openCV第一篇

文章目录

前言：计算机眼中的图片

1. 图片的读取与显示

1.1 图片的读取

前言：计算机眼中的图片

计算机中图片由许多个像素点组成，如一个500x500的图片，表示长宽各由500个像素点组成。
计算机中一个像素点的值在0-255表示该点亮度 0暗(黑)-255亮(白)
一张彩图通常是由RGB(red、green、blue)三个颜色通道所组成
一个500x500的图片那他们的 RGB 矩阵也各是500x500。

上图我们将一个大的图片分割成许多如20x20的小图片，同理每个小图片它们的RGB矩阵也各自是20x20。

注：opencv默认顺序不是RBG 而是 BGR。

1. 图片的读取与显示

1.1 图片的读取


import cv2 
img = cv2.imread('./data/abv.jpg')

img = cv2.imread('./data/abv.jpg')

比如我读入这样一张图片，命名为img；

我们可以看到img是一个三维ndarray结构，内部数据类型dtype=unit8：

三维：(1080,1920,3)表示高度、宽度、颜色通道个数(cv彩图BGR)
ndarray结构：数据类型dtype=unit8, 0-255。

1.2 显示的图片

1.2.1 显示原始图片


cv2.imshow('image',img) # 第一个参数表示窗口指定的名字 第二个为上方img
cv2.waitKey(5000) # 等待时间  如果是5000则在5s后图片窗口自动关闭  0表示任意键关闭
cv2.destroyAllWindows() # 时间一到关闭窗口

ps: 图像的显示也可以是多个窗口

cv2.imshow('image',img) 自己给将要弹出的窗口起个名再加入变量img
cv2.waitKey(5000) 等待时间如果是5000则在5s后图片窗口自动关闭 0表示任意键关闭
cv2.destroyAllWindows() 时间一到关闭窗口

为方便下面使用，我们自己定义一个函数cv_show()：


def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

执行代码，弹出窗口，显示图片：

cv_show('winName',img)

1.2.2 灰度图

在之前的基础之上加入参数：cv2.IMREAD_GRAYSCALE

img2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE)  # cv2.IMREAD_COLOR

img2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE)
- cv2.IMREAD_GRAYSCALE 读取为灰度图，也可以写0。
- cv2.IMREAD_COLOR 读取为彩图

我们执行：

cv_show('win2',img2)

可以看到该图片最终显示结果为二维(1080，1920) :

ps: img.size 输出像素点的个数，可以看到同一张图片BGR彩图是灰度图的三倍。

1.3 BGR转换成灰度图、RGB

当然我们也可以把已经读取进来的BGR彩图转换成灰度图，或者转换为RGB。


img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
cv_show('win3',img2)

img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
- cv2.COLOR_BGR2RGB 将BGR格式转换成RGB
- cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片

2. 保存图片

cv2.imwrite('./data/grayPhoto.jpg',img2)

cv2.imwrite('./data/grayPhoto.jpg',img2)

此时我的data文件夹下就多了一张刚刚处理好名为grayPhoto的灰度图。

3. 视频的读取与显示

视频也是由图像组成的，每一帧都可以当作是一个静止的图像，把图像连在一起看着就像是一个视频了。我们打游戏时，也是追求一些更高的帧率。

vc = cv2.VideoCapture('./data/stu.mp4')

vc = cv2.VideoCapture('./data/stu.mp4')


# 检查是否正确打开
if vc.isOpened():
    open,frame = vc.read()
else:
    open = Flase

vc.read()
- 读取视频中的第一帧，再次执行vc.read()的话读取视频第二帧
- 返回值中：第一个：布尔类型，能读进来就是True 第二个像是上面的img，这一帧图片的ndarray矩阵

循环图片播放视频：


while open:
    ret,frame = vc.read()
    if frame is None:
        break
    if ret == True:
        # 原本frame是（h,w,3）的BGR图片矩阵 经下方加入参数转换成黑白gray
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) 
        cv2.imshow('result',gray)
        # cv2.waitKey(num) 该图片显示时间/速度 自己可以找一个合适的值
        # 27指退出键ESC 退出窗口  当然也可以是 =='q'等
        if cv2.waitKey(20)&0xFF == 27: 
            break
vc.release()
cv2.destroyAllWindows()

注：视频放完 ret, frame = vc.read()返回False和None 再次进行循环无法播放视频，需要重新读取。

if cv2.waitKey(20)&0xFF == 27:
- 不是新知识点了，表示每张图片等20毫秒，如果按ESC键直接退出。

4. 截取图像部分

我们上面介绍，img是一个ndarray矩阵，因此对其进行切片操作：


pho = img[100:800,200:800]  # 进行切片 高100到800 宽200到800
cv_show('win2',pho)

pho = img[100:800,200:800]

5. 颜色通道提取


b,g,r = cv2.split(img)
# b.shape g.shape r.shape 都为 (1080, 1920)

