第5章 Python的图像处理
Python有很强的图像处理能力，本章分别介绍应用Pillow模块和Open CV处理图像的方法。
5.1 图像像素的存储形式
为了方便介绍数据图像处理知识，首先要了解图像在计算机中的存储形式。
1. 灰度图
把黑白图像中的白色与黑色之间按对数关系分为若干等级，称为灰度。灰度图为单通道，一个像素块对应矩阵中的一个数字，数值为0～255, 其中0表示最暗（黑色），255表示最亮（白色）。灰度图用矩阵表示如图5.1所示（为了方便起见，每列像素值都写一样了）。
图5.1 灰度图用矩阵表示
2. RGB模式彩色图
RGB模式彩色图用三维矩阵表示如图5.2所示。
图5.2 RGB模式彩色图用三维矩阵表示
5.2 Pillow模块处理图像
5.2.1 PIL概述
PIL（Python Imaging Library，Python图像处理库）提供了通用的图像处理功能，以及大量有用的基本图像操作，如图像缩放、裁剪、旋转、颜色转换等。
1. 安装Pillow模块
PIL仅支持到Python 2.7版本，Python 3.x的PIL兼容版本称为Pillow（Python 3.x在使用引用模块语句时，仍称为PIL，即import PIL）。在命令行窗口中使用pip安装Pillow模块，其命令为：
pip install pillow
安装过程如图5.3所示。
图5.3 安装Pillow模块
2. Pillow模块的方法
Pillow模块提供了大量用于图像处理的方法，通过创建的图像对象可以调用这些图像处理方法。Pillow模块图像处理的常用方法如表5.1所示。
表5.1 Pillow模块图像处理的常用方法
方法
说明
Image.open("图像文件名")
打开图像文件，返回图像对象
show()
显示图像
Save("文件名")
保存图像文件
resize(宽高元组)
图像缩放
thumbnail()
创建图像的缩略图
rotate()
旋转图像
transpose(Image.FLIP_LEFT_RIGHT)
图像水平翻转
transpose(Image.FLIP_TOP_BOTTOM)
图像垂直翻转
crop(矩形区域元组)
裁剪图像续表
方法
说明
paste(裁剪图像对象,矩形区域)
粘贴图像
ImageGrab.grab(矩形区域元组)
屏幕截图，若区域为空，则表示全屏幕截图
filter(ImageFilter.EDGE_ENHANCE)
图像增强
filter(ImageFilter.BLUR)
图像模糊
filter(ImageFilter.FIND_EDGES)
图像边缘提取
point(lambda i:i*r)
图像点运算。r>1，图像变亮；r<1，图像变暗
format
查看图像格式的属性值
size
查看图像大小的属性值，格式为（宽度，高度）
getpixel(坐标元组)
读取指定坐标点的像素的颜色值，参数为(x,y)坐标元组，返回值为红、绿、蓝三色分量的值
putpixel((元组1), (元组2))?
