使用 OpenCv 制作简单的点画法

php中文网 2024-11-25 11:38:55

简介
开源计算机视觉库 (opencv) 提供免费的编程工具来处理图像或视频文件等视觉输入。它包含许多现成的函数，可以通过不同的编程语言访问。我在这里发布的示例使用 python。因此，如果你想理解代码，你至少需要有python和numpy的基础知识。如果您正在寻找 opencv 的介绍，此链接可能非常有价值：[https://dev.to/arpitmandliya/opencv-python-tutorial-3dac]。

像素如何构成图像
在大多数情况下，计算机图像基于 rgb（opencv 中的 bgr）模型。这意味着像素颜色是 red、green 和 blue 组成的混合。还有其他模型（例如，hue、saturation 和 value）和矢量图形（svg 或 pdf），但我不会解释它们他们在这里。

计算机上的图像可以被描述为像素的集合，其中包含颜色信息。用更专业的术语来说，图像是三维阵列（或具有三个颜色通道的像素矩阵），前两个维度确定图像的大小（高度和宽度），第三个维度包含红色、绿色的值和蓝色（每种颜色的值在 0 到 255 之间）。如果一幅图像只有一个颜色通道（8 位图像），则它是具有不同灰度值的灰度图像，范围从 0（黑色）到 255（白色）。 图 1 说明了这一点。

图 1：图像表示为数组。右侧是彩色图像的示例，其中红色、绿色和蓝色的值范围为 0 到 255（0,0,255 为蓝色）。左边是一个灰度图像，其中一个通道代表不同的灰度。

将颜色信息转化为不同大小的点
上述原理可用于使用 numpy 和 opencv 库在 python 中执行图像编辑。在此示例中，我使用循环来处理表示为 numpy 数组的图像。该循环不会迭代图像中的每个像素，而是定期跳过像素（例如，它处理每 10 个像素）。每个处理像素处的灰度值用于确定点的大小（例如，灰度值 100 对应于特定的点大小）。然后使用原始图像的颜色信息将这些点绘制在原始图像的空副本上。总之，我创建了一个图像副本，其中根据原始像素的颜色信息绘制了不同大小的点（参见图 2）。

图 2：为了绘制点，使用原始图像中像素的颜色信息。为了确定点的大小，使用原始图像的灰度版本。

下面您可以找到代码，图 3 显示了可能的结果。

import numpy as np
import cv2

# load an image; image has to be in working directory when giving no path information 
img = cv2.imread('FlowerPower.jpg',cv2.IMREAD_UNCHANGED)
# show the dimensions of the image array
print(img.shape)

# choose a resizing factor for the whole image; to depict it on computer screen
resizing = .2
#convert original image to greyscale image
img_grey = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# make a copy of the orignal image 
img_output = img.copy()

# make a white canvas by assigning the color white (255,255, 255) to each pixel
# [:,:] covers all values of the first and second array dimension
img_output[:,:] = [255,255,255] # or with black [0,0,0] or any other color

# Settings for looping over the image
step_width = 40 # steps of loop; here: every 30th pixel
# - 1 fills circle that is drawn onto output image; positive value define
# line thickness of circle
thickness = -1 
perc = .2 # size factor for drawing circles/dots onto output image

# for loops running over the first two dimensions of the array (width and height) 
# step_width defines which pixels are included
for i in range(2,  img.shape[0] - step_width,  step_width):
    for u in range(2,  img.shape[1] - step_width,  step_width):        
        # radius (dot size) is based on the value of greyscale version of original image
        # at the current index; e.g., pixel at i = 10, u = 30 might have 123
        # perc variable modifies dot size 
        radius = int((255-img_grey[i,u])*perc) +1 
        if radius <= 0:
            radius +=1
        # take color from pixel at position [i,u] of original image
        # e.g., i = 10, u = 30 might have [123,0,61] 
        color = img[i,u].astype(int).tolist()
        # draw a circle on output image using dot size based on greyscale 
        # value with color of original image   
        cv2.circle(img_output, (u,i), radius, color, thickness)

# resize images, so they are not too big for computerscreen
# based on the resizing variable defined at the top of the page        
img_size = img.shape        
img_sm =  cv2.resize(img,(int(img_size[1]*resizing), int(img_size[0]
                         * resizing)), interpolation = cv2.INTER_CUBIC)
# open window that shows original image
cv2.imshow("Original", img_sm)
img_output_sm =  cv2.resize(img_output,(int(img_size[1]*resizing), int(img_size[0]*
                              resizing)), interpolation = cv2.INTER_CUBIC)
# show the dotted image
cv2.imshow("Dotted Image", img_output_sm)

图 3：右侧显示原始图像，左侧显示基于此处提供的代码的虚线版本。