0
0

openCV第一篇

文章目录

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。

ac0ddb3b16ac461f8800a63b014ccb32.png

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；

9a095a8b15874db5a24eb370f9114921.png

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

fa66daf6f2e04378ad0a3e9fad429222.png

  • 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)

9a095a8b15874db5a24eb370f9114921.png

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)

78e49cf7f9334abbaf807391dcb6dc80.png可以看到该图片最终显示结果为二维(1080，1920) :

ca9cba0adb754f20b82d6d042013260d.png

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。

95b3b5d31c7c4a31b22b22353bfe81dc.png

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。

899d5d3076bb4e2ebbb5886343545a50.png

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]

fa3f065b36d64fed8f9be0481322affc.png

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

78e49cf7f9334abbaf807391dcb6dc80.png

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)

2b3911f2428745658ca99b850eea7069.png

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)

f4320c38f6d647c684c59065fdaa50c2.jpeg

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()

496a683aaecc451faf5818c736c4d6d8.png

  • 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

78fc17d7f1a44630a2c7855a1001adac.png

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)

a3903457723941c786a7d8b1ca915878.png

8. 图像融合

效果如下：

8220c58831cb4036a68f2453b6cf61ef.png

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)

0139f647a62343adbf6c29076b531589.png

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)
标签： opencv 计算机视觉 python
本文转载自: https://blog.csdn.net/suic009/article/details/126067063
版权归原作者 老师我作业忘带了 所有， 如有侵权，请联系我们删除。
登录后发布评论

“openCV第一篇”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

linux的软链接详解

如何在Windows系统上，下载并配置macOS 10.14虚拟机

一款完全开源并免费的监测与分析系统，支持监测，预警，分析，报告，支持本地化部署（附源码）

Git学习-1

毕设开源 python大数据旅游数据分析可视化系统(源码分享)

Kafka 快速入门（一）

基于大数据的电信诈骗行为可视化系统含预测研究【lightGBM，XGBoost，随机森林】

文章导航