元组2的值改变目标像素元组1的颜色值
split()
将彩色图像分离为红、绿、蓝三个分量通道。例如：r, g, b = im.split()
Image.merge(im.mode, (r,g,b))
将红、绿、蓝三个分量通道合并成一个彩色图像
enhance(n)
对比度增强为原来的n倍(n为实数)。例如：
img = ImageEnhance.Contrast(img)
img = im.enhance(1.5) # 对比度增强为原图的1.5倍
5.2.2 PIL的图像处理方法
利用 PIL 中的函数，可以从大多数图像格式的文件中读取数据，然后写入最常见的图像格式文件中。PIL中常用的模块为 Image和ImageTk。Image用于加载图像文件，得到PIL图像对象，而ImageTk模块负责对PIL对象进行各种图像处理。例如，要读取一幅图像，可以使用：
from PIL import Image
img = Image.open("img1.gif")
上述代码的返回值img是一个PIL图像对象。可以对这个PIL图像对象进行各种处理。下面介绍几个典型的图像处理的应用示例。
1. 图像的打开和显示
【例5.1】 打开和显示图像示例。
程序代码如下：
import tkinter
from PIL import Image, ImageTk
win = tkinter.Tk()
win.title('图像显示')
win.geometry('300x300') # 定义窗体的大小300像素×300像素
can = tkinter.Canvas(win, # 创建画布组件
bg='white', # 指定画布组件的背景色
width=300, # 指定画布组件的宽度
height=300) # 指定画布组件的高度
image = Image.open("dukou.jpg") # 打开图像文件
img = ImageTk.PhotoImage(image) # 获取图像像素
can.create_image(160,120,image=img) # 将图像添加到画布组件中
can.pack() # 将画布组件添加到主窗口
win.mainloop()
程序运行结果如图5.4所示。
图5.4 打开和显示图像
2. 建立图像的缩略图
使用 PIL 可以很方便地创建图像的缩略图。PIL 图像对象的thumbnail(size)方法将图像转换为由元组参数设定大小的缩略图。
【例5.2】 建立图像缩略图示例。
程序代码如下：
import tkinter
from tkinter import Label
from PIL import Image, ImageTk
import os
win = tkinter.Tk()
win.title('建立图像缩略图')
win.geometry('200x200') # 定义窗体大小为400像素×200像素
def imgshow():
size = (64, 64) # 设置缩略图尺寸的元组参数
img = Image.open("dukou.jpg")
img.thumbnail(size)
img.save("dukou(1).jpg", "JPEG") # 保存缩略图为dukou(1).jpg
photo = ImageTk.PhotoImage(file='dukou(1).jpg')
label = Label(win, image=photo)
label.pack()
label.image = photo
tkinter.Button(win, text='建立图像缩略图 ',command=imgshow).pack()
win.mainloop()
运行程序，单击“建立图像缩略图”按钮后，则将当前文件夹中名为dukou.jpg的图像文件生成64×64像素的缩略图，如图5.5所示。
图5.5 生成图像缩略图
3. 增强图像处理
使用 PIL可以很方便地对图像进行各种数字图像处理。例如，应用filter()方法的ImageFilter.EDGE_ENHANCE属性可以将图像的对比度增强。
【例5.3】 增加图像的对比度示例。
程序代码如下：
import tkinter
from tkinter import Label
from PIL import Image, ImageTk, ImageEnhance, ImageFilter
win = tkinter.Tk()
win.title('增强图像')
win.geometry('400x200') # 定义窗体大小为400像素×200像素
photo = Image.open('dukou.jpg')
img1 = ImageTk.PhotoImage(photo) # 获取图像像素
label_1 = Label(win, image=img1) # 显示原图
def imgshow():
img = photo.filter(ImageFilter.EDGE_ENHANCE)
img2 = ImageTk.PhotoImage(img) # 获取图像像素
label_2 = Label(win, image=img2).grid(row=1, column=1) # 显示增强后的图
label_2.image = img2
button = tkinter.Button(win, text='增强图像处理 ',command=imgshow)
