OpenCV-Python实战（4）——OpenCV常见图像处理技术

OpenCV-Python实战（4）——OpenCV常见图像处理技术

    • 0. 前言
    • 1. 拆分与合并通道
    • 2. 图像的几何变换
      • 2.1 缩放图像
      • 2.2 平移图像
      • 2.3 旋转图像
      • 2.4 图像的仿射变换
      • 2.5 图像的透视变换
      • 2.6 裁剪图像
    • 3. 图像滤波
      • 3.1 应用滤波器（卷积核或简称为核）
      • 3.2 图像平滑
        • 3.2.1 均值滤波
        • 3.2.2 高斯滤波
        • 3.2.3 中值滤波
        • 3.2.4 双边滤波
      • 3.3 图像锐化
      • 3.4 图像处理中的常用滤波器
    • 总结
    • 系列链接

0. 前言

图像处理技术是计算机视觉项目的核心，通常是计算机视觉项目中的关键工具，可以使用它们来完成各种计算机视觉任务。因此，如果要构建计算机视觉项目，就需要对图像处理有足够的了解。在本文中，将介绍计算机视觉项目中常见的图像处理技术，主要包括图像的几何变换和图像滤波等。

1. 拆分与合并通道

再进行图像处理时，有时我们仅需要使用特定通道。因此，必须首先将多通道图像拆分为多个单通道图像，为了拆分通道，可以使用cv2.split()函数，cv2.split()函数将源多通道图像拆分为多个单通道图像。此外，处理完成后，可能希望将多个的单通道图像合并创建为一个多通道图像，为了合并通道，可以使用cv2.merge()函数，cv2.merge()函数将多个单通道图像合并为一个多通道图像。
使用cv2.split()函数，从加载的BGR图像中获取三个通道：

# 通道拆分image=cv2.imread('sigong