0
0

OpenCV函数大全（超级详细版）-python操作

**1.图像的输入、显示和保存、窗口的创建与关闭 **

关键函数：

  • 读取：imread()
  • 显示：imshow()
  • 保存：imwrite()
  • 窗口：namedWindow()

1.1 图像的输入

cv.imread()

参数：

  • 要读取的图像

  • 读取方式的标志

     cv.IMREAD*COLOR：以彩色模式加载图像，任何图像的透明度都将被忽略。这是默认参数。  

cv.IMREAD*GRAYSCALE：以灰度模式加载图像

cv.IMREAD_UNCHANGED：包括alpha通道的加载图像模式。

    （可以使用1、0或者-1来替代上面三个标志）

import cv2 as cv #以灰度图的形式读取图像
img = cv.imread('genggui.jpg',0)

1.2 图像的显示

cv.imshow()

参数：

  • 显示图像的窗口名称，以字符串类型表示

  • 要加载的图像

     注意：在调用显示图像的API后，要调用cv.waitKey()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来。

cv.imshow('image',img) #opencv中显示
cv.waitKey(0) #等待窗口

运行结果：

1.3 图像的保存

cv.imwrite()

参数：

  • 文件名，要保存在哪里
  • 要保存的图像
cv.imwrite('genggui.png',img)

案例：

import cv2 as cv 

img = cv.imread('genggui.jpg',0) #以灰度图的形式读取图像

cv.imshow('image',img) # opencv中显示
cv.waitKey(0)

cv.imwrite('gengguigray.png',img) #保存所生成的灰度图像

**1.4 创建与关闭窗口 **

创建窗口

cv2.namedWindow(窗口名称, 属性) #创建一个窗口

关闭图像窗口

1.关闭一个由imshow产生的图像窗口

cv2.destroyWindow（）

参数：winname，关闭的窗口名字

2.关闭所有由imshow产生的窗口

cv2.destroyAllWindows（）

2.绘制几何图形

关键函数：

  • 线：line()
  • 矩形：rectangle()
  • 圆：circle()
  • 添加文字：putText()

2.1 绘制直线

cv.line(img,start,end,color,thickness)

参数：

  • img:要绘制直线的图像
  • Start,end: 直线的起点和终点
  • color: 线条的颜色
  • Thickness: 线条宽度

2.2 绘制圆形

cv.circle(img,centerpoint, r, color, thickness)

参数：

  • img:要绘制圆形的图像
  • Centerpoint, r: 圆心和半径
  • color: 线条的颜色
  • Thickness: 线条宽度，为-1时生成闭合图案并填充颜色

2.3 绘制矩形

cv.rectangle(img,leftupper,rightdown,color,thickness)

参数：

  • img:要绘制矩形的图像
  • Leftupper, rightdown: 矩形的左上角和右下角坐标
  • color: 线条的颜色
  • Thickness: 线条宽度

2.4 向图像中添加文字

cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)

参数：

  • img: 图像
  • text：要写入的文本数据
  • station：文本的放置位置
  • font：字体
  • Fontsize :字体大小

3.图像反转与复制

3.1 翻转图像

cv2.flip(img,flipcode)  #flipcode控制翻转效果
  • flipcode = 0：沿x轴翻转
  • flipcode > 0：沿y轴翻转
  • flipcode < 0：x,y轴同时翻转

3.2 复制图像

imgcopy = img.copy()

4.获取图像的属性

图像属性包括高、宽和通道数，像素数，图像数据类型等。 

img.shape  #打印图片的高、宽和通道数
img.size   #打印图片的像素数目（图片大小）
img.dtype  #打印图片的格式（数据类型）

5.获取并修改图像中的像素点

 我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。

import cv2 as cv
img = cv.imread('genggui.jpg') 
px = img[100,100] #获取某个像素点的值
blue = img[100,100,0] #仅获取蓝色通道的强度值
img[100,100] = [255,255,255] #修改某个位置的像素值