button.grid(row=0, column=0, columnspan=2)
label_1.grid(row=1, column=0)
win.mainloop()
程序运行结果如图5.6所示。
图5.6 图像增强
5.3 Open CV数字图像处理
Open CV 是Open Source Computer Vision Library 的简称，是一个计算机视觉库。Open CV可用于开发实时的图像处理、计算机视觉以及模式识别程序，目前使用十分广泛。
5.3.1 Open CV模块的安装和导入
1. 安装Open CV模块
Python的Open CV模块名为opencv-python，在命令行窗口中使用pip安装Open CV模块，其命令为：
pip install opencv-python
安装过程如图5.7所示。
图5.7 用pip安装Open CV模块的过程
2. Open CV模块的导入
导入Open CV模块，其名称为cv2，其导入语句如下：
import cv2
5.3.2 图像的读取、显示和保存
调用Open CV模块的相关函数，就可以很方便地对图像进行操作。下面介绍图像的加载、显示和保存函数及其使用方法。
1. 读取图像函数imread()
Open CV 的imread()函数可以读取图像文件，返回图像对象。其基本格式为
cv2.imread(img_path, flag)
该函数的参数含义如下：
● img_path：图像的路径，即使路径错误也不会报错，但打印返回的图像对象为None。
● flag：
—cv2.IMREAD_COLOR，读取彩色图像，为默认参数，也可以传入1。
—cv2.IMREAD_GRAYSCALE，按灰度模式读取图像，也可以传入0。
—cv2.IMREAD_UNCHANGED，读取图像，包括其alpha通道，也可以传入?1。
2. 显示图像函数imshow()
Open CV 的imshow()函数在自适应图像大小的窗口中显示图像。其基本格式为
cv2.imshow(window_name,img)
该函数的参数含义如下：
● window_name: 指定窗口的名字。
● img：显示的图像对象。
该函数可以指定多个窗口名称，显示多个图像。
3. 保持窗体显示的函数
由于imread()函数显示图像的窗口会发生闪退，图像无法显示出来。因此，需要使用waitKey()使窗口保持显示状态。waitKey()的格式为：
cv2.waitKey(millseconds)
其中，参数millseconds为设定时间数（毫秒），在该时间内等待键盘事件；当参数为0时，会无限等待。
通常与waitKey()配合使用的还有销毁窗口函数destroyAllWindows()，其格式为：
cv2.destroyAllWindows(window_name)
其中，参数window_name为需要关闭的窗口。
4. 保存图像函数imwrite()
保存图像函数的格式为：
cv2.imwrite((img_path_name, img)
其中，参数img_path_name为保存的文件名，img为需要保存的图像对象。
【例5.4】 使用Open CV模块打开和显示图像示例。
程序代码如下：
import cv2
img = cv2.imread('test.jpg', 0) # 读取图像，参数0表示灰度
cv2.imshow('title', img) # 显示图像，第1个参数为图像窗体的标题
cv2.imwrite('Grey_img.jpg', img) # 保存灰度图像
cv2.waitKey(0) # 等待图像的关闭
cv2.destroyAllWindows() # 关闭和销毁图像窗口
程序运行结果如图5.8所示。
图5.8 使用Open CV打开和显示图像
5.3.3 绘制基本几何图形
1. 在图像上绘制点和直线
1）绘制点
在OPen CV中，当绘制一个半径很小的圆时，就是一个点了。其函数为：
cv2.circle(img, center, radius, color[, thickness[, lineType[,shift]]])
函数的参数含义如下：
● img：要画的圆所在的矩形或图像。
● center：圆心坐标，如 (100, 100)。
● radius：半径，如10。
● color：圆边框颜色，如 (0, 0, 255)表示红色，为BGR。
● thickness：取正值时表示圆的边框宽度，取负值时表示画一个填充圆形。
● lineType：圆边框线型，可为 0，4，8。
● shift：圆心坐标和半径的小数点位数。
2）绘制直线
绘制直线函数为：
cv2.line(img, pt1, pt2, color[, thickness[, lineType[, shift]]])
函数的参数含义如下：
● img：要画的圆所在的矩形或图像。
● pt1：直线的起点。
● pt2：直线的终点。
● color：线条的颜色，如（0, 0, 255）表示红色，为BGR。
● thickness：线条的宽度
● lineType：取值4或8（-- 8：8连通线段，-- 4：4连通线段）。
【例5.5】 在图像上绘制点和直线示例。
程序代码如下：
import cv2 as cv
point_size = 5
point_color = (0, 0, 255) # BGR
