OpenCv基础（二）

已于 2024-01-04 11:58:16 修改
阅读量1k 收藏 13
点赞数 25
分类专栏： OpenCv 文章标签： opencv 人工智能 计算机视觉
于 2024-01-03 09:37:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_80552152/article/details/135355641
版权

OpenCv基础（二）

文章目录

三、图像运算和基本变换

  • OpenCv用mat这种数据结构来表示图片

  • 但在python中，把mat转化为了numpy的ndarray数据格式

  • ndarray数据格式的主要属性：size,shape,dtype

1.1 拷贝

  • 深拷贝img.copy、浅拷贝img.view
import cv2
import numpy as np

img = cv2.imread('../my_work/01.png')
# 浅拷贝
img2 = img.view()
# 深拷贝
img3 = img.copy()

img[10:100,10:100] = [0,0,255]
cv2.imshow('img',np.hstack((img,img2,img3)))	# 横着将几张图片拼接在一起
# cv2.imshow('img',np.vstack((img,img2,img3)))	# # 竖着将几张图片拼接在一起
cv2.waitKey(0)
cv2.destroyAllWindows()

1.2 图像的分割与融合

  • split(img):
    • img:待分割图像
  • merge(mv):
    • mv:合并图像数组
import cv2
import numpy as np

img = np.zeros((200,200,3),np.uint8)

# 分割通道，分成rgb三个通道
b,g,r = cv2.split(img)
# 修改指定通道的部分区域颜色
b[10:100,10:100] = 255
g[10:100,10:100] = 255
# 再合并通道
img2 = cv2.merge((b,g,r))

cv2.imshow("img",np.hstack((img,img2)))
cv2.waitKey(0)
cv2.destroyAllWindows()

1.3 绘制图形

  • 绘制直线：cv2.line(img,pt1,pt2,color,thickness,lineType,shift)

    • img:绘制在img图像上
    • pt1:起始点
    • pt2:终止点
    • color:线条颜色
    • thickness:线条粗细，值 = -1时表示填充
    • lineType:线条类型
    • shift:缩放参数

  • 绘制矩形框：cv2.rectangle()参数同上

  • 绘制圆形：cv2.circle(img,center,radius,color[,thickness,lineType,shift])

    • center:中心点
    • radius:半径

  • 绘制椭圆：cv2.ellipse(img,center,axes,angle,startAngle,endAngle.....)

    • axes:长轴及短轴的一半
    • angle:椭圆旋转的角度
    • startAngle:绘制椭圆起始角度
    • endAngle:绘制椭圆终止角度

  • 多边形：cv2.polylines(img,pts,isClosed,color,thickness)

    • pts:为多边形的点集，必须为int32类型
    • isClosed:是否闭合，值为bool类型

  • 填充多边形：cv2.fillPoly(img,pts,color,thickness)

  • 绘制文本：cv2.putText(img,str,org,fontFace,fontScale,color)

    • str:绘制的文字
    • org:文字起始坐标
    • fontFace:文字格式
    • fontScale:文字大小

代码示例：

import cv2
import numpy as np

img = np.zeros((640,480,3),np.uint8)
# 直线
cv2.line(img,(10,20),(300,400),(0,0,255),5,4)
cv2.line(img,(80,100),(380,480),(0,0,255),5,16)     # 有锯齿状

img2 = np.zeros((640,480,3),np.uint8)
# 矩形
cv2.rectangle(img2,(10,20),(250,460),(0,255,0),5,4)
# 圆
cv2.circle(img2,(240,320),150,(0,255,0),4)

# 椭圆
cv2.ellipse(img2,(240,320),(100,50),0,0,360,[0,0,255])

# 多边形
# pts多边形的点集，必须是int32位
pts = np.array([[(300,10),(150,100),(50,100)]],np.int32)
cv2.polylines(img2,pts,True,(0,0,255),4)

# 填充多边形
cv2.fillPoly(img2,pts,(0,0,255),4)

# 绘制文本,opencv不能绘制中文字体，可以使用pillow包
cv2.putText(img2,'love',(100,120),cv2.FONT_HERSHEY_COMPLEX,3,(0,0,255))


cv2.imshow('draw2',img2)
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
  • 使用pillow绘制中文
from PIL import ImageFont,ImageDraw,Image
img = np.full((500,500,3),fill_value=255,dtype=np.uint8)
font = ImageFont.truetype('下载的字体格式路径')
img_pil = Image.fromarray(img)

draw = ImageDraw.Draw(img_pil)
draw.text((100,250),"我爱你",font=font,fill=(0,255,0,0))
img = np.array(img_pil)