执行

cv_show('win3',g) # 或者填 b、r

结果就是单通道图。

如果我们想显示单一颜色，如红色：


cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 设置为0
cur_img[:,:,1] = 0 # G不要了 设置为0
#cur_img[:,:,2] = 0 # R不要了 设置为0
cv_show('winR',cur_img)

6. 边界填充

这个一般用于卷积，在图像周围填充一些像素。

我们以这个图片为例：


img = cv2.imread('./data/gd01.jpg')
# img.shape 为 (300, 400, 3)
cv_show('win1',img)

在图片的上下左右填充50个像素，介绍5种方法：


top_size,bottom_size,left_size,right_size=(50,50,50,50)
 
# 不同的填充方法 最后参数改个type值就行
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)


plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
# 注matplotlib默认R G B本例只介绍边界填充
plt.show()

cv2.BORDER_REPLICATE
- 复制最边缘的像素
cv2.BORDER_REFLECT
- 反射法对感兴趣的图像中的像素在两边进行复制如fedcba|abcdefgh|hgfedcb 其中abcdefgh是图像"|"外的是填充内容
cv2.BORDER_REFLECT_101
- 反射法，也就是以最边缘的像素为轴，对称，gfedcb|abcdefgh|gfedcba 上面是ba|ab 这个是bab。
cv2.BORDER_WRAP
- 外包装法如：cdefgh|abcdefgh|abcdefg。
cv2.BORDER_CONSTANT
- 常量法，常数值value填充。

7. 数值计算

由于是uint8类型最大255 超过相当于结果为 num%256了

我们使用以下方法保留最大值：

cv2.add(img,img2)

cv2.add(img,img2)

8. 图像融合

效果如下：

我们导入宽高相同的2张图片：


img = cv2.imread('./data/gd04.jpg')
img2 = cv2.imread('./data/gd05.jpg')
img3 = cv2.imread('./data/gd06.jpg')
print(img.shape,img2.shape,img3.shape) # (281, 600, 3) (281, 600, 3) (337, 600, 3)

如果大小不同需要手动设置成一样的


img3 = cv2.resize(img3,(600,281))
# img3.shape (281, 600, 3)

img3 = cv2.resize(img3,(600,281))

ps: cv2.resize()另一种操作
img4 = cv2.resize(img3,(0,0),fx=2,fy=1)

我们执行：


res = cv2.addWeighted(img,0.6,img2,0.4,0)
plt.imshow(res)

res = cv2.addWeighted(img,0.6,img2,0.4,0)

R = ax1 + bx2 + c a、b为权重 c为偏置这里意为在原亮度上变化多少

9. 知识点总结*

读取图片：


import cv2 
img = cv2.imread('./data/abv.jpg')
img2 = cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE) 
img3 = cv2.imread('./data/abv.jpg',cv2.IMREAD_COLOR)

显示图片：


def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

BGR转换成灰度图、RGB：


img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
img3 = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

保存图片：

cv2.imwrite('./data/grayPhoto.jpg',img2)

视频的读取与显示：


vc = cv2.VideoCapture('./data/stu.mp4')
 
# 检查是否正确打开
if vc.isOpened():
    open,frame = vc.read()
else:
    open = Flase
 
while open:
    ret,frame = vc.read()
    if frame is None:
        break
    if ret == True:
        # 原本frame是（h,w,3）的BGR图片矩阵 经下方加入参数转换成黑白gray
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) 
        cv2.imshow('result',gray)
        # cv2.waitKey(num) 该图片显示时间/速度 自己可以找一个合适的值
        # 27指退出键ESC 退出窗口  当然也可以是 =='q'等
        if cv2.waitKey(20)&0xFF == 27: 
            break
vc.release()
cv2.destroyAllWindows()

截取图片部分：

pho = img[100:800,200:800]  # 进行切片 高100到800 宽200到800

颜色通道提取：

b,g,r = cv2.split(img)


cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 设置为0
cur_img[:,:,1] = 0 # G不要了 设置为0
#cur_img[:,:,2] = 0 # R不要了 设置为0
cv_show('winR',cur_img)

边界填充：


top_size,bottom_size,left_size,right_size=(50,50,50,50)
 
# 不同的填充方法 最后参数改个type值就行
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)

数值计算：

cv2.add(img,img2)

图像融合：


img3 = cv2.resize(img3,(600,281))
 
res = cv2.addWeighted(img,0.6,img2,0.4,0)

相关阅读:
【LeetCode算法系列题解】第66~70题
 html渲染优先级
 Spring中的jdbcTemplate模块操作数据库（MySQL）
PDE求格林函数
 LCR 051. 二叉树中的最大路径和
 查看docker容器中java进程堆栈信息
 【网络服务&数据库教程】09 Rsync 实操
 面试（03）————多线程
 Node当中的事件循环
 SPARKSQL3.0-Optimizer阶段源码剖析
原文地址：https://blog.csdn.net/suic009/article/details/126067063