thickness = 4 # 可以为 0,4,8
img = cv.imread('xiamen.jpg',1)
# 要画的点的坐标
points_list = [(80, 12), (320, 200)]
for point in points_list:
cv.circle(img, point, point_size, point_color, thickness)
# 直线的起点和终点坐标
ptStart = (80, 14)
ptEnd = (318, 200)
lineType = 4
cv.line(img, ptStart, ptEnd, point_color, thickness, lineType)
cv.imshow('a_window', img)
cv.waitKey(0)
cv.destroyAllWindows()
程序运行结果如图5.9 所示。
图5.9 在图像上绘制点和直线
2. 在图像上绘制矩形和注释文字
1）绘制矩形
绘制矩形函数为：
cv2.rectangle(img,pt1,pt2,color,thickness)
函数的参数意义如下：
● img：指定的图片。
● pt1：矩形左上角点的坐标。
● pt2：矩形右下角点的坐标。
● color：线条的颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）。
● thickness：组成矩形的线条的粗细程度。取负值（如 CV_FILLED）时函数绘制填充了色彩的矩形。
2）注释文字
显示文字函数为：
cv2.putText(img, str, origin, font, size, color, thickness)
其中，各参数依次是：图片、添加的文字、左上角坐标、字体、字体大小、颜色和字体粗细。
【例5.6】 在图片上显示矩形框及文字。
程序代码如下：
import cv2 as cv
color1 = (0, 0, 255)
color2 = (255, 0, 0)
x = 140
y = 170
row = 150
col = 180
img = cv.imread('face.jpg', 1)
cv.rectangle(img, (x, y), (x+row, y+col), color1, 3)
cv.putText(img, 'face', (30, 150), cv.FONT_HERSHEY_COMPLEX, 3, color2, 11)
cv.imshow('a_window', img)
cv.waitKey(0)
cv.destroyAllWindows()
程序运行结果如图5.10 所示。
图5.10 在图像上绘制矩形框和文字
5.4 案 例 精 选
5.4.1 用画布绘制图形
画布Canvas是图形用户界面tkinter的组件，它是一个矩形区域，用于绘制图形或作为容器放置其他组件。
Canvas对象包含了大量的绘图方法，表5.2列出了常用的绘图方法。
表5.2 Canvas对象常用的绘图方法
方法
说明
create_line(x1, y1, x2, y2)
绘制一条从(x1,y1)到(x2,y2)的直线
create_rectangle(x1, y1, x2, y2)
绘制一个左上角为(x1,y1)、右下角为(x2,y2)的矩形
create_polygon(x1, y1, x2, y2，x3, y3, x4, y4，x5, y5, x6, y6)
绘制一个顶点为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)、(x5,y5)、(x6,y6)的多边形
create_oval(x1, y1, x2, y2, fill='color')
绘制一个左上角为(x1,y1)、右下角为(x2,y2)的外接矩形所包围的圆，fill为填充颜色
create_arc(x1, y1, x2, y2, start=s0,extent=s)
绘制在左上角为(x1,y1)，右下角为(x2,y2)的外接矩形所包围的一段圆弧，圆弧角度为s，从s0开始
create_image(w, h, anchor=NE,
image=filename)
在w宽、 h高的矩形区域内显示文件名为filename的图像
move(obj, x, y)
移动组件obj。x为水平方向变化量，y为垂直方向变化量
【例5.7】 绘制笑脸。
程序代码如下：
import tkinter
import tkinter.messagebox
win = tkinter.Tk()
win.title('画布示例')
win.geometry('250x250')
can = tkinter.Canvas(win, height=250, width=250) # 定义画布
io1 = can.create_oval(35,30,210,210, fill='yellow') # 画一个黄色的圆
io2 = can.create_oval(70,70,180,180, fill='black')
io3 = can.create_oval(65,70,185,170, outline='yellow', fill='yellow')
io4 = can.create_oval(80,100,110,130, fill='black')
