处理学图像灰度化图片灰度化处理流程导入PIL库fromPILimportImage

img=Image.open('test.jpg')

Img.show()

打开图片修改图片模式保存修改的图片展示图片Img=img.convert('L')

Img.save("test1.jpg")图像二值化处理图片二值化处理流程导入PIL库打开图片图片灰度化保存和展示灰度图片保存和展示二值图片生成颜色映射表模式转换设置阈值fromPILimportImageimage=Image.open('test.jpg')Img=image.convert('L')Img.save("test1.jpg")

Img.show()threshold=127table=[]

foriinrange(256):

ifi<threshold:

table.append(0)

else:

table.append(1)photo=Img.point(table,'1')

photo.save("test2.jpg")

photo.show()灰度二值化阈值127二值化阈值200修改threshold阈值，观察二值效果图像二值化处理思考图像二值化的作用？

2

0

2

3谢谢观看主讲人：李博江苏电子信息职业学院图形识别任务4：矩形识别年终总结

新年计划

述职报告工作汇报主讲人：李博江苏电子信息职业学院

电子工程学院

目录页Openmv矩形识别流程

find_rects()函数OpenMV识别矩形流程

第一章矩形识别流程思考开始计时拍摄图片图形识别与处理停止计时while导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例矩形识别流程考导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例importsensor,image,time

sensor.reset()sensor.set_pixformat()设置像素模式。sensor.GRAYSCALE:灰度，每个像素8bit。sensor.RGB565:彩色，每个像素16bit。设置彩色／黑白矩形识别流程思导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例sensor.QQCIF:88x72sensor.QCIF:176x144sensor.CIF:352x288sensor.QQSIF:88x60sensor.QSIF:176x120sensor.SIF:352x240sensor.QQQQVGA:40x30sensor.QQQVGA:80x60sensor.QQVGA:160x120sensor.QVGA:320x240sensor.VGA:640x480sensor.HQQQVGA:80x40sensor.HQQVGA:160x80sensor.HQVGA:240x160sensor.B64X32:64x32(用于帧差异image.find_displacement())sensor.B64X64:64x64用于帧差异image.find_displacement())sensor.B128X64:128x64(用于帧差异image.find_displacement())sensor.B128X128:128x128(用于帧差异image.find_displacement())sensor.LCD:128x160(用于LCD扩展板)sensor.QQVGA2:128x160(用于LCD扩展板)sensor.WVGA:720x480(用于MT9V034)sensor.WVGA2:752x480(用于MT9V034)sensor.SVGA:800x600(仅用于OV5640感光元件)sensor.XGA:1024x768(仅用于OV5640感光元件)sensor.SXGA:1280x1024(仅用于OV5640感光元件)sensor.UXGA:1600x1200(仅用于OV5640感光元件)sensor.HD:1280x720(仅用于OV5640感光元件)sensor.FHD:1920x1080(仅用于OV5640感光元件)sensor.QHD:2560x1440(仅用于OV5640感光元件)sensor.QXGA:2048x1536(仅用于OV5640感光元件)sensor.WQXGA:2560x1600(仅用于OV5640感光元件)sensor.WQXGA2:2592x1944(仅用于OV5640感光元件)sensor.set_framesize(sensor.QQVGA)矩形识别流程思导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例sensor.skip_frame(20)#跳过20帧数sensor.skip_frame(time=2000)#跳过2000ms=2s设置等待时长/跳过帧数函数原型是：sensor.skip_frames([n,time])，两种实现方式：clock=time.clock()矩形识别流程思考导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例importsensor,image,time

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QQVGA)

sensor.skip_frames(time=2000)

clock=time.clock()矩形识别流程思开始计时拍摄图片图形识别与处理停止计时whileclock.tick()img=sensor.snapshot()forrect

inimg.find_rects(threshold=20000):

img.draw_rectangle(rect.rect(),color=(255,0,0))

forpinrect.corners():

img.draw_circle(p[0],p[1],5,color=(0,255,0))

