opencv基本操作

1-1.真彩色 24 位 BMP 图像每存储一个像素点需要几个字节？计算一幅大小为 1024× 768 的图像数据存储需要的字节数（不压缩）。

24位图像储存一个像素需要3个字节

print("一副1024*768的图像需要的字节数为：",1024*768*3)

一副1024*768的图像需要的字节数为： 2359296

1-2. 将灰度为256级的图像降低为8级（将图像重新量化）并编程运行显示结果。

• 使用到的库：

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread("cameraman.tif",0)

w,h = img.shape
img2 = np.ones((w,h),dtype=np.uint8)
level = 256-8 #目标灰度级
for i in range(w):
    for j in range(h):
        img2[i][j] =int(img[i][j]*level/256)*256/level
plt.subplot(121)
plt.title("before")
plt.imshow(img,cmap="gray")
plt.subplot(122)
plt.title("after")
plt.imshow(img2,cmap="gray")
plt.show()
print(img,"/n-----------------------/n",img2)

[[156 159 158 ... 151 152 152]
 [160 154 157 ... 154 155 153]
 [156 159 158 ... 151 152 152]
 ...
 [114 132 123 ... 135 137 114]
 [121 126 130 ... 133 130 113]
 [121 126 130 ... 133 130 113]] 
-----------------------
 [[155 158 157 ... 150 151 151]
 [160 153 156 ... 153 154 152]
 [155 158 157 ... 150 151 151]
 ...
 [113 131 122 ... 134 136 113]
 [120 125 129 ... 132 129 112]
 [120 125 129 ... 132 129 112]]

降低了8个灰度级从图片上看不出多大区别，从数值上能看出较小的变化

1-3.打开一幅真彩色图像，利用式Gray(i,j)=0.299R(i,j)+0.587G(i,j) +0.144*B(i,j)对其进行灰度化，并显示变换前后图像。

img = cv2.imread("misaka.jpg")
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#BGR转RGB

x,y,z = img.shape
img2 = np.ones((x,y),dtype=np.uint8)
for i in range(x):
    for j in range(y):
        img2[i][j] = 0.299*img[i][j][0]+0.587*img[i][j][1]+0.144*img[i][j][2]
plt.subplot(121)
plt.title("before")
plt.imshow(img)
plt.subplot(122)
plt.title("after")
plt.imshow(img2,cmap="gray")
plt.show()

1-4.打开一幅真彩色图像，将绿色和蓝色通道进行互换，显示通道互换后的图像，并对结果进行说明。

r,g,b = cv2.split(img) #使用上一题图片
img_exg = cv2.merge([r,b,g]) #切换b,g位置后合并
plt.subplot(121)
plt.title("before")
plt.imshow(img)
plt.subplot(122)
plt.imshow(img_exg)
plt.title("after")
plt.show()

1-8. 已知一幅图像为

求其二维傅里叶变换，并绘制其频谱图。

f = [[0,1,0,2],[0,3,0,4],[0,5,0,6],[0,7,0,8]]
f = np.float32(f)
f_dft = cv2.dft(f)
plt.subplot(121)
plt.title("spatial")
plt.imshow(f,"gray")
plt.subplot(122)
plt.title("frequency")
plt.imshow(f_dft,cmap="gray")
plt.show()