读取一张彩色图像并将其转换为灰度图。
import cv2# 读取图片
img = cv2.imread("./duck.png")
img = cv2.resize(img, dsize=None, fx=0.4, fy=0.4, interpolation=cv2.INTER_LINEAR)
# 读取一张灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 展示图片
cv2.imshow('image', img)
cv2.imshow('image_gray', img_gray)
# 等待
cv2.waitKey(0)
二值化与形态学操作
编写程序，读取一张彩色图像【flower.png】，将其转换为灰度图，然后进行二值化处理。
接着，对二值化后的图像执行腐蚀和膨胀操作，并显示处理前后的图像
import cv2# 读取图片
img = cv2.imread("./duck.png")
img = cv2.resize(img, dsize=None, fx=0.4, fy=0.4, interpolation=cv2.INTER_LINEAR)
# 读取一张灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ret, img_binary = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# 展示图片
cv2.imshow('image', img)
cv2.imshow('image_gray', img_binary)
# 等待
cv2.waitKey(0)
编写程序，读取一张彩色图像，执行以下操作
对图像应用透视变换，实现油画区域的矫正
import cv2
import numpy as npimg = cv2.imread("./6667.png")points1 = np.array([[166, 136], [632, 40], [82, 500], [660,550]],dtype=np.float32)points2 = np.array([[0, 0], [img.shape[1], 0], [0, img.shape[0]], [img.shape[1], img.shape[0]]],dtype=np.float32)
M = cv2.getPerspectiveTransform(points1, points2)img_warp = cv2.warpPerspective(img, M,(800,600))cv2.imshow("img",img)
cv2.imshow("img1",img_warp)
cv2.waitKey(0)
请编写一段Python代码，使用OpenCV库对一张图像进行以下处理：
将图像转换为灰度图。
使用高斯滤波器平滑图像，内核大小为5x5，标准差为1。
使用Canny边缘检测算法检测图像边缘，阈值1为50，阈值2为150。
在检测到的边缘图像上绘制轮廓，轮廓颜色为红色，厚度为2。
import cv2img = cv2.imread("./tubao.png")img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
_,img_binary = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)img_blur = cv2.GaussianBlur(img_binary, (5,5), 1)img_canny = cv2.Canny(img_blur, 50, 150)
img_copy = img.copy()
contours,hierarchy = cv2.findContours(img_binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
img_draw = cv2.drawContours(img_copy,contours,-1,(0,0,255),2)cv2.imshow('img', img)
cv2.imshow('img_canny', img_canny)
cv2.imshow('img_draw', img_draw)cv2.waitKey(0)