OpenCV 圖像欲處理，裁切、翻轉、模糊化

圖像裁切

利用 imread 讀入的圖片 img 就是 Numpy 的陣列，因此可以用索引的方式指定使用者欲輸出的圖片範圍，下面的 (x, y) 代表原圖裁切的起點，並且裁切長寬為 (w, h) 的新圖片

import cv2

img = cv2.imread('../OpenCV/meme.jpg')

x = 50    
y = 50    
w = 200    
h = 200    

mosaic = img[y:y+h, x:x+w]    # 取得剪裁區域

cv2.imshow("new", mosaic)
cv2.waitKey(0)

圖像翻轉

常用函數介紹：

cv2.flip(image, 0) 進行圖像翻轉，若參數為 0 垂直翻轉，為 1 水平翻轉，為 -1 垂直水平翻轉

cv2.transpose(image) 將圖像轉置（行列互換）

cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE) 將圖像旋轉 90 度

cv2.flip() 範例：

import cv2

img = cv2.imread('../OpenCV/meme.jpg')


flipped_image = cv2.flip(img, 1) # 水平翻轉

cv2.imshow('before',img)
cv2.imshow("after", flipped_image)
cv2.waitKey(0)

• cv2.flip(img, 1) 水平翻轉
  
  

• cv2.flip(img, 0) 垂直翻轉
  

• cv2.flip(img, -1)垂直水平翻轉
  

cv2.transpose()範例：

import cv2

img = cv2.imread('../OpenCV/meme.jpg')


flipped_image = cv2.transpose(img) # 將圖像轉置(行列互換)

cv2.imshow('before',img)
cv2.imshow("after", flipped_image)
cv2.waitKey(0)

cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE)範例：

import cv2

img = cv2.imread('../OpenCV/meme.jpg')


flipped_image = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE) # 圖片旋轉 90 度

cv2.imshow('before',img)
cv2.imshow("after", flipped_image)
cv2.waitKey(0)

• cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE) 將圖像旋轉 90 度
  
  

圖像模糊化

常用函數介紹：

cv2.blur(image, (w, h)) 均值模糊，使用指定大小的卷積核來平滑圖像。每个像素的值會被其周圖像的平均值所替代

cv2.GaussianBlur(image, (5, 5), 0) 高斯模糊，使用高斯函數作為卷積核，對圖像進行模糊處理。相比均值模糊，高斯模糊能夠更好地保留圖像邊緣

cv2.medianBlur(image, 5) 中值模糊，使用指定大小的卷積核，將每個像素的值替換成其周圍像素的中值

<小百科>

卷積核（濾波器）：是一個用於圖像處理的矩陣，它通過卷積操作應用於圖像的每個像素，產生不同的效果，如模糊、銳化、邊緣檢測等。

<補充>：若卷積核為 (5, 5) 表示會從左上到右下，逐個對每個像素進行處理，並使用其周圍的 5x5 區域進行模糊處理，這些像素的值會根據捲積核內的權重進行加權平均，得到新的像素值，並將這個新值賦給該位置的像素

高斯核：是一種在圖像處理中用於模糊化或平滑圖像的卷積核。其核心概念基於高斯分佈，即以高斯分佈為基礎的數學函數，形狀呈鐘形曲線。(高斯核必須為積數，這樣才能確保有明確的中心點)

<補充>：與普通的捲積核不同，這 5x5 個像素的值並不會被簡單平均，而是根據高斯分佈進行加權平均，但在這個區域中，離中心像素越近的像素，其權重越大，離得越遠的像素權重越小。高斯分佈可以確保中心的像素值對結果的影響最大，而邊緣的像素值影響較小

cv2.blur()範例：

import cv2

img = cv2.imread('../OpenCV/meme.jpg')


blurred_image = cv2.blur(img, (5, 5))  

cv2.imshow('Blurred Img', blurred_image)  
cv2.destroyAllWindows() 

• 卷積核 (5, 5)
  
• 卷積核 (5, 5) 與 (10, 5) 比較
  

cv2.GaussianBlur()範例：

import cv2

img = cv2.imread('../OpenCV/meme.jpg')

gaussian_blurred_image = cv2.GaussianBlur(img, (9, 9), 0) # 將高斯核設為 (9, 9) ，並把 sigmaX 設為 0，讓 OpenCV 自動計算合適的標準差

cv2.imshow('Before', img)
cv2.imshow('After', gaussian_blurred_image)  
cv2.waitKey(0)

cv2.medianBlur(image, 5)範例：

import cv2

img = cv2.imread('../OpenCV/meme.jpg')


median_blurred_image = cv2.medianBlur(img, 5)

cv2.imshow('Before', img)
cv2.imshow('After', median_blurred_image)
cv2.waitKey(0)

三種模糊方式對比

我將三種模糊化方式的卷積核與高斯核皆設為 7 ，以下為均值、高斯、中值模糊的差異

參考資料：
https://medium.com/jimmy-wang/opencv-%E5%9F%BA%E7%A4%8E%E6%95%99%E5%AD%B8%E7%AD%86%E8%A8%98-with-python-d780f571a57a