一、安裝opencv

關(guān)于opencv的安裝，如果是windows系統(tǒng)下使用pycharm，那么直接在在終端使用pip命令或者點(diǎn)擊設(shè)置-python解釋器輸入opencv-python即可

如果使用的是conda，那也可以使用pip命令或者conda install 安裝
在linux下的話更加簡(jiǎn)單。而且也會(huì)少很多無緣無故的bug，推薦使用linux系統(tǒng)。linux下使用終端輸入pip或者pip3 install opencv-python即可，前提是已經(jīng)安裝了python并且設(shè)置好了路徑變量。

二、 opencv使用

想要使用opencv，必須在代碼開頭導(dǎo)入opencv的包，這里和安裝時(shí)候的名字不一樣，使用命令：
import cv2
導(dǎo)入包。并且需要安裝matplotlib和numpy。
1、 圖片的讀取

img = cv2.imread("car_green.jpg")

括號(hào)內(nèi)是圖片文件的名字，如果代碼與圖片在同一目錄下可以這樣做，但是如果不在同一目錄下，就需要包含圖片文件的完整路徑。使用該語句讀取圖片，將會(huì)返回一個(gè)ndarray類型的矩陣（行數(shù)，列數(shù)，通道數(shù)）
顯示剛才讀取的圖片：
注意：opencv讀取到的圖片格式為BGR格式。

cv2.imshow("name", img)
# 等待時(shí)間， 毫秒級(jí)， 0表示任意鍵終止
cv2.waitKey(0)

2、獲取攝像頭的視頻流

def video_get():
    capture = cv.VideoCapture(0)
    # 保存視頻流的每一幀
    while True:
        ret, frame = capture.read()
        # 翻轉(zhuǎn)圖像，原圖像是左右顛倒的
        frame = cv.flip(frame, 1)
        cv.imshow("video", frame)
        c = cv.waitKey(50)
        if c == 27:
            break

3、保存獲取到的圖像

cv.imwrite(想要保存的文件路徑， 圖像文件）

4、灰度圖轉(zhuǎn)化
讀取時(shí)直接讀取為灰度圖：

img = cv2.imread(path, cv.IMREAD_GRAYSCALE)

讀取時(shí)是彩色，轉(zhuǎn)化為灰度圖

img = cv.imread("car_red.jpg")
img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow("ing", img)
cv.waitKey(0)
cv.destroyAllWindows()

5、獲取圖像的部分區(qū)域
由于讀取到的圖片是ndarray類型的，因此可以使用切片操作來獲取圖像的某一部分：

roi = img[ 起始:結(jié)束, 起始:結(jié)束]

6、將彩色圖片的通道拆分與合并
因?yàn)椴噬珗D片是三通道的，假設(shè)圖片尺寸為128x128，那么他就包含三個(gè)128*128的顏色矩陣

img = cv.imread("car_red.jpg")
cv.imshow("img", img)
# 注意格式為BGR
b, g, r = cv.split(img)
# 通道合并，注意矩陣的順序，這樣合成的圖片為BGR格式
img = cv.merge((b, g ,r))
cv.imshow("img1", img)
cv.waitKey(0)
cv.destroyAllWindows()

三通道提取出來之后，每個(gè)通道其實(shí)如果顯示的話，就是單獨(dú)的灰度圖，因?yàn)閳D片的通道數(shù)變?yōu)?了。
想要顯示為RGB某一顏色，可以使用切片將其他顏色通道變?yōu)?

7、邊界填充
將圖片進(jìn)行邊界填充操作：

cv.copyMakeBorder(img, 50, 50, 50, 50, borderType=cv.BORDER_REFLECT)

其參數(shù)為，圖片源， 上下左右的填充距離（50，50，50，50）， borderType參數(shù)表示填充方法。
BORDER_REPLICATE: 復(fù)制法，復(fù)制圖片最邊緣像素
BORDER_REFLECT:反射法，對(duì)感興趣的圖像像素在兩邊進(jìn)行復(fù)制
BRDER_REFLECT_101:反射法，以最邊緣像素為軸
BORDER_WRAP:外包裝法
BORDER_CONSTANT:常量法，常數(shù)值填充
記得在函數(shù)前定義一個(gè)變量接受該函數(shù)的返回值。
8、圖像尺寸更改
使用resize函數(shù)對(duì)圖片尺寸進(jìn)行修改

red = cv.imread("car_red.jpg")
# 括號(hào)內(nèi)的元組表示的是圖片的長(zhǎng)和寬，也就是其對(duì)于矩陣的列和行
red = cv.resize(red, (475, 245))

圖片的尺寸我們使用長(zhǎng)和寬來表示，矩陣的大小使用的是行和列，對(duì)應(yīng)的圖片的長(zhǎng)就對(duì)應(yīng)與矩陣的列，因此要注意輸入的尺寸到底是圖片尺寸還是矩陣尺寸，對(duì)于方陣來說沒有區(qū)別，但是對(duì)于其他矩陣來說影響很大。
還有一種方法就是不指定其大小，通過指定x、y軸的擴(kuò)展倍數(shù)來完成圖像更改。

red = cv.resize(red,  (0, 0)，fx=3, fy=4 )

9、圖像融合
想要矩陣能相加，那么其必須是等尺寸的，在上面將兩圖處理為相同大小的圖片之后，就能對(duì)其進(jìn)行圖像融合處理操作了。

green = cv.imread("car_green.jpg")
print(green.shape)
red = cv.imread("car_red.jpg")
red = cv.resize(red, (475, 245))
print(red.shape)
res = cv.addWeighted(red, 0.4, green, 0.6, 0)
cv.imshow("res", res)
cv.waitKey(0)
cv.destroyAllWindows()

圖像融合其本質(zhì)就是矩陣相加，上面的函數(shù)可以看作一個(gè)公式：
F = ared + bgreen + c
其中a = 0.4 b = 0.6, c = 0這些系數(shù)都是我們可以自己進(jìn)行設(shè)置的
處理后的圖片如下：

到此這篇關(guān)于opencv-python圖像處理安裝與基本操作的文章就介紹到這了,更多相關(guān)opencv python圖像處理內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論