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.4 图像的基本运算

  • 加法：cv2.add(img1,img2)，像素相加超过255，会变成255，也就是白色
    • 图片还能与单个数字进行运算,每个与100进行加法运算，超出255会被截断，相当于%255
  • 减法：cv2.subtract(img1,img2)，减完小于0，变为0
  • 乘法：cv2.multiply(img1,img2)，超过255，会变成255
  • 除法：cv2.divide(img1,img2)，小于0，变为0
import cv2

img1 = cv2.imread('../my_work/01.png')
img2 = cv2.imread('../my_work/02.png')

# 将尺寸变为一致
new_img1 = cv2.resize(img1,(img2.shape[:-1][::-1]))

# 加法,两个图片的尺寸相同，维数相同
img_add = cv2.add(img1,img2)    # 像素相加超过255，会变成255，也就是白色

# 图片还能与单个数字进行运算,每个与100进行加法运算，超出255会被截断，相当于%255
img3 = img2+100

# 减法,减完小于0，变为0
img4 = cv2.subtract(new_img1,img2)

# 乘法
img5 = cv2.multiply(img1,img1)

# 除法
img6 = cv2.divide(img1,img2)

cv2.imshow('img1_img2',cv2.hconcat((new_img1,img2)))
cv2.imshow('add',img_add)
cv2.imshow('img+n',img3)
cv2.imshow('subtract',img4)
cv2.imshow('img1*img2',img5)
cv2.imshow('img1/img2',img6)

cv2.waitKey()
cv2.destroyAllWindows()

1.5 图像的加法融合

  • 相当于拿图片做了线性运算，new_img = img1*w1 + img2*w2 + bias
    • w1、w2分别为img1和img2所占权重，bias为常数偏置
import cv2
import numpy as np

# 图像融合相当于拿图片做了线性运算，new_img = img1*w1 + img2*w2 + bias
img1 = cv2.imread('../my_work/01.png')
img2 = cv2.imread('../my_work/02.png')
# 将尺寸变为一致
new_img1 = cv2.resize(img1,(img2.shape[:-1][::-1]))

concat = cv2.addWeighted(new_img1,1.2,img2,0.5,-100)

cv2.imshow('img1_img2',cv2.hconcat((new_img1,img2)))
cv2.imshow('concat',concat)

cv2.waitKey()
cv2.destroyAllWindows()

1.6 位运算

  • OpenCv中的逻辑运算—与或非、异或

    • 也就是对应位置元素进行与或非、异或；即对应像素的灰度值转化为二进制进行位运算，再转化为灰度值
    • 0反过来就是255

  • 非运算：相当于255-img

    • cv2.bitwise_and(img1,img2)

  • 或运算：

    • cv2.bitwise_or(img1,img2)

  • 异或运算：

    • cv2.bitwise_xor(img1,img2)
import cv2
import numpy as np

img1 = cv2.imread('../my_work/01.png')
img2 = cv2.imread('../my_work/02.png')

# 非运算,相当于255-img
img1_not = cv2.bitwise_not(img1)

# 与运算,形状要求相同
img1_and_img2 = cv2.bitwise_and(img1,img2)
print(img1[:2,:2])
print(img2[:2,:2])
print(img1_and_img2[:2,:2])

# 或运算
img1_or_img2 = cv2.bitwise_or(img1,img2)

# 异或运算
img1_xor_img2 = cv2.bitwise_xor(img1,img2)

cv2.imshow('not',np.hstack((img1,img1_not)))
cv2.imshow('and',np.hstack((img1,img1_and_img2,img2)))
cv2.imshow('or',np.hstack((img1,img1_or_img2,img2)))
cv2.imshow('xor',np.hstack((img1,img1_xor_img2,img2)))
cv2.waitKey()
cv2.destroyAllWindows()

1.7 resize操作

  • cv2.resize(src,dsize[,dst[,fx,[,fy[,interpolation]]]])
    • src：要缩放的图片
    • dsize：缩放之后的大小，元组和列表表示均可，先宽后高（w,h）
    • dst：可选参数，缩放之后的输出图片
    • fx，fy：x轴和y轴的缩放比，即宽度和高度的缩放比
    • interpolation：插值算法，主要为：
      • INTER_NEAREST，邻近插值，速度快、效果差
      • INTER_LINEAR，双线性插值，默认，需要用原图4个点
      • INTER_CUBIC，三次插值，需要用原图16个点
      • INTER_AREA，区域插值，效果最好、计算时间长
import cv2
import numpy as np

