Resumen Capitulo 2: OpenCV 3.x with Python By Example by Gabriel Garrido, Prateek Joshi

[pic 1][pic 2]

[pic 3][pic 4][pic 5]

Introducción.

Este capitulo va a tratar de aplicar efectos visuales a las imágenes que queramos, desde detección de bordes que la imagen tenga, hasta filtros sencillos a la imagen como resaltar varios aspectos específicos de la imagen o darle énfasis a una determinada zona de la imagen.

Desarrollo.

# Andoni Cardenas Alonso 18310437

# Blurring

import cv2

import numpy as np

img = cv2.imread('images/c83ce45.png')

filas, columnas = img.shape[:2]

identidad_kernel = np.array([[0, 0, 0], [0, 1, 0], [0, 0, 0]])

kernel_3x3 = np.ones((3, 3), np.float32) / 9.0   # Divide by 9 to normalize the kernel

kernel_5x5 = np.ones((5, 5), np.float32) / 25.0  # Divide by 25 to normalize the kernel

cv2.imshow('Original', img)

[pic 8]

output = cv2.filter2D(img, -1, identidad_kernel)  # (imagen a editar, para mantener la profundidad de la imagen original

cv2.imshow('Indentidad de kernel', output)  # operacion a realizar)

[pic 9]

output = cv2.filter2D(img, -1, kernel_3x3)

cv2.imshow('Filtro 3x3', output)

[pic 10]

output = cv2.filter2D(img, -1, kernel_5x5)  # Entre mayor sea la identidad de kerner

cv2.imshow('Filtro 5x5', output)  # mas efecto blur obtienen las imágenes

[pic 11]

cv2.waitKey(0)

output = cv2.blur(img, (3,3))  # Para no escribir las identidades kernel individualmente tenemos esta funcion

cv2.imshow('Filtro 3x3 con funcion', output)

[pic 12]

cv2.waitKey(0)

cv2.destroyAllWindows()

# Motion blur (como si tomaramos la imagen en movimiento)

img = cv2.imread('images/c83ce45.png')

cv2.imshow('Original', img)

[pic 13]

tam = 15

kernel_motion_blur = np.zeros((tam, tam))  # Generar el Kernel

kernel_motion_blur[int((tam-1)/2), :] = np.ones(tam)

kernel_motion_blur = kernel_motion_blur / tam

output = cv2.filter2D(img, -1, kernel_motion_blur)  # Aplicando el kernel a la imagen de entrada

cv2.imshow('Motion Blur', output)

[pic 14]

cv2.waitKey()

cv2.destroyAllWindows()

# Sharpening ("Afilar" la imagen)

img = cv2.imread('images/c83ce45.png')

cv2.imshow('Original', img)

[pic 15]

kernel_sharpen_normal = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])  # generamos los kernels

kernel_sharpen_agresivo = np.array([[1,1,1], [1,-7,1], [1,1,1]])

kernel_sharpen_3 = np.array([[-1,-1,-1,-1,-1],[-1,2,2,2,-1],[-1,2,8,2,-1],[-1,2,2,2,-1],[-1,-1,-1,-1,-1]]) / 8.0

...