零基礎學Python--有趣的圖像處理
今天我們來聊一點能讓大家比較提的起興趣的內容，大家可能覺得說Python的數據處理也挺枯燥的，尤其那些對於數字沒有什麼感覺的同學。當然，Python不僅僅是可以處理數據了。我們今天就來看看一些好玩的圖像的處理。
圖像處理對於很多同學來說，可能覺得這也太複雜了吧。本來圖像處理確實是一個不那麼容易的學科，但是我們有了Python的一些包之後，這件事就變得無比的簡單。我們甚至可以用Python來做很多有意思的和好玩的事情，並非只有算法科學家們才能玩轉圖像處理了。
在圖像處理界有一個鼎鼎有名的美女，名叫Lenna。相信看到圖片之後，大家會說，原來是她。
那麼我們在Python裏如何來秀出這張圖呢？首先做圖像處理，OpenCV是少不了的選擇了。我們先import包，然後我們這裏會定一個函數，這個函數用來顯示圖片。在整片文章裏都將會用到這個函數。
import cv2
def show_image(image):
>>>>cv2.imshow('Baby', image)
>>>>cv2.waitKey(0)
>>>>cv2.destroyAllWindows()
那麼同學們，我們現在就開始擺弄一下Lenna嗎？不，我們的主角今天是一個可愛的小姑娘，先上圖片。
灰度圖
閒話不多說，我們先來看看灰度圖如何獲得！
file = 'baby.jpg'
img = cv2.imread(file)
gray = cv2.cvtColor(
img,
cv2.COLOR_BGR2GRAY)
show_image(gray)
運行結果：
修改對比度
可能同學們覺得，不就用個軟件就搞定了嗎？但是自己寫個代碼，來實現這個功能不是更有意思嗎？並且只用了區區幾行代碼！
file = 'baby.jpg'
img = cv2.imread(file)
contrast = cv2.addWeighted(
img,
1.5,
np.zeros(img.shape, img.dtype),
0,
0)
show_image(contrast)
運行結果：
高斯模糊
高斯模糊是一個非常有用的圖像處理過程，我們很多的操作都需要這個步驟。在電子世界裏面，高斯噪聲也是非常常見的一種噪聲，因此在去噪上用途也很廣泛。
file = 'baby.jpg'
img = cv2.imread(file)
blur = cv2.GaussianBlur(
img,
(15,15),
0)
show_image(blur)
運行結果：
二值化
做過二值化之後，我們的圖像就會變成黑白色，事實上二值化也是圖像處理和識別中必不可少的一個過程。
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)
運行結果：
邊緣風格
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
我們先將原圖加上一些高斯噪點，加過噪點的圖片如下。
接下來我們進行去噪。
file = 'noise.jpg'
img = cv2.imread(file)
denoised = cv2.fastNlMeansDenoisingColored(
img,
None,
20,
10,
7,
21)
show_image(denoised)
運行結果：
我們可以看到去噪後的圖片顯得有點模糊，但是整體比有噪點的效果是不是看着舒服多了呢?這裏其實和我們的參數設置有關係，噪點也比較狠一點。
畫出輪廓
下面我們來找出圖像中的輪廓，Python可以完美的勾畫
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)
運行結果：
大家可以看到，圖中畫出了僅僅畫帽子的輪廓，原因是因爲我們要去做更精細的一些調試纔可以畫出其他的輪廓，畢竟我們這裏僅僅只是秀一下Python可以做什麼。幾行代碼已經很讓人驚豔了對嗎？
物體檢測
物體檢測我們用了一羣孩子的圖片，當然物體檢測只是個名稱而已，之所以我們沒有叫行人檢測，是因爲我比較不喜歡吹牛，我們僅僅是檢測到不知道是什麼，然後畫個最大框。
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)
運行結果：
人臉檢測
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)
運行結果：
同學們可能要說了，就一人臉，我們能檢測多張人臉嗎？當然可以，我們來看下面的代碼。
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)
運行結果：
是不是很神奇，我們可能一直覺得人臉檢測是前沿技術，再和人工智能、深度學習一結合，簡直就是難上加難。其實不然，大家看到，其實很簡單的幾行代碼，也可以實現一個簡單的人臉檢測。當然，背後其實也有很多的代碼。但是Python的要義就是，如果有輪子，我們幹嘛要再造一個。
