Python-OpenCV API

参考资料

视频
这些博客就是搭配上面那个视频使用的
这篇也是这个视频的，这个比较齐
参考1
实例参考

cv2.namedWindow

详解

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 600, 800)  # 自己设定窗口图片的大小
img=cv2.imread("./pic/bank.png",0)#0表示灰度图方式读取图片 1表示以RGB方式读取 -1直接读取原图不做任何改变
cv2.imshow('img', img)#显示在img这个窗体中

img=cv2.imread("./pic/bank.png",1)#0表示灰度图方式读取图片 1表示以RGB方式读取，忽略alpha通道（默认） -1直接读取原图不做任何改变
cv2.imshow('RGB', img)

img=cv2.imread("./pic/bank.png",-1)#0表示灰度图方式读取图片 1表示以RGB方式读取 -1直接读取原图不做任何改变
cv2.imshow('original drawing', img)

cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

用微信截图功能就能看到bank的大小就是600×800

cv2.imread

注意读取的图片不能是中文的 不然会报错
cv2.imread(filepath,flags)
1、参数说明：

• filepath：要读入图片的完整路径
• flags：读入图片的标志

2、flag

• cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道 1
• cv2.IMREAD_GRAYSCALE：读入灰度图片 0
• cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道 ** **

alpha通道是一个8位的灰度通道，该通道用256级灰度来记录图像中的透明度复信息，定义透明、不透明和半透明区域，其中黑表示全透明，白表示不透明，灰表示半透明。

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 600, 800)  # 自己设定窗口图片的大小
img=cv2.imread("./pic/bank.png",0)#0表示灰度图方式读取图片 1表示以RGB方式读取 -1直接读取原图不做任何改变
cv2.imshow('img', img)#显示在img这个窗体中

img=cv2.imread("./pic/bank.png",1)#0表示灰度图方式读取图片 1表示以RGB方式读取，忽略alpha通道（默认） -1直接读取原图不做任何改变
cv2.imshow('RGB', img)

img=cv2.imread("./pic/bank.png",-1)#0表示灰度图方式读取图片 1表示以RGB方式读取 -1直接读取原图不做任何改变
cv2.imshow('original drawing', img)

cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

用微信截图功能就能看到bank的大小就是600×800

cv2.cvtColor

颜色转换

cv2.cvtColor(input_image, flag)
1

• input_image：需要转换的图片
• flag：转换类型，灰度cv2.COLOR_BGR2GRAY
• 返回值：转换后的图片

cv2.imshow()

cv2.imShow()函数可以在窗口中显示图像。该窗口和图像的原始大小自适应（自动调整到原始尺寸）。

• 第一个参数是一个窗口名称（也就是我们对话框的名称），它是一个字符串类型。
• 第二个参数是我们的图像。
• 您可以创建任意数量的窗口，但必须使用不同的窗口名称。

cv2.waitKey(0)

• 是一个和键盘绑定的函数，它的作用是等待一个键盘的输入（因为我们创建的图片窗口如果没有这个函数的话会闪一下就消失了，所以如果需要让它持久输出，我们可以使用该函数）。
• 它的参数是毫秒级。该函数等待任何键盘事件的指定毫秒。如果您在此期间按下任何键，程序将继续进行。我们也可以将其设置为一个特定的键。
• 设置 waitKey(0) , 则表示程序会无限制的等待用户的按键事件（任意按键）

cv2.destroyALLWindows()

• 销毁我们创建的所有窗口。
• 如果要销毁特定窗口，使用函数cv2.destroyWindow()，其中传递确切的窗口名称作为参数。(应该是使用创建窗口时所使用的窗口名称，字符串类型。)

创建一个窗口，图片显示在其中

先创建一个窗口，之后在需要的时候将图像加载到该窗口。

def imshowing (img):
    cv2.namedWindow('img', cv2.WINDOW_NORMAL)#cv2.WINDOW_Normal，则可以调整窗口的大小。
    cv2.resizeWindow('img', 600,800)  # 自己设定窗口的大小 图片在其中显示 不会改变其像素个数
    cv2.imshow('img', img)
    print(img.shape)#元素个数
    cv2.waitKey(0)

