openCV入門學習基礎教程第一篇
前言：計算機眼中的圖片
- 計算機中圖片由許多個像素點組成，如一個500x500的圖片，表示長寬各由500個像素點組成。
- 計算機中一個像素點的值在0-255表示該點亮度 0暗(黑)-255亮(白)
- 一張彩圖通常是由RGB(red、green、blue)三個顏色通道所組成
- 一個500x500的圖片那他們的 RGB 矩陣也各是500x500。
上圖我們將一個大的圖片分割成許多如20x20的小圖片，同理每個小圖片它們的RGB矩陣也各自是20x20。
注：opencv默認順序不是RBG 而是 BGR。
1. 圖片的讀取與顯示
1.1 圖片的讀取
import cv2
img = cv2.imread('./data/abv.jpg')img = cv2.imread('./data/abv.jpg')
比如我讀入這樣一張圖片，命名為img；
我們可以看到img是一個三維ndarray結構，內(nèi)部數(shù)據(jù)類型dtype=unit8：
三維：(1080,1920,3)表示高度、寬度、顏色通道個數(shù)(cv彩圖BGR)ndarray結構：數(shù)據(jù)類型dtype=unit8, 0-255。
1.2 顯示的圖片
1.2.1 顯示原始圖片
cv2.imshow('image',img) # 第一個參數(shù)表示窗口指定的名字 第二個為上方img
cv2.waitKey(5000) # 等待時間 如果是5000則在5s后圖片窗口自動關閉 0表示任意鍵關閉
cv2.destroyAllWindows() # 時間一到關閉窗口ps: 圖像的顯示也可以是多個窗口
- cv2.imshow('image',img) 自己給將要彈出的窗口起個名 再加入變量img
- cv2.waitKey(5000) 等待時間 如果是5000則在5s后圖片窗口自動關閉 0表示任意鍵關閉
- cv2.destroyAllWindows() 時間一到關閉窗口
為方便下面使用，我們自己定義一個函數(shù)cv_show()：
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()執(zhí)行代碼，彈出窗口，顯示圖片：
cv_show('winName',img)
1.2.2 灰度圖
在之前的基礎之上加入?yún)?shù)：cv2.IMREAD_GRAYSCALE
img2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE) # cv2.IMREAD_COLORimg2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE)
- cv2.IMREAD_GRAYSCALE 讀取為灰度圖，也可以寫0。
- cv2.IMREAD_COLOR 讀取為彩圖
我們執(zhí)行：
cv_show('win2',img2) 
可以看到該圖片最終顯示結果為二維(1080，1920) :
ps: img.size 輸出像素點的個數(shù)，可以看到同一張圖片BGR彩圖是灰度圖的三倍。
1.3 BGR轉換成灰度圖、RGB
當然我們也可以把已經(jīng)讀取進來的BGR彩圖轉換成灰度圖，或者轉換為RGB。
img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv_show('win3',img2)img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
- cv2.COLOR_BGR2RGB 將BGR格式轉換成RGB
- cv2.COLOR_BGR2GRAY 將BGR格式轉換成灰度圖片
2. 保存圖片
cv2.imwrite('./data/grayPhoto.jpg',img2)cv2.imwrite('./data/grayPhoto.jpg',img2)
此時我的data文件夾下就多了一張才處理好名為grayPhoto的灰度圖。
3. 視頻的讀取與顯示
視頻也是由圖像組成的，每一幀都可以當作是一個靜止的圖像，把圖像連在一起看著就像是一個視頻了。 我們打游戲時，也是追求一些更高的幀率。
vc = cv2.VideoCapture('./data/stu.mp4')vc = cv2.VideoCapture('./data/stu.mp4')
# 檢查是否正確打開
if vc.isOpened():
open,frame = vc.read()
else:
open = Flasevc.read()
- 讀取視頻中的第一幀 ，再次執(zhí)行vc.read()的話讀取視頻第二幀
- 返回值中：第一個：布爾類型，能讀進來就是True 第二個像是上面的img，這一幀圖片的ndarray矩陣
循環(huán)圖片播放視頻：
while open:
ret,frame = vc.read()
if frame is None:
break
if ret == True:
# 原本frame是（h,w,3）的BGR圖片矩陣 經(jīng)下方加入?yún)?shù)轉換成黑白gray
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
cv2.imshow('result',gray)
# cv2.waitKey(num) 該圖片顯示時間/速度 自己可以找一個合適的值
# 27指退出鍵ESC 退出窗口 當然也可以是 =='q'等
if cv2.waitKey(20)&0xFF == 27:
break
vc.release()
cv2.destroyAllWindows()注：視頻放完 ret, frame = vc.read()返回False和None 再次進行循環(huán)無法播放視頻，需要重新讀取。
if cv2.waitKey(20)&0xFF == 27:
- 不是新知識點了，表示每張圖片等20毫秒，如果按ESC鍵直接退出。
4. 截取圖像部分
我們上面介紹，img是一個ndarray矩陣，因此對其進行切片操作：
pho = img[100:800,200:800] # 進行切片 高100到800 寬200到800
cv_show('win2',pho)pho = img[100:800,200:800]
5. 顏色通道提取
b,g,r = cv2.split(img) # b.shape g.shape r.shape 都為 (1080, 1920)
執(zhí)行
cv_show('win3',g) # 或者填 b、r
結果就是單通道圖。
如果我們想顯示單一顏色，如紅色：
cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 設置為0
cur_img[:,:,1] = 0 # G不要了 設置為0
#cur_img[:,:,2] = 0 # R不要了 設置為0
cv_show('winR',cur_img)
6. 邊界填充
這個一般用于卷積，在圖像周圍填充一些像素。
我們以這個圖片為例：
img = cv2.imread('./data/gd01.jpg')
# img.shape 為 (300, 400, 3)
cv_show('win1',img)
在圖片的上下左右填充50個像素，介紹5種方法：
top_size,bottom_size,left_size,right_size=(50,50,50,50) # 不同的填充方法 最后參數(shù)改個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默認R G B本例只介紹邊界填充
plt.show()
- cv2.BORDER_REPLICATE
- 復制最邊緣的像素
- cv2.BORDER_REFLECT
- 反射法對感興趣的圖像中的像素在兩邊進行復制 如fedcba|abcdefgh|hgfedcb 其中abcdefgh是圖像"|"外的是填充內(nèi)容
- cv2.BORDER_REFLECT_101
- 反射法，也就是以最邊緣的像素為軸，對稱，gfedcb|abcdefgh|gfedcba 上面是ba|ab 這個是bab。
- cv2.BORDER_WRAP
- 外包裝法 如：cdefgh|abcdefgh|abcdefg。
- cv2.BORDER_CONSTANT
- 常量法，常數(shù)值value填充。
7. 數(shù)值計算
由于是uint8類型最大255 超過相當于結果為 num%256了
我們使用以下方法保留最大值：
cv2.add(img,img2)
cv2.add(img,img2)
8. 圖像融合
效果如下：
我們導入寬高相同的2張圖片：
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 需要手動設置成一樣的
img3 = cv2.resize(img3,(600,281)) # img3.shape (281, 600, 3)
img3 = cv2.resize(img3,(600,281))
ps: cv2.resize()另一種操作
img4 = cv2.resize(img3,(0,0),fx=2,fy=1)
我們執(zhí)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為權重 c為偏置 這里意為在原亮度上變化多少
9. 知識點總結*
讀取圖片：
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) 顯示圖片：
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()BGR轉換成灰度圖、RGB：
img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) img3 = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
保存圖片：
cv2.imwrite('./data/grayPhoto.jpg',img2)視頻的讀取與顯示：
vc = cv2.VideoCapture('./data/stu.mp4')
