opencv常用函数及参数汇总 # 注释内为常用的不同参数的解释

一：读取图片和视频文件

image = cv2.imread('image.jpg', cv2.IMREAD_COLOR) #读取彩色图像，灰度图像为IMREAD_GRAYSCALE
cv2.imshow('windoews_name', image)

cap = cv2.VideoCapure(0)
while True:
    ret, frame = cap.read()  # 你读取的帧是frame，后续对视频的操作也就是对每一帧frame的操作
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)  # 此处灰度化，还有cv2.COLOR_BGR2HSV
    cv2.imshow('gray',gray)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.realease()
cv2.destroyAllWindows()

二：缩放图片

height, width = img.shape[:2]  # 此处为缩放，采样(图像上缩小)，最合适的插值方法是 cv.INTER_AREA 
                               # 对于上采样(放大),最好的方法是 cv.INTER_CUBIC （速度较慢）和                 
                               # cv.INTER_LINEAR (速度较快)
res2 = cv2.resize(img, (2*width, 2*height), interpolation=cv.INTER_CUBIC)

三：透射变换

pts1 = np.float32([[56,65], [368,52], [28,387], [389,390]])  # 透射变换的示例代码，一般pts1是          
                                                            检测出来的矩形，譬如我们想要扫描箱 
                                                            子上的二维码，就可以用透射变换将箱 
                                                            子表面“铺平”
pts2 = np.float32([[0,0], [300,0], [0,300], [300,300]])
M = cv2.getPerspectiveTransform(pts1, pts2)
dst = cv2.warpPerspective(img,M,(300, 300))

四：二值化

ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) # 后面还有参数cv2.THRESH_TRUNC，
                                                            类似于渐变
th = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,2) 
                                                         # 自适应二值化，对减少光照影响很有用
ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

五：一些滤波

blur = cv.GaussianBlur(img,(5,5),0)  # 高斯滤波
blur = cv.bilateralFilter(img,9,75,75)  # 双边滤波
median = cv.medianBlur(img,5)  # 中值滤波，去除花椒噪音，不常用（正常哪来的花椒噪音）

六：腐蚀膨胀，开闭运算

kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(img, kernel, iterations=1)
dilation = cv2.dilate(img, kernel, iterations=1)
closing = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel，iterations=1)  # 消除白色噪音
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel，iterations=1) # 填充黑色空洞

七：Canny边缘检测

edges = cv2.Canny(img,100,200)  

解释一下这两个参数的意义，这两个都是强度梯度，我们认为，当强度低于前面一个参数的时候，不可能是边缘，高于后面一个参数的时候，一定是边缘。考虑到边缘具有连续性，如果一个连续的线存在一部分高于后面的参数，我们认为这就是边缘。具体可以参考如下的图片，AC是连续的，是边缘（尽管C强度不那么高，但是相连的A一定是边缘，所以C也是），B不是边缘，整体强度不够

八：寻找和绘制轮廓

1.寻找轮廓

contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

第二个参数为轮廓检索模式，

• • cv.RETR_EXTERNAL: 只检索最外层的轮廓。
  • cv.RETR_LIST: 检索所有轮廓，但不建立层次关系。
  • cv.RETR_CCOMP: 检索所有轮廓并将其组织为两级层次结构。顶层是外部边界，次层是孔的边界。
  • cv.RETR_TREE: 检索所有轮廓并重构嵌套轮廓的完整层次结构。

第三个参数为轮廓近似方法

• • cv.CHAIN_APPROX_NONE: 存储所有轮廓点。
  • cv.CHAIN_APPROX_SIMPLE: 只存储角点，如水平、垂直和对角线的起点和终点。
  • cv.CHAIN_APPROX_TC89_L1 和 cv.CHAIN_APPROX_TC89_KCOS: 使用 Teh-Chin 链码算法的近似方法。
• contours: 可选参数，轮廓的输出向量，每个轮廓是一个点的向量。
• hierarchy: 可选参数，输出的轮廓层次信息。
• offset: 可选参数，向每个轮廓点添加的偏移量

2.绘制轮廓

cv2.drawContours(img, contours, -1, (0,255,0), 3)

第二个参数-1表示绘制所有轮廓，如果是自然数则为绘制索引的轮廓。最后一个参数3表示绘制线条的粗细

九：轮廓的不同特征

1.矩

M = cv2.monents(contour)
cx = int(M['m10']/M['m00'])  # x的质心
cy = int(M['m01']/M['m00'])  # y的质心

2.面积，周长

area = cv2.contourArea(cnt)
perimeter = cv2.arcLength(cnt,True)

3.轮廓近似

epsilon = 0.1*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)

True指的是是否闭合，epsilon是近似精度，精度越高越贴合原来的轮廓（相当于没怎么拟合，包保持复杂度） 

4.矩形包围

x,y,w,h = cv2.boundingRect(cnt)
cv.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)  # 水平矩形

rect = cv2.minAreaRect(cnt)   # 旋转矩形
box = cv2.boxPoints(rect)
box = np.int0(box)
cv.drawContours(img,[box],0,(0,0,255),2)

(x,y),radius = cv2.minEnclosingCircle(cnt)  # 最小外接圆
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

还有长宽比的比率

x,y,w,h = cv2.boundingRect(cnt)
aspect_ratio = float(w)/h

十：霍夫变换

1.霍夫线变换

lines = cv2.HoughLines(edges,1,np.pi/180,200)
for line in lines:
    rho,theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a*rho
    y0 = b*rho
    x1 = int(x0 + 1000*(-b))
    y1 = int(y0 + 1000*(a))
    x2 = int(x0 - 1000*(-b))
    y2 = int(y0 - 1000*(a))
    cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)

第二、第三参数分别是 \(𝜌\) 和 \(𝜃\) 的精度，第四个参数可以认为是这个直线穿过了多少点

还有概率霍夫线变换

lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength=100,maxLineGap=10)
for line in lines:
    x1,y1,x2,y2 = line[0]
    cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

2.霍夫圆变换

circles = cv.HoughCircles(img,cv.HOUGH_GRADIENT,1,20,
                            param1=50,param2=30,minRadius=0,maxRadius=0)
circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    # draw the outer circle
    cv.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2)
    # draw the center of the circle
    cv.circle(cimg,(i[0],i[1]),2,(0,0,255),3)