1
2
3
4
5
6
7

cv2.namedWindow()函数可以指定窗口是否可以调整大小。

• 在默认情况下，标志为cv2.WINDOW_AUTOSIZE。
• 但是，如果指定标志为cv2.WINDOW_Normal，则可以调整窗口的大小。

cv2.imwrite

详解
函数 cv2.imwrite() 用于将图像保存到指定的文件。

retval = cv2.imwrite(filename, img [, paras])
1

1、参数

• filename：要保存的文件的路径和名称，包括文件扩展名
• img：要保存的 OpenCV 图像，nparray 多维数组
• paras：不同编码格式的参数，可选项（一般可以不填这项，如果要填的话可以看上面的详解，里面有详解）

cv2.resize

图片缩放

cv2.resize(InputArray src, OutputArray dst, Size, fx, fy, interpolation)
1

1.输出尺寸格式为（宽，高）
2.默认的插值方法为：双线性插值

import cv2 as cv

# 读入原图片
img = cv.imread('./pic/bank.png')
# 打印出图片尺寸
print(img.shape)
# 将图片高和宽分别赋值给x，y
x, y = img.shape[0:2]

# 显示原图
cv.imshow('OriginalPicture', img)

# 缩放到原来的二分之一，输出尺寸格式为（宽，高）
img_test1 = cv.resize(img, (int(y / 2), int(x / 2)))
cv.imshow('resize0', img_test1)


# 最近邻插值法缩放
# 缩放到原来的四分之一
img_test2 = cv.resize(img, (0, 0), fx=0.25, fy=0.25, interpolation=cv.INTER_NEAREST)
cv.imshow('resize1', img_test2)
cv.waitKey()
cv.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

注：如果要缩小图像，建议选择：cv2.INTER_AREA；如果要放大图像，cv2.INTER_CUBIC效果更好但是速度慢，cv2.INTER_LINEAR效果尚可且速度快。进行缩放时， dsize和fx、fy 二选一即可。

cv2.medianBlur

中值滤波详解，里面有实例可以看下

dst=cv2.medianBlur（src,ksize）

• dst是返回值，表示进行中值滤波后得到的处理结果。
• src 是需要处理的图像，即源图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F中的一种。
• ksize 是滤波核的大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。需要注意，核大小必须是比1大的奇数，比如3、5、7等。

cv2.threshold()

阈值的作用是根据设定的值处理图像的灰度值，比如灰度大于某个数值像素点保留。通过阈值以及有关算法可以实现从图像中抓取特定的图形，比如去除背景等。

th,res=cv2.threshold (src, thresh, maxval, type)

• src：源图片，必须是单通道
• thresh：阈值，取值范围0～255
• maxval：填充色，取值范围0～255
• type：阈值类型，具体见下表
  
• th：和thresh一样
• res：经处理后的图片

详解与示例

cv2.findContours()轮廓检测

详解

binary, countours, hierarchy=cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])  
1

1、binary：寻找轮廓的图像
2、mode：表示轮廓的检索模式，有四种：

• cv2.RETR_EXTERNAL表示只检测外轮廓
• cv2.RETR_LIST检测的轮廓不建立等级关系
• cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
• cv2.RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。用这个就好了。说白了 这个就是将所有轮廓都存下来了，以后想用哪个就直接调就行了。

3、method：为轮廓的近似（逼近）办法

• cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
• cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。

4、返回值

• cv2.findContours()函数首先返回一个list，list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示。（新版已经没有这个返回值了，其实也用不到这个）
• 轮廓本身
• 每条轮廓对应的属性。

5、注意点

• 需要注意的是cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图
• findcontours函数会“原地”修改输入的图像。这一点可通过下面的语句验证，执行这些语句后会发现原图被修改了。

cv2.imshow("binary", binary)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow("binary2", binary)
1
2
3