6.图像颜色通道的拆分与合并

  有时需要在B，G，R通道图像上单独工作。在这种情况下，需要将BGR图像分割为单个通道。或者在其他情况下，可能需要将这些单独的通道合并到BGR图像。

6.1 将图片img拆分为三个颜色通道:

cv2.split(img)

6.2 将三个颜色通道合并为一张图片：

cv2.merge(img)

** 7.色彩空间转换**

  OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种，BGR↔Gray和BGR↔HSV。

cv.cvtColor(input_image，flag)

参数：

  • input_image: 进行颜色空间转换的图像
  • flag: 转换类型 - cv.COLOR_BGR2GRAY : BGR↔Gray- cv.COLOR_BGR2HSV: BGR→HSV

更全的参数：

** 7.1 BGR↔Gray**

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #BGR转换到GRAY
cv2.imshow("gray", gray)

7.2 BGR↔HSV

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) #BGR转换到HSV
cv2.imshow("hsv", hsv)

8.图像的加法与混合

关键函数：

  • 相加：add()
  • 混合：addWeighted()

8.1 图像的相加

cv2.add(src1, src2) #参数为图片1与图片2

8.2 图像的混合

   这其实也是加法，但是不同的是两幅图像的权重不同，这就会给人一种混合或者透明的感觉。图像混合的计算公式如下：

g(x) = (1−α)f0(x) + αf1(x)

通过修改 α 的值（0 → 1），可以实现非常炫酷的混合，落到函数中为两个权重。

cv2.addWeighted(src1, alpha, src2, beta，gamma,dst)

参数：

  • src1：第一张图片
  • alpha：第一张图片权重
  • src2：第二张图片
  • gamma：图1与图2带权相加和后添加的数值（总和大于255为纯白）
  • dst：输出图片

例子：第一幅图像的权重是0.7，第二幅图像的权重是0.3，使用cv2.addWeighted()函数进行混合 

img1=cv2.imread('1.jpg')
img2=cv2.imread('2.jpg')
 
dst=cv2.addWeighted(img1,0.7,img2,0.3,0)

** 9. 图像的运算**

9.1 加、减、乘、除

（加） 

cv2.add(src1, src2) #加

（减）

cv2.subtract(src1, src2) #减

（乘）

cv2.multiply(src1, src2) #乘

（除）

cv2.divide(src1, src2)

9.2 均值、均值和方差

均值 

cv2.mean(img) #均值

均值和方差

 M1, dev1 = cv2.meanStdDev(img) #均值和方差

9.3 与、或、非、异或 运算

与运算 

dst = cv2.bitwise_and(src1, src2) #与
cv2.imshow("bitwise_and", dst)

或运算

dst = cv2.bitwise_or(src1, src2) #或
cv2.imshow("bitwise_or", dst)

非运算（非运算就是对图像进行颜色反转）

dst = cv2.bitwise_not(src1, src2) # 非（其实是颜色翻转）
cv2.imshow("bitwise_not", dst)

异或运算

cv2.imshow(“bitwise_not”, dst)
dst = cv2.bitwise_xor(src1, src2)

10.图像的缩放，平移与旋转

10.1 缩放 cv2.resize()

cv2.resize(InputArray src, OutputArray dst, Size dsize,
double fx=0, double fy=0, int interpolation=INTER_LINEAR )

参数：

  • src : 输入图像
  • dsize: 绝对尺寸，直接指定调整后图像的大小
  • fx,fy: 相对尺寸，将dsize设置为None，然后将fx和fy设置为比例因子即可
  • interpolation：插值方法

插值方法：（默认的插值方法为：双线性插值）

10.2 平移 cv2.warpAffine()

cv2.warpAffine(src,M,dsize)

参数：

  • src : 输入图像
  • M: 移到矩阵
  • dsize: 输出图像

10.3 旋转 cv2.getRotationMatrix2D()

cv2.getRotationMatrix2D(center, angle, scale)