io5 = can.create_oval(150,100,180,130, fill='black')
can.pack()
win.mainloop()
程序运行结果如图5.11所示。
【例5.8】 用方向键移动矩形块。
tkinter的画布Canvas类可以用于设计简单动画，使用move(tags、dx、dy)方法实现移动图片或文字等组件。Canvas的update()方法为刷新界面，重新显示画布。
程序代码如下：
import time
from tkinter import *
x = 50
y = 50
#（1）定义窗口
win = Tk()
win.title("移动小矩形块")
#（2）定义画布
canvas = Canvas(win,width=400,height=400)
canvas.pack() # 显示画布
#（3）定义矩形块
rect = canvas.create_rectangle(x, y, x+30, y+30, fill='red')
print(rect)
#（4）定义移动小矩形的函数
def moveRect(event):
if event.keysym == 'Up':
canvas.move(rect, 0, -3)
elif event.keysym == 'Down':
canvas.move(rect, 0, 3)
elif event.keysym == 'Left':
canvas.move(rect, -3, 0)
elif event.keysym == 'Right':
canvas.move(rect, 3, 0)
win.update() # 界面刷新
time.sleep(0.05) # 休眠
#（5）绑定方向键
canvas.bind_all('<KeyPress-Up>', moveRect)
canvas.bind_all('<KeyPress-Down>', moveRect)
canvas.bind_all('<KeyPress-Left>', moveRect)
canvas.bind_all('<KeyPress-Right>', moveRect)
win.mainloop()
程序运行结果如图5.12所示。
图5.12 用方向键移动小矩形块
5.4.2 识别二维码及条形码
pyzbar是Python的一个开源库，用于扫描、识别二维码和条形码信息。用pip安装pyzbar库，其命令为：
pip install pyzbar
【例5.9】 设有条形码图片bar_code.jpg和二维码图片two_bar_code.jpg，编写一个识别二维码及条形码的程序。
程序代码如下：
from pyzbar import pyzbar
import matplotlib.pyplot as plt
import cv2
# 条码定位及识别
def decode(image, barcodes):
# 循环检测到的条形码
for barcode in barcodes:
# 提取条形码的边界框的位置
# 画出图像中条形码的边界框
(x, y, w, h) = barcode.rect
cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 5)
# 条形码数据为字节对象，所以如果想在输出图像上
# 画出来，就需要先将它转换为字符串
barcodeData = barcode.data.decode("utf-8")
barcodeType = barcode.type
# 绘出图像上条形码的数据和条形码类型
text = "{} ({})".format(barcodeData, barcodeType)
cv2.putText(image, text, (x, y - 10),
cv2.FONT_HERSHEY_SIMPLEX, .8, (255, 0, 0), 2)
# 向终端打印条形码数据和条形码类型
print("[INFO] Found {} barcode: {}".format(barcodeType, barcodeData))
plt.figure(figsize=(10,10))
plt.imshow(image)
plt.show()
# (1)读取条形码图片
image = cv2.imread('tiaoma.jpg')
# 找到图像中的条形码并进行解码
barcodes = pyzbar.decode(image)
# 识别条形码
decode(image, barcodes)
# (2)读取二维码图片
image = cv2.imread('zsmma.jpg')
# 找到图像中的二维码并进行解码
barcodes = pyzbar.decode(image)
# 识别二维码
decode(image, barcodes)
程序运行结果：
[INFO] 识别 EAN13 barcode: 6902265501114
[INFO] 识别 QRCODE barcode: http://qr61.cn/odmOqs/qAI1Bft
显示结果如图5.13所示。
图5.13 识别条形码及二维码
5.4.3 无人驾驶汽车车道线检测
车道线检测是无人驾驶汽车的一项重要技术。有效地获取车道线信息，对无人驾驶汽车的决策有至关重要的作用。
车道线检测主要步骤及主要算法说明如下。
1．将视频流转换为一帧帧的图像
