Python-OpenCV基本操作方法詳解
基本屬性
cv2.imread(文件名，屬性) 讀入圖像
屬性：指定圖像用哪種方式讀取文件
cv2.IMREAD_COLOR：讀入彩色圖像，默認(rèn)參數(shù)，Opencv 讀取彩色圖像為BGR模式 ！?。∽⒁?/p>
cv2.IMREAD_GRAYSCALE：讀入灰度圖像。
cv2.imshow(窗口名，圖像文件) 顯示圖像
可以創(chuàng)建多個(gè)窗口
cv2.waitKey() 鍵盤(pán)綁定函數(shù)
函數(shù)等待特定的幾毫秒，看是否由鍵盤(pán)輸入。
cv2.namedWindow(窗口名，屬性) 創(chuàng)建一個(gè)窗口
屬性:指定窗口大小模式
cv2.WINDOW_AUTOSIZE：根據(jù)圖像大小自動(dòng)創(chuàng)建大小
cv2.WINDOW_NORMAL：窗口大小可調(diào)整
cv2.destoryAllWindows(窗口名) 刪除任何建立的窗口
代碼實(shí)例：
import cv2
img=cv2.imread('test.py',cv2.IMREAD_COLOR)
cv2.namedWindow('image',cv2.WINDOW_NORMAL)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destoryAllWindows()
cv2.imwrite(保存圖像名，需保存圖像) 保存圖像
代碼實(shí)例：
import cv2
img=cv2.imread('test.png',0)
cv2.imshow('image',img)
k=cv2.waitKey(0)
if k==27: #等待 ESC 鍵
cv2.destoryAllWindows()
elif k==ord('s') #等待 's' 鍵來(lái)保存和退出
cv2.imwrite('messigray.png',img)
cv2.destoryAllWindows()
對(duì)于圖像的一些操作
0x01. 獲取圖片屬性
import cv2
img=img.imread('test.png')
print img.shape
#(768,1024,3)
print img.size
#2359296 768*1024*3
print img.dtype
#uint8
0x02. 輸出文本
在處理圖片時(shí)，將一些信息直接以文字的形式輸出在圖片上
cv2.putText(圖片名，文字，坐標(biāo)，文字顏色)
0x03. 縮放圖片
實(shí)現(xiàn)縮放圖片并保存，在使用OpenCV時(shí)常用的操作。cv2.resize()支持多種插值算法，默認(rèn)使用cv2.INTER_LINEAR，縮小最適合使用：cv2.INTER_AREA，放大最適合使用：cv2.INTER_CUBIC或cv2.INTER_LINEAR。
res=cv2.resize(image,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
或者：
res=cv2.resize(image,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
此處None本應(yīng)該是輸出圖像的尺寸，因?yàn)楹筮呍O(shè)置了縮放因子
0x04. 圖像平移
cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
平移就是將圖像換個(gè)位置，如果要沿(x,y)方向移動(dòng)，移動(dòng)距離為(tx,ty),則需要構(gòu)建偏移矩陣M。
例如 平移圖片(100,50）
import cv2
img=cv2.imread('test.png',1)
rows,cols,channel=img.shape
M=np.float32([[1,0,100],[0,1,50]])
dst=cv2.warpAffine(img,M,(cols,rows))
cv2.imshow('img',dst)
cv2.waitKey(0)
cv2.destoryALLWindows()
其中 (cols,rows)代表輸出圖像的大小，M為變換矩陣，100代表x的偏移量，50代表y的偏移量，單位為像素。
0x05. 圖像旋轉(zhuǎn)
OpenCV中首先需要構(gòu)造一個(gè)旋轉(zhuǎn)矩陣，通過(guò)cv2.getRotationMatrix2D獲得。
import cv2
img=cv2.imread('test.png',0)
rows,cols=img.shape
#第一個(gè)參數(shù)為旋轉(zhuǎn)中心，第二個(gè)為旋轉(zhuǎn)角度，第三個(gè)為旋轉(zhuǎn)后的縮放因子
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)
#第三個(gè)參數(shù)為圖像的尺寸中心
dst=cv2.warpAffine(img,M,(2*cols,2*rows))
cv2.imshow('img',dst)
cv2.waitKey(0)
cv2.destoryALLWindows()
0x06. 仿射變換
在仿射變換中，原圖中所有的平行線在結(jié)果圖像中同樣平行。為了創(chuàng)建偏移矩陣，需要在原圖像中找到三個(gè)點(diǎn)以及它們?cè)谳敵鰣D像中的位置。然后OpenCV中提供了cv2.getAffineTransform創(chuàng)建2*3的矩陣，最后將矩陣傳給函數(shù)cv2.warpAffine。
import cv2
import matplotlib.pyplot as plt
import numpy as np
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[50,50],[200,50],[50,200]])
pts2=np.float32([[10,100],[200,50],[100,250]])
M=cv2.getAffineTransform(pts1,pts2)
dst=cv2.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()
