image模块为Image对象提供了histeq()方法，用于对图像进行直方图均衡处理，histeq()方法如下所示：
image.histeq(adaptive=False, clip_limit=-1)
histeq()方法用于对图像进行直方图均衡处理，直方图均衡处理能够使得图像中的对比度和亮度标准化。
adaptive指的是是否使用自适应直方图均衡算法，自适应直方图均衡算法通常比非自适应直方图均衡算法效果更好，但需要更长的运行时间，当为False时，使用非自适应直方图均衡算法，当为True时，使用自适应直方图均衡算法，默认为False。
clip_limit指的是自适应均衡对比度，默认为-1。
histeq()方**返回经过处理的Image对象。
histeq()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
img.histeq(adaptive=True, clip_limit=3)
image模块为Image对象提供了gaussian()方法，用于对图像进行模糊滤波处理，gaussian()方法如下所示：
image.gaussian(size, unsharp=False, mul, add=0, threshold=False, offset=0, invert=False, mask)
gaussian()方法用于对图像进行模糊滤波处理，具体的实现方式是使用平滑高斯核对图像进行卷积。
size指的是卷积核的大小，可为1（3*3）、2（5*5）或更高值。
unsharp指的是执行非锐化掩膜操作，从而提高边缘的图像清晰度。
mul指的是用以与卷积结果相乘的数字，若不设置，则使用默认的自动值，该值将放置卷积输出中的缩放，可以进行全局对比度调整。
add指的是用来与每个像素卷积结果相加的数值，可以进行全局亮度调整。
threshold指的是是否开启图像的自适应阈值处理，开启后可以根据环境像素的亮度，将像素设置为1或者0。
offset指的是开启图像的自适应阈值处理后，如何将像素设置为1，若为负数，则会将更多的像素设置为1，若为正数，则仅将最强对比度的像素设置为1。
invert指的是是否反转二进制图像的输出结果。
mask指的是另一个用作绘图操作的像素级掩码的图像，掩码应该是一个只有黑色和白色像素的图像，并且因该与所处理的Image对象具有相同的大小，仅有掩码中设置的像素会被修改。
gaussian()方**返回经过处理的Image对象。
gaussian()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
img.gaussian(2)
image模块为Image对象提供了cartoon()方法，用于对图像进**通滤波处理，cartoon()方法如下所示：
image.cartoon(seed_threshold=0.05, floating_threshold=0.05, mask)
cartoon()方法用于对图像进**通滤波处理，对图像进**通滤波后，还会使用flood-fills算法填充图像中的所有像素区域，通过使图像的所有区域颜色变平来有效地从图像中去除纹理，为了获得最佳效果，图像应具有大量对比度，以使区域不会太容易相互渗透。
seed_threshold指的是填充区域中的像素与原始起始像素的差异。
floating_threshold指的是填充区域中的像素与任何相邻像素的差异。
mask指的是另一个用作绘图操作的像素级掩码的图像，掩码应该是一个只有黑色和白色像素的图像，并且因该与所处理的Image对象具有相同的大小，仅有掩码中设置的像素会被修改。
cartoon()方**返回经过处理的Image对象。
cartoon()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
img.cartoon(seed_threshold=0.2, floating_threshold=0.05)
image模块为Image对象提供了binary()方法，用于对图像进行二值滤波处理，binary()方法如下所示：
image.binary(thresholds, invert=False, zero=False, mask)
binary()方法用于对图像进行二值滤波处理，二值滤波处理后的图像中的所有像素会被设置为黑色或白色。
thresholds指的是阈值列表，方**根据像素值是否在阈值列表中的阈值内，来决定将像素这是为黑色或者白色。
invert指的是是否对阈值进行反转操作。
zero指的是将阈值像素清零，并使不在阈值列表中的像素保持不变。
mask指的是另一个用作绘图操作的像素级掩码的图像，掩码应该是一个只有黑色和白色像素的图像，并且因该与所处理的Image对象具有相同的大小，仅有掩码中设置的像素会被修改。
binary()方**返回经过处理的Image对象。
binary()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
img.binary([(25, 94, -12, 32, -71, -12)], invert=True, zero=True)
image模块为Image对象提供了laplacian()方法，用于对图像进行边缘滤波处理，laplacian()方法如下所示：
