Pengenalan
Perpustakaan Visi Komputer Sumber Terbuka (OpenCV) menawarkan alat pengaturcaraan yang tersedia secara percuma untuk mengendalikan input visual seperti imej atau fail video. Ia mengandungi banyak fungsi sedia untuk digunakan, yang boleh diakses melalui bahasa pengaturcaraan yang berbeza. Contoh yang saya siarkan di sini menggunakan python. Oleh itu, jika anda ingin memahami kod anda memerlukan pengetahuan asas tentang python dan NumPy sekurang-kurangnya. Jika anda sedang mencari pengenalan kepada OpenCV, pautan ini mungkin agak berharga: [https://dev.to/arpitmandliya/opencv-python-tutorial-3dac].

Cara piksel membuat imej
Dalam kebanyakan kes imej komputer adalah berdasarkan model RGB (BGR dalam Opencv). Ini bermakna warna piksel ialah gabungan komponen Red, Green dan Blue. Terdapat juga model lain (cth., Hue, Saurasi dan Value) dan grafik vektor (SVG atau PDF) tetapi saya tidak akan menerangkannya mereka di sini.

Imej pada komputer boleh digambarkan sebagai koleksi piksel, yang mengandungi maklumat warna. Dalam istilah yang lebih teknikal, imej ialah tatasusunan tiga dimensi (atau matriks piksel dengan tiga saluran warna) dengan dua dimensi pertama menentukan saiz (tinggi dan lebar) imej dan dimensi ketiga mengandungi nilai merah, hijau. dan biru (setiap warna dengan nilai antara 0 hingga 255) . Jika imej hanya mempunyai satu saluran warna (imej 8 bit) ia adalah imej skala kelabu dengan nilai kelabu yang berbeza antara 0 (hitam) hingga 255 (putih). Rajah 1 menggambarkannya.

Rajah 1: Imej diwakili sebagai tatasusunan. Di sebelah kanan ialah contoh imej berwarna, dengan nilai untuk Merah, Hijau dan Biru berjulat dari 0 hingga 255 (0,0,255 ialah biru). Di sebelah kiri ialah imej skala kelabu dengan saluran tunggal yang mewakili warna kelabu yang berbeza.

Menukar maklumat warna menjadi titik bersaiz berbeza
Prinsip yang dibincangkan di atas boleh digunakan untuk melaksanakan penyuntingan imej dalam Python menggunakan perpustakaan NumPy dan OpenCV. Dalam contoh ini, saya menggunakan gelung untuk memproses imej yang diwakili sebagai tatasusunan NumPy. Gelung tidak berulang pada setiap piksel dalam imej tetapi melangkau piksel pada selang masa yang tetap (cth., ia memproses setiap piksel ke-10). Nilai skala kelabu pada setiap piksel yang diproses digunakan untuk menentukan saiz titik (mis., nilai skala kelabu 100 sepadan dengan saiz titik tertentu). Titik-titik ini kemudian dilukis pada salinan kosong imej asal, menggunakan maklumat warna daripada imej asal. Secara ringkasnya, saya mencipta salinan imej yang mana titik-titik dengan saiz yang berbeza-beza dilukis berdasarkan maklumat warna piksel asal (lihat Rajah 2).

Rajah 2: Untuk melukis titik maklumat warna piksel dalam imej asal digunakan. Untuk menentukan saiz titik, versi skala kelabu imej asal digunakan.

Di bawah anda temui kod dan kemungkinan hasil ditunjukkan dalam Rajah 3.

import numpy as np
import cv2

# load an image; image has to be in working directory when giving no path information 
img = cv2.imread('FlowerPower.jpg',cv2.IMREAD_UNCHANGED)
# show the dimensions of the image array
print(img.shape)

# choose a resizing factor for the whole image; to depict it on computer screen
resizing = .2
#convert original image to greyscale image
img_grey = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# make a copy of the orignal image 
img_output = img.copy()

# make a white canvas by assigning the color white (255,255, 255) to each pixel
# [:,:] covers all values of the first and second array dimension
img_output[:,:] = [255,255,255] # or with black [0,0,0] or any other color

# Settings for looping over the image
step_width = 40 # steps of loop; here: every 30th pixel
# - 1 fills circle that is drawn onto output image; positive value define
# line thickness of circle
thickness = -1 
perc = .2 # size factor for drawing circles/dots onto output image

# for loops running over the first two dimensions of the array (width and height) 
# step_width defines which pixels are included
for i in range(2,  img.shape[0] - step_width,  step_width):
    for u in range(2,  img.shape[1] - step_width,  step_width):        
        # radius (dot size) is based on the value of greyscale version of original image
        # at the current index; e.g., pixel at i = 10, u = 30 might have 123
        # perc variable modifies dot size 
        radius = int((255-img_grey[i,u])*perc) +1 
        if radius <= 0:
            radius +=1
        # take color from pixel at position [i,u] of original image
        # e.g., i = 10, u = 30 might have [123,0,61] 
        color = img[i,u].astype(int).tolist()
        # draw a circle on output image using dot size based on greyscale 
        # value with color of original image   
        cv2.circle(img_output, (u,i), radius, color, thickness)

# resize images, so they are not too big for computerscreen
# based on the resizing variable defined at the top of the page        
img_size = img.shape        
img_sm =  cv2.resize(img,(int(img_size[1]*resizing), int(img_size[0]
                         * resizing)), interpolation = cv2.INTER_CUBIC)
# open window that shows original image
cv2.imshow("Original", img_sm)
img_output_sm =  cv2.resize(img_output,(int(img_size[1]*resizing), int(img_size[0]*
                              resizing)), interpolation = cv2.INTER_CUBIC)
# show the dotted image
cv2.imshow("Dotted Image", img_output_sm)

Rajah 3: Di sebelah kanan imej asal ditunjukkan dan di sebelah kiri versi bertitik berdasarkan kod yang dibentangkan di sini ditunjukkan.

Saya harap saya membentangkan kod itu dengan cara yang komprehensif dan seseorang mungkin mendapati ia berguna. Main-main dengannya, jika anda suka. Gantikan bulatan dengan segi empat tepat, pilih saiz bulatan yang berbeza, tukar nilai dalam lebar langkah gelung dsb. dan lihat apa yang berlaku.

Atas ialah kandungan terperinci Membuat lukisan pointillism mudah menggunakan OpenCv.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!