前言
仅记录学习过程，有问题欢迎讨论
正好这段时间有空学习一下CV。
可能使用到的包
可以通过Anaconda直接install，不行就PIP install xxx
- Python 3.6
- scikit-image
- numpy
- matplotlib
- pillow
- opencv-python
我安装opencv遇到了一点麻烦，可以参考这个博客：
https://blog.csdn.net/2401_84972776/article/details/138936195
数字图像
像素：
像素是分辨率的单位。
像素是构成位图图像最基本的单元，每个像素都有自己的颜色！
分辨率：
单位英寸内的像素点个数越多，分辨率越大，越高清分辨率是衡量图像质量的重要指标，通常以像素为单位，如1024x768、1920x1080等。分辨率越高，图像越清晰，细节越丰富。
RGB模型：三原色通道：
- 单通道：每个像素只有一个通道，即灰度值，灰度值范围通常为0-255，0表示黑，255表示白，中间值表示不同深度的灰色。
- 三通道（三张图片叠在一起）：RGB模型，可以表示彩色，0表示黑色（计算量也是单通道的3倍，边缘可以转为单通道减少极计算量）
- 四通道：在RGB的基础上增加了一个透明度通道，即RGBA模型，可以表示透明度。
对比度：
不同颜色的差别，最大灰度/最小灰度
通道转化代码
"""
手动实现RGB 2 Gray 实现二值化
"""
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('test.png')
# 转为灰度图【cv接口】
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.imshow(gray, cmap='gray')
print("---image gray----")
print(gray)
plt.show()
# 手动实现RGB 2 Gray === B R G
gray2 = img[:, :, 0] * 0.114 + img[:, :, 1] * 0.587 + img[:, :, 2] * 0.299
#展示
plt.imshow(gray2, cmap='gray')
plt.show()
# 手动实现二值化(需要先转化为灰度 单通道 再转化为黑白的)
img1 = gray2
img1[img1 > 127] = 255
img1[img1 <= 127] = 0
plt.imshow(img1, cmap='gray')
plt.show()