参数：

  • center：旋转中心
  • angle：旋转角度
  • scale：缩放比例

返回：M：旋转矩阵

11.形态学处理函数

11.1 腐蚀与膨胀

1.腐蚀

#腐蚀
dst = cv2.erode( src, kernel, anchor, iterations, borderType, borderValue )

参数：

  • dst：腐蚀后所输出图像，该图像和原始图像具有同样的类型和大小。

  • src：输入图像，图像的通道数可以是任意的。但是要求图像的类型必须是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一种。

  • kernel：腐蚀操作时所采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。kernel = cv.getStructuringElement(cv.MORPH_RECT,(5, 5)) #矩形结构kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE,(5, 5)) #椭圆结构kernel = cv.getStructuringElement(cv.MORPH_CROSS,(5, 5)) # 十字形结构

  • anchor代表element结构中锚点的位置。该值默认为(-1, -1)，在核的中心位置。

  • terations是腐蚀操作迭代的次数，该值默认为1，即只进行一次腐蚀操作。

  • borderType代表边界样式，一般采用其默认值BORDER_CONSTANT。

2.膨胀

#膨胀
dst = cv2.dilate( src, kernel, anchor, iterations, borderType, borderValue)
  • 参数：kernel、anchor、iterations、borderType、borderValue与函数cv2.erode()内相应参数的含义一致。

11.2 开操作与闭操作

先腐蚀再膨胀的操作称为开运算。先膨胀再腐蚀的操作称为闭运算。 

cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel) #开操作
cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel) #闭操作

11.3 顶帽变换、底帽变换与形态学梯度（边界提取）

1.图像减去开运算结果称为顶帽变换（Top-hat）。

cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel) #顶帽运算

2.图像减去闭运算结果称为底帽变换（Bottom-hat）。

cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel) #底帽运算

3.膨胀结果减去腐蚀结果，可以得到图像中物体的边界，是一种提取目标物体边缘的算法。

cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel) #形态学梯度

12.常见滤波器

12.1 方框滤波

cv2.boxFilter( src, dst,ddepth, ksize, Point anchor = Point(-1,-1),
                bool normalize = true,borderType = BORDER_DEFAULT )

参数：

  • src：输入图像

  • dst：输出图像

  • ddepth：输出图像的深度，-1 代表使用原图深度

  • ksize： 滤波内核的大小。一般这样写Size(w, h)来表示内核的大小，Size(10, 10)就表示 10x10 的核大小

  • anchor = Point(-1,-1) ：表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1) 如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。

  • normalize = true：默认值为true，一个标识符，表示内核是否被其区域归一化（normalized）了

  • borderType = BORDER_DEFAULT：用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。

12.2 均值滤波

cv2.blur(src, dst, ksize, Point anchor = Point(-1,-1)，borderType = BORDER_DEFAULT)
  • src：输入图像 。
  • dst：输出图像 。
  • ksize：内核大小 ，一般用 Size(w,h)，w 为宽度，h 为深度。
  • anchor：被平滑的点，表示取 内核中心 ，默认值 Point(-1,-1)。
  • boderType：推断图像外部像素的某种边界模式。默认值 BORDER_DEFAULT

12.3 高斯滤波

cv2.GaussianBlur(  src, dst, ksize,sigmaX, sigmaY = 0, borderType = BORDER_DEFAULT )

  • src：输入图像 。

  • dst：输出图像 。

  • ksize：ksize.width 和 ksize.height 可以不同，但他们都必须为正数和奇数，或者为0，可由 sigma 计算而来

  • sigmaX：高斯核函数在 X 方向的的标准差

  • sigmaY：高斯核函数在 Y 方向的的标准差

    若 sigmaY 为零，就将它设为 sigmaX；若 sigmaX 和 sigmaY 都是0，那么就由 ksize.width 和 ksize.height 计算出来.