0x07. 透視變換
視角變換，需要一個(gè)3*3變換矩陣。在變換前后要保證直線還是直線。構(gòu)建此矩陣需要在輸入圖像中找尋4個(gè)點(diǎn)，以及在輸出圖像中對(duì)應(yīng)的位置。這四個(gè)點(diǎn)中的任意三個(gè)點(diǎn)不能共線。變換矩陣OpenCV提供cv2.getPerspectiveTransform()構(gòu)建。然后將矩陣傳入函數(shù)cv2.warpPerspective。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2=np.float32([[0,0],[300,0],[0,300],[300,300]])
M=cv2.getPerspectiveTransform(pts1,pts2)
dst=cv2.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()
0x09. 圖像 regions of Interest
有時(shí)需要對(duì)一副圖像的特定區(qū)域進(jìn)行操作，ROI使用Numpy索引來(lái)獲得的。
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread('test.png')
rows,cols,ch=image.shape
tall=image[0:100,300:700]
image[0:100,600:1000]=tallall
cv2.imshow("image",image)
cv2.waitKey(0)
cv2.destoryALLWindows()
0x10. 通道的拆分/合并處理
有時(shí)需要對(duì)BGR三個(gè)通道分別進(jìn)行操作。這時(shí)需要將BGR拆分成單個(gè)通道。同時(shí)有時(shí)需要把獨(dú)立通道的圖片合并成一個(gè)BGR圖像。
使用OpenCV庫(kù)函數(shù)版本
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread('pitt1.jpg')
rows,cols,ch=image.shape
#拆分通道，cv2.split()是一個(gè)比較耗時(shí)的操作。只有需要時(shí)使用，盡量Numpy
b,g,r=cv2.split(image)
print b.shape
#(768,1024)
#合并通道
image=cv2.merge(b,g,r)
使用Numpy索引版本：
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread('pitt1.jpg')
rows,cols,ch=image.shape
#直接獲取
b=img[:,:,0]
以上這篇Python-OpenCV基本操作方法詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
在PyTorch中,我們經(jīng)常需要處理多維數(shù)據(jù),如張量tensors,這篇文章主要介紹了一些Pytorch常用的維度轉(zhuǎn)換方法,文中通過(guò)代碼介紹的非常詳細(xì),需要的朋友可以參考下2025-03-03
python 請(qǐng)求服務(wù)器的實(shí)現(xiàn)代碼(http請(qǐng)求和https請(qǐng)求)
本篇文章主要介紹了python 請(qǐng)求服務(wù)器的實(shí)現(xiàn)代碼(http請(qǐng)求和https請(qǐng)求)，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-05-05
python機(jī)器學(xué)習(xí)混淆矩陣及confusion?matrix函數(shù)使用
這篇文章主要為大家介紹了python機(jī)器學(xué)習(xí)混淆矩陣confusion_matrix函數(shù)使用示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-06-06
這篇文章主要介紹了Python中fnmatch模塊的使用詳情，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-11-11
python簡(jiǎn)單實(shí)現(xiàn)旋轉(zhuǎn)圖片的方法
這篇文章主要介紹了python簡(jiǎn)單實(shí)現(xiàn)旋轉(zhuǎn)圖片的方法,涉及Python中image模塊使用技巧,需要的朋友可以參考下2015-05-05
20行Python代碼實(shí)現(xiàn)一款永久免費(fèi)PDF編輯工具的實(shí)現(xiàn)
這篇文章主要介紹了20行Python代碼實(shí)現(xiàn)一款永久免費(fèi)PDF編輯工具的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
在Pycharm中自動(dòng)添加時(shí)間日期作者等信息的方法
今天小編就為大家分享一篇在Pycharm中自動(dòng)添加時(shí)間日期作者等信息的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
pycharm + django跨域無(wú)提示的解決方法
這篇文章主要給大家介紹了關(guān)于pycharm + django跨域無(wú)提示的解決方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12
新春佳節(jié)到來(lái)之際,煙花的璀璨綻放象征著喜慶和熱鬧,如果能通過(guò)代碼在屏幕上生成煙花效果,既能增加節(jié)日的趣味,也能加深對(duì)編程的理解,本篇博客將詳細(xì)介紹如何使用Python生成新春煙花效果,包括實(shí)現(xiàn)原理、代碼解析以及常見(jiàn)問(wèn)題的解決方案,需要的朋友可以參考下2025-01-01
這篇文章主要介紹了在Windows下安裝配置CPU版的PyTorch的方法，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-04-04