OpenCV函数接口一览

 

import cv2 #导入OpenCV工具包

print(cv2.getVersionString()) #打印出OpenCV版本号

image =cv2.imread("opencv_logo.jpg") #读取图片文件

print(image.shape) #打印出图片的维度，如打印出的（250，250，3）为（像素横行，像素纵列，三原色）

cv2.imshow("image",image) #将图片显示到一个窗口，并一闪而过

cv2.waitKey() #按任意键关闭窗口

#OpenCV存储图像三原色的顺序为BGR，与我们常说的RGB刚好相反

cv2.imshow("blue"，image[:，:，0]) #将图片的BGR灰度图分别显示在名为blue，green，red的三个窗口
cv2.imshow("green",image[:，:，1])
cv2.imshow("red",image[:，:，2])

gray =cv2.cvtColor(image,cv2.C0L0R_BGR2GRAY) #彩色图像灰度算法，将图片BGR通道做平方和加权平均

crop = image[10:170,40:200] #显示图片的一部分先行后列，从第10行到第170行，从第40列到200列

import numpy cv2 #导入numpy数据结构用来创建画布

image =np.zeros([300,300，3],dtype=np.uint8) #numpy创建画布，[300,300,3]是维度，灰度数值类型为无符号8位整数

cv2.line(image,(100，200)，(250，250)，(255，0，0)，2) #画线段，起点为(100,200),终点为(250,250),颜色为(255,0,0)即蓝色,线段粗细为2

cv2.rectangle(image,(30，100)，(60，150)，(0，255，0)，2) #画矩形，第一个顶点为（30，100），对角顶点为（60，150），颜色为（0，255，0）即绿色，矩形框粗细为2

cv2.circle(image，(150，100)，20，(0，0，255)，3) #画圆环，圆心为（150，100），半径为20，颜色为（0，0，255）即红色，圆环粗细为3

cv2.putText(image，"hello",(100，50)，0，1,(255，255，255)，2，1) #画字符串，字符串为hello，坐标为（100，50），字体序号为0即默认字体，字体缩放系数为1，颜色为（255，255，255）即白色，线条粗细为2，线条类型为1即实线

gauss =cv2.GaussianBlur(image,(5，5)，0）#使用高斯滤波器去除噪点，高斯内核为（5，5）即5个像素，sigmaX为0即sigmaX由内核大小决定

median =cv2.medianBlur(image，5) #用中值滤波器去除噪点，内核为5

corners =cv2.goodFeaturesToTrack(gray，580，0.1，10) #获取特征点，点的个数为500，点的个数优于0.1，特征点的间距大于10个像素

template = gray[75:105，235:265] #使用索引，横行75到105，纵列235到265，正好包含了一个菱形，并赋值给template作为样本

match =cv2.matchTemplate(gray,template,cv2.TM_CCOEFF_NORMED)# 标准相关匹配算法，把待检测图像和模板都各自标准化，避免光照强度影响。gray为待检测图像，template为模板，最后赋值给match

Locations =np.where(match >= 0.9) #找出匹配系数大于0.9的匹配点并赋值给Locations

w，h = template.shape[0:2] #将模板图案的长和宽赋值给w，h

for p in zip(*locations[::-1])： #循环遍列每一个匹配点
x1,y1 = p[0], p[1]
X2，y2 =x1 + W，y1 + h

cv2.rectangle(image,(x1，y1)，(x2，y2)，(0，255，0)，2) #在原始图像上画出每个匹配点对应的矩形框

gray = cv2.imread("opencv_logo.jpg", CV2.IMREAD_GRAYSCALE)#读取图像的灰度图

Laplacian =cv2.Laplacian(gray,cv2.CV_64F) #使用拉普拉斯算子将名为gray的图像的明暗变化梯度转为梯度图，并赋值给Laplacian

canny =cv2.Canny(gray，100，280) #canny算法边缘检测，梯度区间为100到200，梯度大于200的像素就被认定为边缘，梯度小于100的像素不会被认定为边缘，梯度在100到200之间的像素如果与边缘像素相连则也会被判定为边缘，否则不会判断为边缘

ret, binary =cv2.threshold(gray,10，255,CV2.THRESH_BINARY) #阈值算法（即二值化，二值就是黑与白，阈值算法认为图像非黑即白），10为阈值，255为最大灰度，最后把算出的值赋给binary