12.4 中值滤波

medianBlur(InputArray src,OutputArray dst,int ksize)
  • src：输入图像 。
  • dst：输出图像 。
  • ksize：孔径的线性尺寸，这个参数必须是大于1 的奇数

12.5 双边滤波

bilateralFilter(src, dst, d, double sigmaColor,double sigmaSpace, 
                borderType=BORDER_DEFAULT)

  • src: 输入图像，可以是Mat类型，图像必须是8位或浮点型单通道、三通道的图像。

  • dst: 输出图像，和原图像有相同的尺寸和类型。

  • d: 表示在过滤过程中每个像素邻域的直径范围。如果这个值是非正数，则函数会从第五个参数sigmaSpace计算该值。

  • sigmaColor: 颜色空间过滤器的sigma值，这个参数的值月大，表明该像素邻域内有月宽广的颜色会被混合到一起，产生较大的半相等颜色区域。

  • sigmaSpace: 坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace五官，否则d正比于sigmaSpace.

  • borderType=BORDER_DEFAULT: 用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT.

展示图像：

13.轮廓检测

13.1 找出图片的轮廓值

cv2.findContours(img，mode, method)   # 找出图中的轮廓值，得到的轮廓值都是嵌套格式的

参数：

  • img：输入的图片
  • mode：轮廓检索模式（通常都使用RETR_TREE找出所有的轮廓值）

** **RETR_EXTERNAL：只检索最外面的轮廓。
RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中。
RETR_CCOMP：检索所有的轮廓，并肩他们组织为两层：顶层为各部分外部边界，第二层是空洞的边界。
RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。

  • method:轮廓逼近方法

    **CHAIN_APPROX_NONE **: 以Freeman链码的方式输出轮廓，所有其它方法输出多边形。

** CHAIN_APPROX_SIMPLE **: 压缩水平的、垂直的和斜着的部分，也就是函数只保留他们终点部分。

13.2 画出图片中的轮廓值，也可以用来画轮廓的近似值

cv2.drawCountours(img, contours, -1, (0, 0, 255), 2) # 画出图片中的轮廓值，也可以用来画轮廓的近似值

参数：

  • img：输入的图片
  • contours：轮廓值（-1表示轮廓的索引，(0, 0, 255)表示颜色， 2表示线条粗细）

轮廓检测与画图步骤：

第一步：载入图片

 第二步：使用cv2.cvtcolor() 将图片转换为灰度图

 第三步:  使用cv2.threshold将图片做二值化转换

 第四步： 使用cv2.findContours 找出图片的轮廓值

 第五步：使用cv2.drawContours在图片上画上轮廓

 第六步:   使用cv2.imshow 完成画图操作

13.3 计算轮廓的面积

cv2.contourArea(cnt， True)  # 计算轮廓的面积

参数说明：cnt为输入的单个轮廓值

13.4计算轮廓的周长

cv2.arcLength(cnt， True)   #  计算轮廓的周长

参数说明：cnt为输入的单个轮廓值

计算轮廓的周长和面积步骤：

使用cv2.findCountor获得的轮廓contours是一个嵌套的类型，即我们可以通过cnt = contours获得第一个物体的轮廓值

第一步：载入图片，做灰度值和二值化处理，并使用cv2.findCountor找出轮廓值，使用cv2.drawCountors画出第一个图像的轮廓

第二步：通过索引取出第一个轮廓值cnt，使用cv2.ContourArea()计算轮廓的面积

第三步：使用cv2.arcLength 获得轮廓的周长

13.5 外接矩形

使用cv2.boudingrect(cnt)获得轮廓的外接矩形，接着使用cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)画出矩阵的轮廓。

