初学opencv

一、图像的IO操作

1.读取图像

cv.imread(参数1，参数2)

参数1：要读取的图像路径

参数2：读取方式的标准

1：用彩色方式读取

0：用灰度模式读取

-1：包括alpha通道的图像加载模式

示例：

img = cv.imread("test01.jpg",1)
# 用彩色模式读取图片

2.显示图像

cv.imshow(参数1，参数2:）

参数1：显示窗口名

参数2：图像变量名

plt.imshow(img[:,:,::-1])
plt.show()

3.保存图像

cv.imwrite(参数1，参数2）

参数1：保存路径

参数2：图像变量名

二、在图像上绘制图形

0.创建空白图像

img = np.zeros((512,512,3),np.uint8)

1.直线

cv.line(参数1，（a1,a2）,(b1,b2),参数2，参数3）

参数1：要绘制的图像变量名

a:直线起始坐标

b:直线终点坐标

参数2：颜色

参数3：宽度（像素大小）

2.圆形

cv.circle(参数1，(a1,a2),参数2，参数3，参数4）

参数1：要绘制的图像变量名

a:圆心坐标

参数2：半径

参数3：颜色

参数4：宽度（等于-1时为实心圆）

3.矩形

参数1：要绘制的图像变量名

a:左上角坐标

b:右下角坐标

参数2：颜色

参数3：宽度

cv.rectangle(参数1，（a1,a2）,（b1,b2）,参数2，参数3）

4.文字

参数1：要绘制的图像变量名

参数2：写入内容

a:位置

参数3：字体类型

参数4：大小

参数5：颜色

参数6：宽度

参数7：线型

cv.putText(参数1，参数2,(a1,a2),参数3，参数4，参数5，参数6，参数7）

三、图像基础操作的其他操作

获取图像中的像素值

例：

px = img[a,b]

返回值为三个元素的数组 （颜色用三个数的数组表示）

获取图像中的某种颜色强度

例：

blue = img[a,b,c]
# a,b,c为代表这个颜色的参数

修改某位置的像素值

img[a,b] = [c,d,e]

获取图像属性

形状：img.shage（行数，列数，通道数）  注：通道数为颜色数，彩色为3

图像大小：img.size

数据类型:img.dtype

通道的拆分与合并

拆分：

b,g,r = cv.split(img)

合并：

img = cv.merge((b,g,r))

色彩空间的转换

cv.cvtColor(参数1，参数2)

参数1：需要转换的图像变量名

参数2：转换方式

cv.COLOR_BGR2GRAY: BGR<=>Gray

cv.COLOR_BGR2HSV: BGR -> HSV

四、图像的算术操作

1.图像的加法

numpy加法：取模运算

OpenCV加法：饱和运算

当像素值溢出255时，例：250+10

OpenCV结果：255

numpy结果：4

OpenCV语法：

img1 = cv.add(图像a,图像b)

numpy语法：

img2 = 图像1 +图像2

2.图像的混合

加权加法

img = cv.addWeighted(图像1，权重1，图像2，权重2，常数）

五、图像的几何变换

1.图像缩放

cv.resize(src,dsize,fx = ,fy = ,interpoltion)

src:图像名，

dsizd:绝对尺寸

fx,fy:相对尺寸（比例缩放）

internpoltion:差值方法

2.图像平移

获取图像的行列数：

rows，cols =img.shape[:2]

平移矩阵：

大小2*3

M = np.float32.([1,0,100],[0,1,50])
dst = cv.warpAffine(img,M,(rowe,cols))
#                  原图 平移矩阵 移动后图像大小

3.图像旋转

M = cv.getRotationMatrix20((rows/2,cols/2),90,1) # 旋转矩阵的获取
#                          旋转中心，       旋转角度  缩放比例
def = cv.warAffine(img,M,(cols,rows))

4.仿射变换

缩放、平移、旋转的组合

使用仿射变换：

1.创建三个点

2.获取三个点原始图像位置坐标，和变换后图像坐标

pts1 = np.float32([,],[,],[,])
pts2 = np.float32([,],[,],[,])
M = cv.getAffineTransform(pts1,pts2)
dat = warpAffine(img,M,(cols,rows))

5.透射变换

pts1 = np.float32([,],[,],[,],[,])
pts2 = np.float32([,],[,],[,],[,])
M = cv.getPerspectiveTransform(pts1,pts2)
dat = warpPerspective(img,M,(cols,rows))

6.图像金字塔

不同分辨率的图片

down_img = cy.pyrDown(img) # 下采样 大

up_img = cy.pyrUp(img) # 上采样 小

六、形态学操作

1.连通性

邻域：

连通性满足条件

（1）两个像素点相邻

（2）两个像素点的灰度值满足相似性准则

4连通：两像素在4邻域内

8连通：两像素在8邻域内

m连通：关键在于无交集，即无公共4邻域像素

2.腐蚀和膨胀

复杂的概念，但实际结果就是找到所有能覆盖b结构的a结构中的点

取出高亮区域的方法

cv.erode(img,kernel,iterations)
         原图 核结构   次数

与腐蚀相反，膨胀是找到无法让b结构完全覆盖的a结构中的点，让其覆盖上b结构

cv.dilate(img,kernel,iterations)

3.开运算、闭运算

（特点：不可逆）

开运算：先腐蚀，后膨胀 

断连接，消除小的噪点

闭运算：先膨胀，后腐蚀

填充操作

cv.morphologyEx(img,op,kernel)
              原图  运算方式   核结构

op:

开运算：cv.MORPH_OPEN

闭运算：cv.MORPH_CLESE

4.礼帽，黑帽

礼帽：原图和开运算后的差

黑帽：原图和闭运算后的差

cv.morphologyEx(img,op,kernel)
              原图  运算方式   核结构

礼帽：cv.MORPH_TOPHAT

黑帽：cv.MORPH_BLACKHAT

七、噪声

1.椒盐噪声

随机黑白点

2.高斯噪声

灰度值服从正太分布