图像处理入门 100 题，有人把它翻译成了中文版！

更新时间：2022-05-21 03:42:21

之前，我发文推荐过一份图像处理入门 100 题，主要针对图像处理的一些基本操作，非常适合入门！

但是，这份资源教程是由日本人写的，日文版，读起来非常不方便。好消息，最近我在逛 GitHub 的时候，发现有人将这份教程翻译成了中文版。该项目包含了 CV 领域，OpenCV 图像处理入门 100 题实例解析，并配备完整的 Pyhon 代码。

首先，放上原版日文地址：

https://github.com/yoyoyo-yo/Gasyori100knock

对应的中文版翻译地址：

https://github.com/gzr2017/ImageProcessing100Wen

图像处理入门 100 题，有人把它翻译成了中文版！

Tutorial

图像处理入门 100 题，有人把它翻译成了中文版！

这部分的极简教程主要是介绍图像处理开源库 OpenCV 的安装，读取、显示图像、操作像素等一些基本操作。分为 Python 版和 C++ 两种形式。

作者推荐了 OpenCV 的极简安装方法：

1. 安装 MiniConda

地址：https://conda.io/miniconda.html

2. 创建虚拟环境并激活

$ conda create python = 3.6  -  n gasyori 100
$ source actiavte gasyori 100

3. 安装包

$ pip install -r requirement.txt

其中，requirement.txt 文件在项目根目录下，下载至命令行所在目录直接运行上述命令即可。

该项目总共包含了 100 道图像处理入门题，下面分别来看一下！

问题 1-10

图像处理入门 100 题，有人把它翻译成了中文版！

这部分提供了 Python 和 C++ 两种形式。例如看中值滤波算法。

Python：

import cv2
import numpy as np
# Read image
img = cv2.imread("imori_noise.jpg")
H, W, C = img.shape
# Gaussian Filter
K_size = 3
sigma = 1.3
## Zero padding
pad = K_size // 2
out = np.zeros((H + pad*2, W + pad*2, C), dtype=np.float)
out[pad:pad+H, pad:pad+W] = img.copy().astype(np.float)
## Kernel
K = np.zeros((K_size, K_size), dtype=np.float)
for x in range(-pad, -pad+K_size):
    
    for y in range(-pad, -pad+K_size):
        K[y+pad, x+pad] = np.exp( -(x**2 + y**2) / (2* (sigma**2)))
K /= (sigma * np.sqrt(2 * np.pi))
K /= K.sum()
tmp = out.copy()
for y in range(H):
    for x in range(W):
        for c in range(C):
            out[pad+y, pad+x, c] = np.sum(K * tmp[y:y+K_size, x:x+K_size, c])
out = out[pad:pad+H, pad:pad+W].astype(np.uint8)
# Save result
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

C++ 版：

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <math.h>
// gaussian filter
cv::Mat gaussian_filter(cv::Mat img, double sigma, int kernel_size){
  int height = img.rows;
  int width = img.cols;
  int channel = img.channels();
  // prepare output
  cv::Mat out = cv::Mat::zeros(height, width, CV_8UC3);
  // prepare kernel
  int pad = floor(kernel_size / 2);
  int _x = 0, _y = 0;
  double kernel_sum = 0;
  
  // get gaussian kernel
  float kernel[kernel_size][kernel_size];
  for (int y = 0; y < kernel_size; y++){
    for (int x = 0; x < kernel_size; x++){
      _y = y - pad;
      _x = x - pad;
      kernel[y][x] = 1 / (2 * M_PI * sigma * sigma) * exp( - (_x * _x + _y * _y) / (2 * sigma * sigma));
      kernel_sum += kernel[y][x];
    }
  }
  for (int y = 0; y < kernel_size; y++){
    for (int x = 0; x < kernel_size; x++){
      kernel[y][x] /= kernel_sum;
    }
  }
  
  // filtering
  double v = 0;
  
  for (int y = 0; y < height; y++){
    for (int x = 0; x < width; x++){
      for (int c = 0; c < channel; c++){
      v = 0;
      for (int dy = -pad; dy < pad + 1; dy++){
        for (int dx = -pad; dx < pad + 1; dx++){
          if (((x + dx) >= 0) && ((y + dy) >= 0)){
            v += (double)img.at<cv::Vec3b>(y + dy, x + dx)[c] * kernel[dy + pad][dx + pad];
          }
        }
      }
      out.at<cv::Vec3b>(y, x)[c] = v;
      }
    }
  }
  return out;
}
int main(int argc, const char* argv[]){
  // read image
  cv::Mat img = cv::imread("imori_noise.jpg", cv::IMREAD_COLOR);
  // gaussian filter
  cv::Mat out = gaussian_filter(img, 1.3, 3);
  
  //cv::imwrite("out.jpg", out);
  cv::imshow("answer", out);
  cv::waitKey(0);
  cv::destroyAllWindows();
  return 0;
}