1.获得外接矩形位置信息： 

x, y, w, h = cv2.boudingrect(cnt) # 获得外接矩形

参数说明：x，y, w, h 分别表示外接矩形的x轴和y轴的坐标，以及矩形的宽和高， cnt表示输入的轮廓值。

2.根据坐标在图像上画出矩阵的轮廓

cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)  # 根据坐标在图像上画出矩形

参数说明: img表示传入的图片， (x, y)表示左上角的位置, （x+w， y+h）表示加上右下角的位置，（0, 255, 0)表示颜色，2表示线条的粗细

13.6 外接圆

1.获得外接圆的位置信息

(x, y), radius = cv2.minEnclosingCircle(cnt) # 获得外接圆的位置信息

参数说明: (x, y)表示外接圆的圆心，radius表示外接圆的半径， cnt表示输入的轮廓

2. 根据坐标在图上画出圆

cv2.Cricle(img, center, radius, (0, 255, 0), 2)  # 根据坐标在图上画出圆

参数说明:img表示需要画的图片，center表示圆的中心点，radius表示圆的半径, (0, 255, 0)表示颜色， 2表示线条的粗细

画出外接矩形和外接圆步骤：

外接矩形： 使用cv2.boudingrect(cnt)获得轮廓的外接矩形，使用cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)画出矩阵的轮廓

外接圆： 使用cv2.minEnclosingCircle(cnt)获得轮廓的外接圆，使用cv2.circle(ret, centers, radius, (0, 0, 255), 2)画出圆的轮廓

第一步:载入图片，灰度化，二值化，使用cv2.findCountors找出图像的轮廓,使用轮廓索引获得第一个轮廓cnt

第二步：使用cv2.boundingrect(cnt) ，获得轮廓的x，y，w, h (x, y)表示左上角的坐标，w为宽，h为长

第三步: 使用cv2.rectangle 绘制外接的轮廓

第四步: 使用cv2.minEnclosingCircle(cnt), 获得center和radius，即圆心点的坐标和圆的半径

第五步: 使用cv2.circle(img， center, radius, (0, 0, 255), 2) 绘制圆心的外接轮廓

14.图像金字塔（上采样和下采样）

  1. 下采样:图像缩小（先高斯模糊，再降采样，需要一次次重复，不能一次到底）
cv.pyrUP(img) #对图像进行上采样
  1. 上采样图像扩大（先扩大，再卷积或者使用拉普拉斯金字塔）
cv.pyrDown(img)#对图像进行下采样

15.边界填充

cv2.copyMakeBorder(img,top, bottom, left, right ,borderType)

参数：

  • img：需要填充的图像；
  • top：图像上边界需要填充的像素点；
  • bottom：图像下边界需要填充的像素点；
  • left：图像左边界需要填充的像素点；
  • right：图像右边界需要填充的像素点；
  • borderType：图像填充的方法。

填充方法：

BORDER_REPLICATE：复制法，也就是复制最边缘像素。
BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba
BORDER_WRAP：外包装法 abcdefgh|abcdefgh|abcdefg
BORDER_CONSTANT：常量法，常数值填充,需要在设置一个value值，已显示填充的颜色。

16.视频捕获类（VideoCapture类）

（可以从视频文件、图像序列和摄像头捕获视频。** OpenCV提供了cv2.VideoCapture类来处理视频。VideoCapture类处理视频的方式非常简单、快捷，而且它既能处理视频文件，又能处理摄像头信息。****)**

16.1 读取视频文件--VideoCapture()

cv2.VideoCapture (const String &filename, int apiPreference=CAP_ANY)

参数： (一般仅填入一个，即文件名。如果填入整数，则打开对应的捕获设备ID。若为0，则打开默认摄像头。)

filename : 打开的视频文件名。

const String 包括: 视频名 (eg: video.avi)
图像序列 (eg: img_%02d.jpg)
URL视频流 (eg: protocol://host:port/script_name?script_params|auth)
apiPreference : 当多种capture方式都可以使用时，指定一种方式（CAP_FFMPEG or CAP_IMAGES ）
例子： cv2.VideoCapture capture("C:/Users/DADA/DATA/gogo.avi"); // 从视频文件读取

16.2 视频参数获取-****-VideoCapture.get()** 与设置--**VideoCapture.set()

cv2.VideoCapture.get()

