使用Numpy和Opencv完成图像的基本数据分析（Part II）

在上一节中，主要是介绍了图像的基本知识以及OpenCV的基本操作，具体内容参见“使用Numpy和Opencv完成基本图像的数据分析(Part I)”。这部分内容是接着上一节的内容，主要介绍一些其它的操作。

使用逻辑操作处理像素值

可以使用逻辑运算符创建相同大小的数组。但是，逻辑运算操作并不会创建出任何新的数组，只是将True返回给主机变量(host variable)。例如：假设在RGB图像中过滤掉一些像素值低的像素或像素值高的像素(以及其它任何条件)，将RGB转换为灰度图看起来不错，但是我们目前不会对彩色图像进行这样的处理。

首先加载图像，并将其显示在屏幕上：

注意图像的路径问题.之后需要考虑转储这个显示的图像。假设对于任何情况，我们都想要滤除掉低于某值的所有像素值，并假设该阈值设置为20。为此，我们将使用逻辑运算符来执行此任务，最终结果将返回所有索引的真值。

正如之前所说，主机变量，一般并不使用这个名称，但在本文中引用它，这是因为它的行为只保留真值，而不是其他任何形式的值。所以，如果展示low_pixel和pic的形状，我们就会发现它们其实具有相同的形状。

我们使用全局比较运算符为所有像素值小于200的像素点生成低值滤波器。但是，我们也可以使用此low_pixel数组作为索引将这些低值设置为某些特定值，这些值可能高于或低于先前的像素值。

掩膜

图像掩膜是一种图像处理技术，被广泛用于去除具有模糊边缘、透明或毛刺部分的照片背景，看起来类似于PS中的一项技术。

下面将带领读者一起创建一个圆盘形状的掩膜。首先，我们测量从图像中心到每个边界像素值的距离，在这里采用应用比较方便的半径，然后使用逻辑运算符创建一个圆盘。这个过程很简单，如下面的代码所示：

卫星图像处理

作为edX的公开课之一，下面将介绍一些卫星图像及其处理方法，这部分内容是十分有用的，下面对其进行一些处理，做一些分析任务。

下面看看它的一些基本信息：

从中可以发现一些有趣的东西，像许多其他可视化结果一样，每个rgb层中的颜色都表示对应的内容。例如，红色强弱表示像素中地理数据点的高度，蓝色强弱表示方位的度量，而绿色表示斜率，这些颜色将有助于我们以更快、更有效的方式传达信息，而不仅是显示数字。

• 红色像素表示：高度
• 蓝色像素表示：方位
• 绿色像素表示：斜率

只需看一下这张彩色图像，训练有素的眼睛就能分辨出海拔是多少，斜率是多少，方位在哪里，所以为这些颜色加载更多含义能够表示更科学的东西，一个好的想法!

检测每个通道的高像素

作者：Mohammed Innat，机器学习和数据科学研究者

【编辑推荐】

1. 使用Python + OpenCV来实现脸部和眼睛的检测
2. 使用Python+OpenCV进行图像模板匹配(Match Template)
3. 数据处理性能对比（Python原生vs Pandas vs Numpy）
4. 使用Pandas&NumPy进行数据清洗的6大常用方法

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!