# resize(src,dsize[,dst[,fx,[,fy[,interpolation]]]])
img1 = cv2.imread('../my_work/01.png')
img2 = cv2.imread('../my_work/02.png')

# resize是先宽后高
img1_new = cv2.resize(img1,(img2.shape[:-1][::-1]))
print(img2.shape)
print(img2.shape[:-1])
print(img2.shape[:-1][::-1])

cv2.imshow('img1_new',cv2.hconcat((img1_new,img1)))
cv2.waitKey()
cv2.destroyAllWindows()

1.8 图像的旋转

  • 翻转cv2.flip(src,flipCode)

    • flipCode = 0 表示上下翻转
    • flipCode > 0 表示左右翻转
    • flipCode < 0 表示上下左右翻转

  • 旋转cv2.rotate(src,rotateCode)

    • rotateCode = cv2.ROTATE_90_CLOCKWISE 表示90°顺时针旋转
    • rotateCode = cv2.ROTATE_180 表示180°顺时针旋转
    • rotateCode = cv2.ROTATE_90_COUNTERCLOCKWISE 表示90°逆时针旋转
import cv2

img1 = cv2.imread('../my_work/01.png')
img2 = cv2.imread('../my_work/02.png')

img1_new = cv2.flip(img1,0)
img2_new = cv2.rotate(img2,cv2.ROTATE_90_CLOCKWISE)

cv2.imshow('img1_flip',cv2.hconcat((img1_new,img1)))
# 旋转90度后宽高不一致
cv2.imshow('img2_rotate',img2_new)
cv2.imshow('img2',img2)

cv2.waitKey()
cv2.destroyAllWindows()

1.9 图像的仿射变换—图像平移

  • 仿射变换是图像旋转、缩放、平移的总称。具体做法是通过一个变换矩阵和原图片进行计算，得到新的坐标，完成变换，所以仿射变换的关键是变换矩阵的计算。

  • cv2.warpAffine(src,M,dsize,flags,mode,value)

    • M：变换矩阵
    • dsize：输出图片大小
    • flags：与resize中的插值一致
    • mode：边界外推法标志
    • value：填充边界值

  • 平移矩阵

    • 矩阵中的每个元素由(x,y)组成，(x,y)表示这个像素的坐标，假设沿x轴平移tx，沿y轴平移ty，那么最后得到的坐标为 ( x ˇ (\check{x} (xˇ, y ˘ \breve{y} y˘​) = (x+tx,y+ty)，用矩阵表示：

[ x ˇ y ˘ 1 ] = [ 1 0 t x 0 1 t y 0 0 1 ] [ x y 1 ] \large \begin{bmatrix} \check{x}\\ \breve{y}\\ 1\\ \end{bmatrix} =\begin{bmatrix} 1&0&t_x\\ 0&1&t_y\\ 0&0&1\\ \end{bmatrix} \begin{bmatrix} x\\ y\\ 1\\ \end{bmatrix} ​xˇy˘​1​ ​= ​100​010​tx​ty​1​ ​ ​xy1​ ​

import cv2
import numpy as np

img1 = cv2.imread('../my_work/01.png')

# 获取原图片的尺寸与通道数
h,w,c = img1.shape
# 定义变换矩阵
M = np.float32([[1,0,100],[0,1,0]])
# OpenCV的图片尺寸是先宽后高
new = cv2.warpAffine(img1,M,(w,h))  # 平移操作

cv2.imshow("new",new)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.10 仿射变换—获取旋转变换矩阵

  • OpenCv中提供了计算变换矩阵的API
  • cv2.getRotationMatrix2D(center,angle,scale)
    • center：中心点，以图片的哪个点作为旋转中心
    • angle：角度，旋转的角度，按逆时针旋转
    • scale：缩放比例
  • cv2.getAffineTransform(src[],dst[])，通过三点可以确定变换后的位置，相当于解方程，三个点对应三个方程，解出偏移参数与旋转角度
    • src：原目标三个点([ , ],[ , ],[ , ])
    • dst：变换后三个点([ , ],[ , ],[ , ])
import cv2

img1 = cv2.imread('../my_work/01.png')