先读取视频文件：（然后后面可以直接写 video.get() or** video.set()**** ）**

import cv2

# 读取视频文件
video = cv2.VideoCapture('./genggui.mp4')

1.获取视频参数：

# 获取视频参数
param = video.get(CV_CAP_PROP_FRAME_COUNT) # 也可使用以下数字表示参数
'''
cv2.VideoCapture.get(0)        CV_CAP_PROP_POS_MSEC         视频文件的当前位置，以毫秒为单位
cv2.VideoCapture.get(1)        CV_CAP_PROP_POS_FRAMES         基于以0开始的被捕获或解码的帧索引
cv2.VideoCapture.get(2)        CV_CAP_PROP_POS_AVI_RATIO     视频文件的相对位置（播放）：0=电影开始，1=影片的结尾。
cv2.VideoCapture.get(3)        CV_CAP_PROP_FRAME_WIDTH     在视频流的帧的宽度
cv2.VideoCapture.get(4)        CV_CAP_PROP_FRAME_HEIGHT     在视频流的帧的高度
cv2.VideoCapture.get(5)        CV_CAP_PROP_FPS             帧速率
cv2.VideoCapture.get(6)        CV_CAP_PROP_FOURCC             编解码器/fourcc
cv2.VideoCapture.get(7)        CV_CAP_PROP_FRAME_COUNT        帧数
cv2.VideoCapture.get(8)        CV_CAP_PROP_FORMAT             返回对象的格式
cv2.VideoCapture.get(9)        CV_CAP_PROP_MODE             返回后端特定的值，该值指示当前捕获模式
cv2.VideoCapture.get(10)    CV_CAP_PROP_BRIGHTNESS         图像的亮度(仅适用于照相机)
cv2.VideoCapture.get(11)    CV_CAP_PROP_CONTRAST         图像的对比度(仅适用于照相机)
cv2.VideoCapture.get(12)    CV_CAP_PROP_SATURATION         图像的饱和度(仅适用于照相机)
cv2.VideoCapture.get(13)    CV_CAP_PROP_HUE             色调图像(仅适用于照相机)
cv2.VideoCapture.get(14)    CV_CAP_PROP_GAIN             图像增益(仅适用于照相机)（Gain在摄影中表示白平衡提升）
cv2.VideoCapture.get(15)    CV_CAP_PROP_EXPOSURE         曝光(仅适用于照相机)
cv2.VideoCapture.get(16)    CV_CAP_PROP_CONVERT_RGB     指示是否应将图像转换为RGB布尔标志
cv2.VideoCapture.get(17)    CV_CAP_PROP_WHITE_BALANCE     白平衡，暂时不支持
cv2.VideoCapture.get(18)    CV_CAP_PROP_RECTIFICATION     立体摄像机的矫正标注（目前只有DC1394 v.2.x后端支持这个功能）
'''

2.设置视频参数：

# 设置视频参数
video.set(CV_CAP_PROP_FPS, 30) # 第一个参数为设置的参数名，第二个参数为设定的值
'''
可设置的参数与上述可获取的参数大体一致
'''

# 释放
video.release()

参数与上面大体一致：

** 16.3 判断摄像头是否开启 -- VideoCapture.isOpened（）**

**1.先读取视频 **

import cv2

# 读取视频文件
video = cv2.VideoCapture('./test.mp4')    # 参数为视频文件地址，若是数字表示摄像头编号。
'''
参数为字符串，表示输入的视频文件的地址及文件名
参数为数字，表示摄像头编号，默认为-1.即随机选取一个摄像头
'''

2.判断摄像头是否开启

# 判断视频是否是打开状态
 video.isOpened():

参数：无
作用：判断设备/文件是否读取成功，若成功，返回True

16.4 关闭文件/摄像头（释放）--VideoCapture.release（）

cv2.VideoCapture.release（）

参数：无
作用：关闭文件/摄像头

16.5 读取该文件/摄像头的下一帧 -- VideoCapture.read()

如果正确读取了帧，它将为 True 。因此，你可以通过检 查此返回值来检查视频的结尾。 

cv2.VideoCapture.read()

