Python庫函數在圖像處理算法中的實現

Python 是一種非常流行的編程語言，它有許多庫可以用于圖像處理。其中，最常用的庫之一是 OpenCV（全稱：Open Source Computer Vision Library），它提供了大量的圖像處理功能。

下面是一些 Python 庫函數在圖像處理算法中的實現：

1. 讀取和顯示圖像

使用 OpenCV 的 imread() 函數可以讀取圖像文件，然后使用 imshow() 函數將圖像顯示出來。例如：

import cv2

# 讀取圖像
image = cv2.imread("example.jpg")

# 顯示圖像
cv2.imshow("Image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 圖像縮放

使用 OpenCV 的 resize() 函數可以對圖像進行縮放。例如：

import cv2

# 讀取圖像
image = cv2.imread("example.jpg")

# 縮放圖像
scale_percent = 60 # 縮放比例
width = int(image.shape[1] * scale_percent / 100)
height = int(image.shape[0] * scale_percent / 100)
dim = (width, height)
resized = cv2.resize(image, dim, interpolation = cv2.INTER_AREA)

# 顯示縮放后的圖像
cv2.imshow("Resized Image", resized)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 圖像平滑

使用 OpenCV 的 GaussianBlur() 函數可以對圖像進行高斯平滑。例如：

import cv2

# 讀取圖像
image = cv2.imread("example.jpg")

# 高斯平滑
kernel_size = (5, 5) # 卷積核大小
sigma = 2 # 方差
blurred = cv2.GaussianBlur(image, kernel_size, sigma)

# 顯示平滑后的圖像
cv2.imshow("Blurred Image", blurred)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 邊緣檢測

使用 OpenCV 的 Canny() 函數可以對圖像進行邊緣檢測。例如：

import cv2

# 讀取圖像
image = cv2.imread("example.jpg")

# 轉換為灰度圖像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 邊緣檢測
edges = cv2.Canny(gray, 50, 150)

# 顯示邊緣檢測結果
cv2.imshow("Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

這只是 OpenCV 提供的一些基本功能，還有更多的功能等待你去探索。希望這些例子能夠幫助你理解如何使用 Python 庫函數在圖像處理算法中實現各種功能。