OpenCV（python）——一键入门--第2篇（最值和均值方差）

如果你还对OpenCV基础操作不熟悉，建议前往我的上一篇博客：OpenCV（python）——一键入门--第1篇

接下来还是简单和大家讨论一下OpenCV的各项基础操作：

1：像素点的遍历

我们可以使用numpy库，将各个像素进行像素遍历。下列代码是使用for循环，进行所有像素点取反的操作（需要导入cv2和numpy库）

src1 = cv.imread("d:/ma.jpg")
h, w, ch = src1.shape
for row in range(h):
    for col in range(w):
        b,g,r = src1[row,col]
        b = 255 - b
        r = 255 - r
        g = 255 - g 
        src1[row,col] = [b,g,r]
cv.imshow("output-for",src1)

因为BGR的像素值都是0-255，所以减去255即可取反

2：色彩空间的知识点补充

hsv = cv.cvtColor(src, cv.COLOR_BGR2HSV)
mask = cv.inRange(hsv, (35, 43, 46), (99, 255, 255))
cv.imshow("mask", mask)

使用方法如下：

···cvtColor（图像，转换的色彩空间）

···inRange（图像，色彩范围值lower，色彩范围值upper）

其中，inRange中后两个参数，是指：

图像中低于这个lower的值，高于这个upper的值，将其图像值变为0。在upper~lower之间的值变成255

比如我有一张光谱图像，经过inRange就可以得到如下图

如果使用均值来划分区域，代码如下

src4 = cv.imread("D:/p--1.jpg", cv.IMREAD_GRAYSCALE)#需要以灰度图像读取
means , stddev = cv.meanStdDev(src4)#计算均值与方差。stddev 是标准方差  mean 是均值

src4[np.where(src4 < means)] = 0
src4[np.where(src4 > means)] = 255
cv.imshow("binary", src4)

效果如图

附上一张hsv的表

3：计算图像均值方差

src4 = cv.imread("D:/p--1.jpg", cv.IMREAD_GRAYSCALE)#需要以灰度图像读取
min, max, minloc, maxloc = cv.minMaxLoc(src4)#给出最小值，最大值，最小值索引，最大值索引
means , stddev = cv.meanStdDev(src4)#计算均值方差

print("min: %.2f, max: %.2f"% (min, max))#打印最大最小值
print(f"minloc:{minloc} maxloc:{maxloc}")#打印最大最小值索引
print(f"means:{means} stddev :{stddev}")#打印均值方差

这里就不给出效果图，建议大家自行运行测试

4：colormap

'''
COLORMAP:  --spring/summer/autumn/winter
          --hot/cool/bone/rainbow/jet/pink/ocean/hsv
'''
divt = cv.applyColorMap(src2,cv.COLORMAP_OCEAN)#叠加colormap，注意大写
cv.imshow("color-map",divt)

比如下图，其效果就是叠加了海洋风格的colormap