参数：无
返回值：bool，numpy.array
作用：读取该文件/摄像头的下一帧，成功与否由bool返回值决定，返回的帧矩阵为第二个参数

17.视频读写类（VideoWriter类）

17.1 cv2.VideoWriter（）

  OpenCV为cv2.VideoWriter类提供了构造函数，用它来实现初始化工作。该函数的完整定义如下： 

cv2.VideoWriter(filename,fourcc,fps,frameSize[,isColor])

参数：

filename：需要输出保存的视频文件名。如果文件名存在，覆盖原文件。

fourcc：视频的编码类型。在OpenCV中，cv2.VideoWriter_fourcc()函数用来指定视频的编码格式。该函数的参数有4个，这4个字符构成了编/解码器的“4字标记”，每个编/解码器都有一个这样的标记。常用标记如下图：

fps：帧速率，比如录制视频每秒30帧，或者60帧等。

frameSize：帧的长宽

isColor：是否为彩色图像

17.2 write函数--cv2.VideoWriter.write()

cv2.VideoWriter类中还提供了cv2.VideoWriter.write()函数用于写入下一帧视频。其完整定义如下：

cv2.VideoWriter.write(image)

image参数是需要写入的视频帧

18.视频读写实战：

import cv2

# 读取视频文件
video = cv2.VideoCapture('./test.mp4')    # 参数为视频文件地址，若是数字表示摄像头编号。
'''
参数为字符串，表示输入的视频文件的地址及文件名
参数为数字，表示摄像头编号，默认为-1.即随机选取一个摄像头
'''

# 创建写视频器
video_writer = cv2.VideoWriter(filename='./output.mp4',                 # 保存路径文件名
                               apiPreference=cv2.CAP_FFMPEG,            # 后端
                               fourcc=cv2.VideoWriter_fourcc(*'mp4v'),    # 视频编解码器
                               fps=25,                                    # 视频帧率
                               frameSize=(1920,1080)                    # 视频帧尺寸(W, H)
                               isColor=True                                # 彩色图像或黑白图像
                               )
'''
apiPreference：cv2.CAP_FFMPEG 或者 cv2.CAP_GSTREAMER，此参数是3.x版本的opencv才有的
fourcc：cv2.VideoWriter_fourcc('M', 'P', '4', 'V') 或 fourcc=cv2.VideoWriter_fourcc(*'mp4v')
        支持类型：MP4V / X264 / I420 / PIMI / XVID / THEO / FLV1
'''                               

# 判断视频是否是打开状态
while video.isOpened():
    # 读取一帧
    ret, frame = video.read() # ret是bool类型，表示是否读取成功；frame为获取的帧图像

    if ret:
        # 写入一帧
        video_writer.write(frame)
        # 播放视频
        cv2.imshow('frame', frame)
        cv2.waitKey(1) # 通过设置等待时间改变播放速度
    else:
        break

# 释放
video.release()
video_writer.release()    # 不释放会无法完成写视频，类似文件写完后的close()

19.图像直方图

19.1 直方图 -- hist = cv2.calcHist( )

hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )

  • hist：返回的统计直方图，是一个一维数组，数组内的元素是各个灰度级的像素个数。

  • images：原始图像，该图像需要使用“[ ]”括起来.

  • channels：指定通道编号。通道编号需要用“[ ]”括起来，如果输入图像是单通道灰度图像，该参数的值就是[0]。对于彩色图像，它的值可以是[0]、[1]、[2]，分别对应通道B、G、R。

  • mask：掩模图像。当统计整幅图像的直方图时，将这个值设为 None。当使用掩模图像获取直方图时，仅获取掩模参数 mask 指定区域的直方图。

  • histSize：BINS 的值，该值需要用“[ ]”括起来。例如，BINS 的值是 256，需要使用“[256]”作为此参数值。

  • ranges：即像素值范围。例如，8 位灰度图像的像素值范围是[0, 255]。

  • accumulate：累计（累积、叠加）标识，默认值为 False。如果被设置为 True，则直方图在开始计算时不会被清零，计算的是多个直方图的累积结果，用于对一组图像计算直方图。该参数允许从多个对象中计算单个直方图，或者实时更新直方图。该参数是可选的，一般情况下不需要设置。