# 获取原图片的尺寸与通道数
h,w,c = img1.shape
# 1.获取变换矩阵
M = cv2.getRotationMatrix2D((w/2,h/2),15,1.0)
# 2.获取变换矩阵
src = np.float32([[200,100],[50,100],[40,90]])
dst = np.float32([[200,120],[80,110],[80,50]])
M2 = cv2.getAffineTransform(src,dst)

new = cv2.warpAffine(img1,M,(w,h))  
new2 = cv2.warpAffine(img1,M2,(w,h)) 

cv2.imshow("new",new)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.11 透视变换

  • 将一种坐标系变成另一种坐标系。简单来说就是把一张斜图变正

  • warpPerspecctive(img,M,dsize,....)

    • 对于透视变换来说，M是一个3*3的矩阵

  • getPerspectiveTransform(src,dst)获取透视变换矩阵，需要4个点，即图片的4个角

    • src、dst = ([ , ],[ , ],[ , ],[ , ])
import cv2
import numpy as np

img1 = cv2.imread('../my_work/01.png')

print(img1.shape)
# src是原图的4个坐标，dst是变换后的坐标
src = np.float32([[100,100],[200,100],[0,300],[250,290]])
dst = np.float32([[0,0],[210,0],[0,320],[250,290]])
# 获取变换矩阵
M = cv2.getPerspectiveTransform(src,dst)
# 透视变换
img1_new = cv2.warpPerspective(img1,M,(400,400))

cv2.imshow("new",img1_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

dst = ([ , ],[ , ],[ , ],[ , ])

import cv2
import numpy as np

img1 = cv2.imread('../my_work/01.png')

print(img1.shape)
# src是原图的4个坐标，dst是变换后的坐标
src = np.float32([[100,100],[200,100],[0,300],[250,290]])
dst = np.float32([[0,0],[210,0],[0,320],[250,290]])
# 获取变换矩阵
M = cv2.getPerspectiveTransform(src,dst)
# 透视变换
img1_new = cv2.warpPerspective(img1,M,(400,400))