# 檢查是否正確打開
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圖片矩陣 經(jīng)下方加入?yún)?shù)轉換成黑白gray
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
cv2.imshow('result',gray)
# cv2.waitKey(num) 該圖片顯示時間/速度 自己可以找一個合適的值
# 27指退出鍵ESC 退出窗口 當然也可以是 =='q'等
if cv2.waitKey(20)&0xFF == 27:
break
vc.release()
cv2.destroyAllWindows()截取圖片部分：
pho = img[100:800,200:800] # 進行切片 高100到800 寬200到800
顏色通道提?。?/p>
b,g,r = cv2.split(img)
cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 設置為0
cur_img[:,:,1] = 0 # G不要了 設置為0
#cur_img[:,:,2] = 0 # R不要了 設置為0
cv_show('winR',cur_img)邊界填充：
top_size,bottom_size,left_size,right_size=(50,50,50,50) # 不同的填充方法 最后參數(shù)改個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)
數(shù)值計算：
cv2.add(img,img2)
圖像融合：
img3 = cv2.resize(img3,(600,281)) res = cv2.addWeighted(img,0.6,img2,0.4,0)
總結
到此這篇關于openCV入門學習基礎教程的文章就介紹到這了,更多相關openCV第一篇內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
python實現(xiàn)生成Word、docx文件的方法分析
這篇文章主要介紹了python實現(xiàn)生成Word、docx文件的方法,結合實例形式分析了Python使用docx模塊操作word文件與docx文件的相關實現(xiàn)技巧,需要的朋友可以參考下2019-08-08
windows下安裝python的C擴展編譯環(huán)境(解決Unable to find vcvarsall.bat)
這篇文章主要介紹了windows下安裝python的C擴展編譯環(huán)境(解決Unable to find vcvarsall.bat),需要的朋友可以參考下2018-02-02
這篇文章主要介紹了django富文本編輯器的實現(xiàn)示例，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-04-04
Python中保存文件是一項非?；镜娜蝿?它允許我們將程序輸出保存到磁盤上,以便以后使用或與他人共享,這篇文章主要給大家介紹了關于Python中文件讀取與保存的相關資料,需要的朋友可以參考下2024-04-04
堅持每天學一點，每天積累一點點，作為自己每天的業(yè)余收獲，這個文章是我在吃飯的期間寫的，利用自己零散的時間學了一下python操作MYSQL，所以整理一下。我采用的是MySQLdb操作的MYSQL數(shù)據(jù)庫。先來一個簡單的例子吧2013-10-10
Python中計算三角函數(shù)之cos()方法的使用簡介
這篇文章主要介紹了Python中計算三角函數(shù)之cos()方法的使用簡介,是Python入門的基礎知識,需要的朋友可以參考下2015-05-05
PyTorch?Dataset與DataLoader使用超詳細講解
用于處理數(shù)據(jù)樣本的代碼可能會變得凌亂且難以維護；理想情況下，我們希望數(shù)據(jù)集代碼與模型訓練代碼解耦，以獲得更好的可讀性和模塊化。PyTorch提供的torch.utils.data.DataLoader和torch.utils.data.Dataset允許你使用預下載的數(shù)據(jù)集或自己制作的數(shù)據(jù)2022-10-10
python3 使用函數(shù)求兩個數(shù)的和與差
這篇文章主要介紹了python3 使用函數(shù)求兩個數(shù)的和與差，具有很好的參考價值，希望對大家有所幫助。2021-05-05
python數(shù)據(jù)分析apply(),map(),applymap()用法
這篇文章主要介紹了python數(shù)據(jù)分析apply(),map(),applymap()用法，可以方便地實現(xiàn)對批量數(shù)據(jù)的自定義操作。用法歸納如下,需要的朋友可以參考一下2022-03-03
今天小編就為大家分享一篇Python: 傳遞列表副本方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12