19.2 直方图均衡化

（统计出来的像素点的值之间的差距比较大，我们需要缩小像各个像素点之间的值得差距，这就叫均衡化。） 

dst = cv2.equalizeHist( src )

参数：src 是 8 位单通道原始图像，dst 是直方图均衡化处理的结果。

20.模板匹配

result=cv2.matchTemplate( img,template,method)

参数：

  • image：原始图像S
  • **template :**模板图像T，一般是源图像S中的一小块
  • **method: **实现模板匹配的算法，主要有:

1.平方差匹配(CV_TM_SQDIFF):利用模板与图像之间的平方差进行匹配，最好的匹配是0,匹配越差，匹配的值越大。
2.相关匹配(CV_TM_CCORR):利用模板与图像间的乘法进行匹配，数值越大表示匹配程度较高，越小表示匹配效果差。
3.利用相关系数匹配(CV_TM_CCOEFF):利用模板与图像间的相关系数匹配，1表示完美的匹配，-1表示最差的匹配。

21.霍夫变换

21.1 霍夫线检测

霍夫变换常用来提取图像中的直线和圆等几何图形，霍夫空间中的一条线对应笛卡尔坐标系中一个点，笛卡尔坐标系中两个点，对应霍夫空间一条直线。

cv2.HoughLines(img,rho,theta,threshold)

参数：

  • img:检测的图像，要求是二值化的图像，所以在调用霍夫变换之前首先要迸行二值化，或者迸行Canny边缘检测
  • rho、theta: 两个角度的精确度
  • threshold:阈值，只有累加器中的值高于该阈值时才被认为是直线

21.2 霍夫圆检测

   OpenCV采用霍夫梯度法将霍夫圆检测范围两个阶段，第一阶段检测圆心，第二阶段利用圆心推导出圆圆心检测的原理:圆心是圆周法线的交汇处,设置-一个阈值，在某点的相交的直线的条数大于这个阈值就认为该交汇点为圆心。

   圆半径确定原理:圆心到圆周上的距离(半径)是相同的,确定- 个阈值，只要相同距离的数量大

于该阈值，就认为该距离是该圆心的半径。

circles=cv.HoughCircles(image,method,dp,minDist,param1=100,param2=100,minRadius=0,maxRadius=0)

参数：

  • method: 使用霍夫变换圆检测的算法，它的参数是CV_ HOUGH_ GRADIENT
  • dp:霍夫空间的分辨率，dp=1时表示霍夫空间与输入图像空间的大小一致， dp=2时霍夫空间是输入图像空间的一半，以此类推。
  • minDist 圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心。
  • param1: 边缘检测时使用Canny算子的高阈值，低阈值是高阈值的一半。
  • param2: 检测圆心和确定半径时所共有的阈值。
  • minRadius和maxRadius为所检测到的圆半径的最小值和最大值。

这篇课程的学习和总结到这里就结束啦，如果有什么问题可以在评论区留言呀~

如果帮助到大家，可以一键三连+关注支持下~

标签： python opencv 计算机视觉
本文转载自: https://blog.csdn.net/m0_57787115/article/details/129975689
版权归原作者 耿鬼喝椰汁 所有， 如有侵权，请联系我们删除。
登录后发布评论

“OpenCV函数大全（超级详细版）-python操作”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

机器人技术在安全领域的重要作用

安全学习记录——网络篇（一）

图腾柱PFC：HP1010为您的电动两轮车之旅提供绿色，高效，安全的动力

单元测试数据库回滚问题

这才是单元测试，之前我们都错了

【C语言基础】：字符函数和字符串函数

ChatGPT-Next-Web SSRF漏洞+XSS漏洞复现(CVE-2023-49785)

文章导航