在本案例中，为了简化程序，将其省略为加载图像。
src = cv2.imread('gaosu_lane.jpg')
2．对图像进行去噪处理
使用高斯滤波对图像进行去噪处理。
src1 = cv2.GaussianBlur(src, (5,5), 0, 0)
3．把图像转换为灰度图
src2 = cv2.cvtColor(src1,cv2.COLOR_BGR2GRAY)
cv2.imshow('huidu',src2)
其效果如图5.14所示。
图5.14 灰度图
4．边缘处理，提取图像的轮廓
src3 = cv2.Canny(src2,lthrehlod,hthrehlod)
cv2.imshow('bianyuan',src3)
其效果如图5.15所示。
图5.15 图像的轮廓
5．保留感兴趣的区域并提取轮廓图中的直线
因为在实际应用中摄像头固定在车上，所拍摄的图像中特定的部分包含车道线，它一般都位于图片的中下部，所以只需要对这个区域进行处理即可；然后使用霍夫变换原理，提取轮廓图中的直线。
regin = np.array([[(0,src.shape[0]),(460,325),
(520,325),(src.shape[1],src.shape[0])]])
mask = np.zeros_like(src3)
mask_color = 255 # src3图像的通道数是1,且是灰度图像,所以颜色值为0～255
cv2.fillPoly(mask,regin,mask_color)
src4 = cv2.bitwise_and(src3,mask)
cv2.imshow('bianyuan',src4)
其效果如图5.16所示。
图5.16 在感兴趣区域提取轮廓图中的直线
6．优化处理并画出车道线
在第5步中提取到的图像中包含了很多直线，其中有很多直线是不需要的，这就需要去掉冗余的直线。具体的办法如下：首先对直线点集根据斜率的正负分成左右两类直线集；然后再分别对左右直线集进行处理。计算直线集的平均斜率和每条直线的斜率与平均斜率的差值，求出其中差值最大的直线，判断该直线的斜率是否大于阈值，如果大于阈值，就将其去除，然后对剩下的直线继续进行相同的操作，直到满足条件为止。
经过优化处理，得到的直线集依然很多，但是范围已经很小了，进一步采用最小二乘拟合的方式，将这些都用直线拟合，得到最后的左右车道线。
good_leftlines = choose_lines(lefts, 0.1) # 左边优化处理后的点
good_rightlines = choose_lines(rights, 0.1) # 右边优化处理后的点
leftpoints = [(x1,y1) for left in good_leftlines for x1,y1,x2,y2 in left]
leftpoints = leftpoints+[(x2,y2) for left in good_leftlines for x1,y1,x2,y2 in left]
rightpoints = [(x1,y1) for right in good_rightlines for x1,y1,x2,y2 in right]
rightpoints = rightpoints+[(x2,y2) for right in good_rightlines for x1,y1,x2,y2 in right]
lefttop = clac_edgepoints(leftpoints,325,src.shape[0]) # 左右车道线的端点
righttop = clac_edgepoints(rightpoints,325,src.shape[0])
src6 = np.zeros_like(src5)
cv2.line(src6,lefttop[0],lefttop[1],linecolor,linewidth)
cv2.line(src6,righttop[0],righttop[1],linecolor,linewidth)
cv2.imshow('onlylane',src6)
其效果如图5.17所示。
图5.17 画出车道线
7．图像合成
将所画的车道线与原图像进行叠加，得到合成的图像。
src7 = cv2.addWeighted(src1,0.8,src6,1,0)
cv2.imshow('Finally Image',src7)
其效果如图5.18所示。
图5.18 合成后的图像
8．完整的无人驾驶汽车车道线检测程序代码
【例5.10】 无人驾驶汽车车道线检测程序。
程序代码如下：
import cv2
import numpy as np
# 读取图片
src = cv2.imread('line.jpg')
# 高斯降噪
src1 = cv2.GaussianBlur(src, (5,5), 0, 0)
# cv2.imshow('gaosi', src1)
# 灰度处理
src2 = cv2.cvtColor(src1, cv2.COLOR_BGR2GRAY)
# cv2.imshow('huidu', src2)
# 边缘检测
lthrehlod = 50
hthrehlod =150
src3 = cv2.Canny(src2, lthrehlod, hthrehlod)
# cv2.imshow('bianyuan', src3)
# ROI划定区间,并将非此区间变成黑色
regin = np.array([[(0,src.shape[0]), (460,325),