• 新版只有两个返回值
  

import cv2

def imshowing (img):
    cv2.namedWindow('img', cv2.WINDOW_NORMAL)
    cv2.resizeWindow('img', 545,408)  # 自己设定窗口图片的大小
    cv2.imshow('img', img)
    cv2.waitKey(0)

img = cv2.imread('../pic/newxiaoyuan.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#灰度
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)#二值

#cv2.RETR_TREE：将所有轮廓都存下来了，以后想用哪个就直接调就行了。
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

draw_img1=img.copy();#注意要用copy 不然draw是会在原图上操作 且会将其保存下来
cv2.drawContours(draw_img1, contours, -1, (0, 0, 255), 3)#最后一个三就是线条的宽度
imshowing(draw_img1)

#算轮廓1的面积 与轮廓的周长
draw_img2=img.copy()
cv2.drawContours(draw_img2, contours,0 , (0, 0, 255), 3)#最后一个三就是线条的宽度
imshowing(draw_img2)
cnt=contours[0]
print(cv2.contourArea(cnt))
print(cv2.arcLength(cnt,True))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

cv2.drawContours 轮廓的绘制

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])  
1

• image：指明在哪幅图像上绘制轮廓；
• contours：轮廓本身，在Python中是一个list；
• contourIdx：指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。
• 后面的参数很简单。其中thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。

轮廓面积与周长

cv2.contourArea()、cv2.arcLength（）
轮廓面积与周长

//c#
double cnt = Cv2.ContourArea(contours[i]);
1
2

#算轮廓1的面积 与轮廓的周长
draw_img2=img.copy()
cv2.drawContours(draw_img2, contours,0 , (0, 0, 255), 3)#最后一个三就是线条的宽度
imshowing(draw_img2)
cnt=contours[0]
print(cv2.contourArea(cnt))
print(cv2.arcLength(cnt,True))
1
2
3
4
5
6
7

cv2.minMaxLoc()

求矩阵的最小值，最大值，并得到最大值，最小值的索引

import numpy as np
import cv2
a=np.array([[1,2,3,4],[5,67,8,9]])
min_val,max_val,min_indx,max_indx=cv2.minMaxLoc(a)

print(min_val,max_val,min_indx,max_indx)
1
2
3
4
5
6

out:

1.0 67.0 (0, 0) (1, 1)
1

cv2.boundingRect

使用boundingRect最好参数是二值图，这个方法确定是只能找到一个大框，不能分别画出各自的轮廓

x, y, w, h = cv2.boundingRect(cnt)
1

• 用一个最小的矩形，把传递进来的东西给包起来。
• cnt是一个轮廓点集合，也就是它的参数，可以通过cv2.findContours获取。或者是一个二值图
• x，y是矩阵左上点的坐标，w，h是矩阵的宽和高

cv2.rectangle

cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)画出矩形
1

• 和cv2.boundingRect配合着使用 一个找出来 一个画出来
• 第一个参数：img是原图
• 第二个参数：（x，y）是矩阵的左上点坐标
• 第三个参数：（x+w，y+h）是矩阵的右下点坐标
• 第四个参数：（0,255,0）是画线对应的rgb颜色
• 第五个参数：2是所画的线的宽度

import cv2
import numpy as np

#导入图片
bgr_img = cv2.imread("./2.jpg")
#再复制一张
img=bgr_img.copy();
#灰度
gray_img = cv2.cvtColor(bgr_img, cv2.COLOR_BGR2GRAY)
#二值化
th, binary = cv2.threshold(gray_img, 0, 255, cv2.THRESH_OTSU)
cv2.imshow('binary', binary)
cv2.waitKey(0)
#找到轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#在bgr_img中将轮廓画出
cv2.drawContours(bgr_img, contours, -1, (0, 0, 255), 3)
cv2.imshow('bgr_img', bgr_img)
cv2.waitKey(0)