image.laplacian(size, sharpen=False, mul, add=0, threshold=False, offset=0, invert=False, mask)
laplacian()方法用于对图像进行边缘滤波处理，具体的实现方式是使用拉普拉斯核对图像进行卷积。
size指的是卷积核的大小，可为1（3*3）、2（5*5）或更高值。
sharpen指的是是否改为锐化想，而不是仅输出未经过阈值处理的边缘检测图像，增加卷积核大小然后增加图像清晰度。
mul指的是用以与卷积结果相乘的数字，若不设置，则使用默认的自动值，该值将放置卷积输出中的缩放，可以进行全局对比度调整。
add指的是用来与每个像素卷积结果相加的数值，可以进行全局亮度调整。
threshold指的是是否开启图像的自适应阈值处理，开启后可以根据环境像素的亮度，将像素设置为1或者0。
offset指的是开启图像的自适应阈值处理后，如何将像素设置为1，若为负数，则会将更多的像素设置为1，若为正数，则仅将最强对比度的像素设置为1。
invert指的是是否反转二进制图像的输出结果。
mask指的是另一个用作绘图操作的像素级掩码的图像，掩码应该是一个只有黑色和白色像素的图像，并且因该与所处理的Image对象具有相同的大小，仅有掩码中设置的像素会被修改。
laplacian()方**返回经过处理的Image对象。
laplacian()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
img.laplacian(1)
image模块为Image对象提供了morph()方法，用于对图像进行卷积处理，morph()方法如下所示：
image.morph(size, kernel, mul, add=1, threshold=False, offset=0, invert=False, mask)
morph()方法用于对图像进行卷积处理，需要提供卷积操作使用的卷积核。
size指的是卷积核的大小，可为1（3*3）、2（5*5）或更高值。
mul指的是用以与卷积结果相乘的数字，若不设置，则使用默认的自动值，该值将放置卷积输出中的缩放，可以进行全局对比度调整。
add指的是用来与每个像素卷积结果相加的数值，可以进行全局亮度调整。
threshold指的是是否开启图像的自适应阈值处理，开启后可以根据环境像素的亮度，将像素设置为1或者0。
offset指的是开启图像的自适应阈值处理后，如何将像素设置为1，若为负数，则会将更多的像素设置为1，若为正数，则仅将最强对比度的像素设置为1。
invert指的是是否反转二进制图像的输出结果。
mask指的是另一个用作绘图操作的像素级掩码的图像，掩码应该是一个只有黑色和白色像素的图像，并且因该与所处理的Image对象具有相同的大小，仅有掩码中设置的像素会被修改。
morph()方**返回经过处理的Image对象。
morph()方法的使用示例如下所示：
import image
kernrl = [
-1, 0, 1,
-2, 0, 2,
-1, 0, 1
]
img = image.Image(size=(320, 240))
img.morph(1, kernrl)
image模块为Image对象提供了negate()方法，用于对图像进行像素翻转处理，negate()方法如下所示：
image.negate()
negate()方法用于对图像进行像素翻转处理，处理的速度非常快速，且能够对每个颜色通道的像素值进行数值转换。
negate()方**返回经过处理的Image对象。
negate()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
img.negate()
image模块为Image对象提供了rotation_corr()方法，用于对图像进行透视矫正处理，rotation_corr()方法如下所示：
image.rotation_corr(x_rotation=0, y_rotation=0, z_rotation=0, x_translation=0, y_translation=0, zoom=1, fov=60, corners)
roataion_corr()方法用于对图像进行透视矫正处理，通过对图像进行三维旋转来纠正图像中的透视问题。
x_rotation、y_rotation和z_rotation指的是图像绕X、Y和Z轴旋转的角度度数，即分别对应上下旋转、左右旋转和平面旋转。
x_translation和y_translation指的是图像旋转后沿X或Y转平移的单位数，因为转换应用于三维空间，因此单位并不是像素。
zoom指的是图像缩放的倍数，默认为1。
fov指的是在进行二维到三维投影时，在三维空间旋转图像之前内部使用的视场，当这个值接近0时，图像将被放置在距离视口无限远的地方，当这个值接近180时，图像将被放置在视口中，通常，不应该改变这个参数的默认值，但可以通过修改它来改变二维到三维的映射效果。
corners指的是一个拥有四个(x, y)tuples的list，代表四个corner用来创建四点对应单应性,将第一个corner映射到(0, 0)，第二个corner(image_width-1, 0)，第三个corner(image_width-1, image_height-1)和第四个corner(0, image_height-1)，然后在图像被重新映射后应用三维旋转旋转，这个参数允许使用rotation_corr()方法来做一些事情，比如鸟瞰图转换。