(520,325),(src.shape[1], src.shape[0])]])
mask = np.zeros_like(src3)
mask_color = 255 # src3图像的通道数是1，且是灰度图像，所以颜色值为0～255
cv2.fillPoly(mask,regin, mask_color)
src4 = cv2.bitwise_and(src3, mask)
# cv2.imshow('bianyuan', src4)
# 利用霍夫变换原理找出图中的像素点组成的直线，然后画出来
rho = 1
theta = np.pi/180
threhold =15
minlength = 40
maxlengthgap = 20
lines = cv2.HoughLinesP(src4, rho, theta, threhold, np.array([]),
minlength, maxlengthgap)
# 画线
linecolor =[0, 255, 255]
linewidth = 4
src5 = cv2.cvtColor(src4, cv2.COLOR_GRAY2BGR) # 转换为三通道的图像
lefts =[]
rights =[]
for line in lines:
for x1,y1,x2,y2 in line:
# cv2.line(src5,(x1,y1),(x2,y2),linecolor,linewidth)
# 分左右车道
k = (y2-y1)/(x2-x1)
if k<0:
lefts.append(line)
else:
rights.append(line)
# 优化处理
def choose_lines(lines,threhold): # 过滤斜率差别较大的点
slope =[(y2-y1)/(x2-x1) for line in lines for x1,x2,y1,y2 in line]
while len(lines) >0:
mean = np.mean(slope) # 平均斜率
diff = [abs(s- mean) for s in slope]
idx = np.argmax(diff)
if diff[idx] > threhold:
slope.pop(idx)
lines.pop(idx)
else:
break
return lines
def clac_edgepoints(points,ymin,ymax): # 寻找直线的端点
x = [p[0] for p in points ]
y = [p[1] for p in points ]
k = np.polyfit(y, x, 1)
func = np.poly1d(k)
xmin = int(func(ymin))
xmax = int(func(ymax))
return [(xmin,ymin),(xmax,ymax)]
good_leftlines = choose_lines(lefts, 0.1) # 处理后的点
good_rightlines = choose_lines(rights, 0.1)
leftpoints = [(x1,y1) for left in good_leftlines
for x1,y1,x2,y2 in left]
leftpoints = leftpoints+[(x2,y2) for left in good_leftlines
for x1,y1,x2,y2 in left]
rightpoints = [(x1,y1) for right in good_rightlines
for x1,y1,x2,y2 in right]
rightpoints = rightpoints+[(x2,y2) for right in good_rightlines
for x1,y1,x2,y2 in right]
lefttop = clac_edgepoints(leftpoints,325,src.shape[0]) # 左车道线的端点
righttop = clac_edgepoints(rightpoints,325,src.shape[0]) # 右车道线的端点
src6 = np.zeros_like(src5)
cv2.line(src6, lefttop[0], lefttop[1], linecolor, linewidth)
cv2.line(src6, righttop[0], righttop[1], linecolor, linewidth)
#cv2.imshow('onlylane',src6)
# 图像叠加
src7 = cv2.addWeighted(src1, 0.8, src6, 1, 0)
cv2.imshow('Finally Image', src7)
cv2.waitKey(16000) # 等待图片的关闭
cv2.destroyAllWindows() # 关闭和销毁图片窗口
习 题 5
1. 绘制一个带阴影的小矩形块。
2. 设计一个图片浏览器，单击“上一张”按钮，则显示前一张图片；单击“下一张”按钮，则显示后一张图片。
3. 编写一个程序，显示图像的轮廓，如图5.19所示。
(a) 原图 (b) 轮廓图
图5.19 显示图像的轮廓