#找出将轮廓包住的最大矩形
bounding_boxes = [cv2.boundingRect(cnt) for cnt in contours]
#将每个轮廓包住的最大矩形画在bgr_img图中（这个图已经有被画好轮廓了）
for bbox in bounding_boxes:
    [x, y, w, h] = bbox
    #这样应该就是一次循环画一个画出每一个
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow("finally", img)
cv2.waitKey(0)

# #直接传入二值图，能找到一个大框，但不能画出各自的轮廓
# x,y,w,h =cv2.boundingRect(binary)
# cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
# cv2.imshow("finally", img)
# cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

Mat.ptr

    cv::Mat image = cv::Mat(400, 600, CV_8UC1); //宽400，长600
    uchar * data00 = image.ptr<uchar>(0);
    uchar * data10 = image.ptr<uchar>(1);
    uchar * data01 = image.ptr<uchar>(0)[1];
1
2
3
4

解释：

• 定义了一个Mat变量image。
• data00是指向image第一行第一个元素的指针。
• data10是指向image第二行第一个元素的指针。
• data01是指向image第一行第二个元素的指针。

注意：

• image.ptr(1);指的不是image中第二个像素，而是第一行第二个像素的指针。
• 使用上面的代码举例：image有400行，有400*600个像素。假设现在你想得到第3行第42个像素的指针

uchar * data = image.ptr<uchar>(3)[41];
1

实例

#include
#include
 
using namespace cv;
using namespace std;
 
int main(int argc, char** argv)
{
	Mat src, gray,gray_clone;
	src = imread("../../lena.jpg");
	imshow("原图", src);
	cvtColor(src, gray, CV_BGR2GRAY);
	//复制一份灰度图
	gray_clone = gray.clone();
	imshow("灰度图", gray);


	//原图画线
	for(int i = 0;i<src.rows;i++)
		for (int j = 0; j < src.cols; j++) {
			uchar* p = src.ptr<uchar>(i, j);//具体某一个像素的指针
			//原图是彩色图，操作三个通道修改颜色
			if (i == j) {
				p[0] = 0;
				p[1] = 255;
				p[2] = 255;
			}
		}
	imshow("原图画线", src);
	
	
	//灰度图画线方法1
	double t1 = getTickCount();
	for (int i = 0; i < gray.rows; i++)
		for (int j = 0; j < gray.cols; j++) {
			uchar* p = gray.ptr<uchar>(i, j);
			//灰度图是单通道的，只需要操作一个通道即可
			if (i == j) {
				p[0] = 255;
			}
		}
	double time_consume_1 = (getTickCount() - t1) / getTickFrequency();
	printf("灰度图画线方法1耗时:%.3f\n", time_consume_1);
	imshow("灰度图画线1", gray);
 
 
	//灰度图画线方法2
	double t2 = getTickCount();
	for (int i = 0; i < gray_clone.rows; i++) {
		uchar* p = gray_clone.ptr<uchar>(i);//这样写就是某一行
		for (int j = 0; j < gray_clone.cols; j++) {
			if (i == j)
				p[j] = 255;//某一行的第j个
		}
	}
	double time_consume_2 = (getTickCount() - t2) / getTickFrequency();
	printf("灰度图画线方法2耗时:%.3f\n", time_consume_2);
	imshow("灰度图画线2", gray_clone);
	waitKey(0);
	return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61

cv2.getStructuringElement

详解
在使用opencv的过程中，我们经常需要各种各样的卷积核。如果是正方形的核还好说，但是有时候需要定义椭圆形或者十字形的核，我们就需要用到cv2.getStructuringElement()函数了

1、第一个参数表示核的形状。可以选择三种

• 矩形：MORPH_RECT;
• 交叉形：MORPH_CROSS;
• 椭圆形：MORPH_ELLIPSE;

2、第二个参数表示核的尺寸。

cv2.erode

参考