rotation_corr()方**返回经过处理的Image对象。
rotation_corr()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
target_point = [
(-50, -50),
(img.width()-1, 0),
(img.width()-1+50, img.height()-1+50),
(0, img.height()-1)
]
img.rotation_corr(corners=target_point)
image模块为Image对象提供了replace()方法，用于对图像进行镜像和翻转处理，replace()方法如下所示：
image.replace(hmirror=False, vflip=False, mask)
replace()方法用于对图像进行镜像和翻转处理。
hmirror指的是是否对图像进行水平镜像处理。
vflip指的是是否对图像进行垂直翻转处理。
mask指的是另一个用作绘图操作的像素级掩码的图像，掩码应该是一个只有黑色和白色像素的图像，并且因该与所处理的Image对象具有相同的大小，仅有掩码中设置的像素会被修改。
replace()方**返回经过处理的Image对象。
replace()方法的使用示例如下所示：
import image
img = image.Image(size=(320, 240))
img.replace(hmirror=True)
1. 获取摄像头输出的图像，并使用image模块对图像进行一些处理后，将图像显示在LCD上。
from board import board_info
from fpioa_manager import fm
from maix import GPIO
import time
import lcd
import sensor
import gc
lcd.init()
sensor.reset()
sensor.set_framesize(sensor.QVGA)
sensor.set_pixformat(sensor.RGB565)
sensor.set_hmirror(False)
type = 0
type_dict = {
0: "Normal",
1: "Adaptive Histogram Equalization",
2: "Blur",
3: "Cartoon",
4: "Binary",
5: "Edge",
6: "Kernel",
7: "Negative",
8: "Perspective Correction",
9: "Mirror & Flip"
}
fm.register(board_info.KEY0, fm.fpioa.GPIOHS0)
key0 = GPIO(GPIO.GPIOHS0, GPIO.IN, GPIO.PULL_UP)
def key_irq_handler(key):
global key0
global type
time.sleep_ms(20)
if key is key0 and key.value() == 0:
type = type + 1
if type == len(type_dict):
type = 0
key0.irq(key_irq_handler, GPIO.IRQ_FALLING, GPIO.WAKEUP_NOT_SUPPORT, 7)
while True:
img = sensor.snapshot()
if type == 0:
# 原图
pass
elif type == 1:
# 直方图均衡
img.histeq(adaptive=True, clip_limit=3)
elif type == 2:
# 模糊滤波
img.gaussian(2)
elif type == 3:
# 卡通滤波
img.cartoon(seed_threshold=0.2, floating_thresholds=0.05)
elif type == 4:
# 二值滤波
img.binary([(25, 94, -12, 32, -71, -12)], invert=True, zero=True)
elif type == 5:
# 边缘滤波
img.laplacian(1)
elif type == 6:
kernrl = [
-1, 0, 1,
-2, 0, 2,
-1, 0, 1
]
# 图像卷积
img.morph(1, kernrl)
elif type == 7:
# 像素翻转
img.negate()
elif type == 8:
target_point = [
(-50, -50),
(img.width()-1, 0),
(img.width()-1+50, img.height()-1+50),
(0, img.height()-1)
]
# 透视矫正
img.rotation_corr(corners=target_point)
elif type == 9:
# 镜像和翻转
img.replace(hmirror=True, vflip=True)
else:
type = 0
img.draw_string(10, 10, type_dict[type], color=(255, 0, 0), scale=1.6)
lcd.display(img)
gc.collect()
楼主
标题置顶
标题高亮