cv2.imshow("new",img1_new)
cv2.waitKey(0)
cv2.destroyAllWindows()
wyyt1202
关注
  • 25
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
OpenCV实战（1）——OpenCV与图像处理基础
盼小辉丶的博客
10-24 6万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
OpenCV基础入门
suren_jun的博客
12-22 1619
图像是人类视觉的基础，是自然景物的客观反映。模拟图像通过某种物理量的强弱变化来记录图像信息，所以是连续变换的。因为模拟信号容易受到干扰，如今已经被数字图像全面替代数字图像，其亮度用离散的数值表示位数：0~255灰度图，其中0，代表最黑，255，表示最白图像分类二值图像：由0和1组成的二值图像灰度图：采用像素8位的非线性尺度来保存，有256级灰度，如果16位，则65536级灰度彩色图：通常采用RGB三个分量表示，分别介于（0~255），采用8位无符号整形。
OpenCV基础二：其一些辅助对象（陆续更新）
Beking17113的博客
12-19 1841
记录OpenCV中一些常用的辅助类型函数（陆续更新）
opencv c++编程基础
hkj887tg的博客
05-28 4480
opencv使用Mat进行图片处理基础。
OpenCV基础教程大全
qq_41854911的博客
12-16 5621
文章目录关于本教程OpenCV是什么？IPPICV 加速OpenCV有哪些应用？OpenCV 使用开源许可证什么是计算机视觉？人类的视觉计算机的视觉场景信息可以辅助计算机视觉使用统计的方法来对抗噪声OpenCV的起源（发展历程）OpenCV 目前的情况谁拥有OpenCVOpenCV包含的模块以及组成结构OpenCV下载和安装（包含所有平台）安装在 Windows 系统下安装 OpenCV从源代码编译 OpenCVLinux 系统下安装 OpenCVMac系统下安装 OpenCV从 Git 获取最新的 Ope
OpenCV入门基础学习
m0_56051805的博客
07-28 8974
OpenCV入门基础学习
OpenCV基础知识入门
小白学视觉
03-07 4295
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文旨在让你快速入门opencv。OpenCVOpenCV是计算机视觉中最受欢迎的库，最初由intel使用C和C ++...
Opencv的基础操作
m0_51864191的博客
12-08 981
接下来分别采用复制法、反射法、外包装法、常量法进行填充。
opencv基础篇 ——（三）图像二值化
零落年华的专栏
04-22 2009
图像二值化是图像处理中常用的一种技术，用于将灰度图像转换为只包含两个像素值（通常是黑色和白色）的二值图像。这种处理通常用于简化图像、减少数据量以及强调感兴趣的目标。
opencv基础
Crown__的博客
09-08 1084
opencv基础知识
OpenCV教程 基础篇
10-18
这篇“OpenCV教程 基础篇”是专为OpenCV初学者设计的学习资料，旨在帮助读者快速掌握OpenCV的基本概念、函数和应用。 在OpenCV中，我们首先会接触到图像的基本操作，包括读取、显示和保存图像。通过`cv2.imread()`...
opencv 二值化 细化
07-10
**二值化**是图像处理中的一个基础步骤，其目标是将图像转化为黑白两色，即二值图像。在OpenCV中，这通常通过`cv2.threshold()`函数实现。该函数接受原始图像、阈值、最大值和阈值类型作为参数。例如，我们可以使用`...
深度学习OpenCV基础操作视频讲解
05-10
在深度学习和OpenCV的基础操作中，有几个关键的概念和步骤是必须掌握的。以下是一些基础操作的详细描述： 1. OpenCV库的导入： 在Python中，首先需要导入OpenCV库才能使用其提供的功能。 2. 读取图像： 使用`...
opencv基础教程
09-29
**OpenCV基础教程** OpenCV（开源计算机视觉库）是一个强大的跨平台计算机视觉库，它包含了大量的用于图像处理和计算机视觉的算法。本教程旨在帮助初学者理解和掌握OpenCV的基本概念和功能，以便进行图像分析、图像...
OpenCV教程--基础篇
01-23
在OpenCV中，图像被视为二维数组，可以进行基本的读取、显示、保存操作。关键函数包括`imread()`用于读取图像，`imshow()`用于显示图像，以及`imwrite()`用于保存图像。同时，OpenCV提供了丰富的滤波器，如高斯模糊...
2.5 openCv -- 使用 OpenCV 合并（混合）两张图片
Bamboo265925的博客
07-25 1019
通过在 00 到 11 之间变化 𝛼α，此运算符可用于在两张图片或视频之间执行时间交叉溶解，这在幻灯片展示和电影制作中常见（很酷吧？由于我们要添加 𝑠𝑟𝑐1src1 和 𝑠𝑟𝑐2src2，它们必须具有相同的尺寸（宽度和高度）和类型。从我们之前的教程中，我们已经了解了一些像素运算符。我们需要两个源图片 (𝑠𝑟𝑐1src1 和 𝑠𝑟𝑐2src2)。我们使用的图片如下：LinuxLogo.jpg 和 WindowsLogo.jpg。在这个例子中，𝛾γ 是上面代码中的参数 𝛾γ。
嵌入式C++、ROS 、OpenCV、SLAM 算法和路径规划算法：自主导航的移动机器人流程设计（代码示例）
最新发布
嵌入式极客小张
07-25 845
在科技迅速发展的背景下，嵌入式自主移动机器人作为一个具有广泛应用前景的研究领域，吸引了众多开发者的关注。本文详细介绍了一个嵌入式自主移动机器人项目，重点阐述了其硬件与软件系统设计及代码实现。硬件部分采用ESP32、Raspberry Pi和Arduino作为嵌入式控制器，结合激光雷达、超声波传感器和摄像头等多种传感器，实现环境感知和数据采集。软件系统基于Raspberry Pi OS，主要使用Python进行高层逻辑控制，C/C++用于实时任务处理，并利用ROS框架支持机器人开发。
OpenCV 图像处理 轮廓检测基本原理
weixin_46999174的博客
07-25 512
轮廓发现是图像处理中的一个重要步骤，用于检测物体的边界和形状。本文讲解了基本实现原理和代码实现
2.4 openCv -- 对图像操作
Bamboo265925的博客
07-25 1009
处理图像 从文件加载图像：Cpp如果读取的是 JPG 文件，默认会创建一个三通道的图像。如果你需要灰度图像，可以使用：Cpp文件的格式由其内容（前几个字节）决定。要将图像保存到文件中：Cpp文件的格式由其扩展名确定。使用和可以从内存中读取或写入图像，而不是从文件中读取或写入。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值