print(r)while(True):print("FPS%f"%clock.fps())find_rects()函数第二章

矩形识别函数find_rects识别矩形·OpenMV中文入门教程image—机器视觉—MicroPython1.9.2文档()find_rects函数四元检测算法识别矩形，可以识别任意大小、角度的矩形。函数返回一个rect对象的列表参考文档矩形识别函数find_rects参数roi感兴趣区域threshold边界大小find_rects(roi=(80,20,100,70),threshold=20000)(80,60)10070矩形识别函数find_rects函数返回结果find_rects函数将识别的到所有矩形以列表形式返回遍历列表，结合不同的方法获取每一个rect对象信息。返回检测到矩形的大小。rect.corners()rect.rect()rect.magnitude()返回一个有四个元组的列表，每个元组代表矩形的四个顶点（x,y）.从左上角的顶点开始，按照顺时针排序。返回检测到的矩形的外接长方形的(x,y,w,h)。矩形识别函数find_rects函数返回结果find_rects函数将识别的到所有矩形以列表形式返回遍历列表，结合不同的方法获取每一个rect对象信息。(x0,y0)(x1,y1)(x2,y2)(x3,y3)[(x0,y0),(x1,y1),(x2,y2),(x3,y3)]rect.corners()矩形识别结果标注draw_rectangledraw_rectangle函数文档遍历find_rects函数识别到的rects列表，并将识别到的矩形轮廓绘制img.draw_rectangle(r.rect(),color=(255,0,0))绘制矩形四个顶点坐标返回一个有四个元组的列表，每个元组代表矩形的四个顶点（x,y）.从左上角的顶点开始，按照顺时针排序。forpinrect.corners():

img.draw_circle(p[0],p[1],5,color=(0,255,0))draw_circle函数文档rect.corners()矩形识别结果标注矩形识别思考导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例开始计时拍摄图片图形识别与处理停止计时while#FindRectsExample

importsensor,image,time

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QQVGA)

sensor.skip_frames(time=2000)

clock=time.clock()

while(True):

clock.tick()

img=sensor.snapshot()

forrectinimg.find_rects(roi=(80,60,80,60),threshold=20000):

img.draw_rectangle(rect.rect(),color=(255,0,0))

forpinrect.corners():

img.draw_circle(p[0],p[1],5,color=(0,255,0))

print(rect)

print("FPS%f"%clock.fps())图像灰度化运行程序查看效果练习任务1.下载test.jpg图片，使用OpenMV进行拍摄，调试Rect.py案例；2.修改find_rects函数中roi和threshold参数；3.修改draw_rectangle()中color信息；4.修改draw_circle()中参数信息，运行查看识别效果5.在学习手册中完成识别结果记录与问题总结总结概括矩形识别流程矩形识别函数与识别结果处理2023谢谢观看主讲人：李博江苏电子信息职业学院图形识别任务2：图像处理—圆形识别年终总结

新年计划

述职报告工作汇报主讲人：李博江苏电子信息职业学院

电子网络学院

目录页三原色像素值提取find_circles

Openmv圆形识别流程Openmv圆形识别流程

第一章圆形识别流程思考导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例开始计时拍摄图片图形识别与处理停止计时while圆形识别流程思考导入库文件初始化摄像头设置像素模式设置图像大小设置等待时间创建clock实例importsensor,image,time

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QQVGA)

sensor.skip_frames(time=2000)

clock=time.clock()准备流程圆形识别流程思开始计时拍摄图片图形识别与处理停止计时while圆形识别流程与实现while(True):

clock.tick()

img=sensor.snapshot().lens_corr(1.8)

forcinimg.find_circles(threshold=2000,

x_margin=10,

y_margin=10,

r_margin=10,

r_min=2,

r_max=100,

r_step=2):

img.draw_circle(c.x(),c.y(),c.r(),color=(255,0,0))

print(c)

print("FPS%f"%clock.fps())find_circles第二章

矩形识别函数find_circles识别圆形·OpenMV中文入门教程image—机器视觉—MicroPython1.9.2文档()find_circles函数使用霍夫变换在图像中查找圆。返回一个

image.circle

对象列表参考文档矩形识别函数image.find_circles([roi[,

x_stride=2[,

y_stride=1[,

threshold=2000[,

x_margin=10[,

y_margin=10[,

r_margin=10[,

r_min=2[,

r_max[,

r_step=2]]]]]]]]]])

函数原型x_stride

是霍夫变换时需要跳过的x像素的数量。若已知圆较大，可增加

x_stride

。y_stride

是霍夫变换时需要跳过的y像素的数量。若已知圆较大，可增加

y_stride

。roi

是一个用以复制的矩形的感兴趣区域(x,y,w,h)。如果未指定，

ROI

即图像矩形。操作范围仅限于roi区域内的

threshold

控制从霍夫变换中监测到的圆。只返回大于或等于

threshold

的圆。应用程序的正确的

th