python-OpenCV基础

目录

基础常识：

一、OpenCV图片函数

1.cv2.imread()读入图片

2.cv2.imshow()显示图片

3.cv2.imwrite()保存图片

二、OpenCV摄像头有关函数

1.打开摄像头

2.获取、改变摄像头属性

3.播放本地视频：

三、图像的基本操作

1.获取和修改像素值：

2.获取图片的属性

img.shape、img.dtype、img.size

3.ROI(截图)

四、颜色的空间转换

1.颜色空间转换

2.对特定颜色物体追踪

五、阙值分割---两类值

1.固定阙值分割

2.自适应阙值

六、图像几何变换

1.缩放图片

2.镜像反转图片

3.平移图片

4.旋转图片

七、绘画功能

1.画线

2.画矩形

3.画圆

4.画椭圆

5.画多边形

---

基础常识：

电脑上图片以RGB颜色模式显示，在opencv中以B-G-R通道顺序存储的，灰度图只是一个通道

一、OpenCV图片函数

1.cv2.imread()读入图片

import cv2
img = cv2.imread("l.jpg",0)
#参数1：图片路径；若图片放在当前文件夹下，直接"l.jpg"，否则需要给出绝对路径，如'D:\OpenCVSamples\lena.jpg'
#参数2：读入方式；彩色图：1；灰度图：0；包含透明通道的彩色图：-1

2.cv2.imshow()显示图片

cv2.imshow("lena",img)
#参数1:窗口名字
#参数2：要显示的图片，在上一步读入图片中已经完成
cv2.waitKey(0)#让程序暂停
#参数：程序暂停时间，时间一到，会继续执行接下来的程序
#传入0表示一直等待

 当图片比较大时，先用cv2.namedWindow()创建一个窗口，之后再显示图片：

cv2.namedWindow("lena2",cv2.WINDOW_NORMAL)
#参数1：窗口名字
#参数2：默认值，表示窗口大小自适应图片
cv2.imshow("lena2",img)
cv2.waitKey(0)

3.cv2.imwrite()保存图片

cv2.imwrite("lena_gray.jpg",img)
#参数1：包括后缀名的文件名
#参数2：需要保存的图片

二、OpenCV摄像头有关函数

1.打开摄像头

import cv2

capture = cv2.VideoCapture(0)
#0表示摄像头的编号，如果电脑上有两个摄像头，访问第二个摄像头就可以传入1，以此类推

while True：
    ret,frame = capture.read()#获取一帧
    #ret是一个布尔值，表示当前这一帧是否获取正确
    #frame为这一帧的图
    
    #cv2.cvtColor()用来转换颜色，这里将彩色图转成灰度图。
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    
    #显示图片
    #参数1：窗口名称；参数2：要显示的图片
    cv2.imshow("frame",gray)
    if cv2.waitKey(1) == ord("q"):
        break
    
    

2.获取、改变摄像头属性

使用cap.get(propId),参数为0~18的数字，代表不同的属性

width,height = capture.get(3),capture.get(4)
#获取捕获的分辨率
print(width,height)

#修改参数
capture.set(cv2.CAP_PROP_FRAME_WIDTH,width*2)
capture.set(cv2.CAP_PROP_FRAME_WIDTH,height*2)

3.播放本地视频：

跟打开摄像头一样，如果把摄像头的编号换成视频的路径就可以播放本地视频了。回想一下cv2.waitKey()，它的参数表示暂停时间，所以这个值越大，视频播放速度越慢，反之，播放速度越快，通常设置为 25 或 30。

#播放本地视频
capture = cv2.VideoCapture("demo_video.mp4")


#使用cv2.VideoCapture()函数完成摄像头的初始化之后，为了防止初始化发生错误，用cv2.VideoCapture.isOpened()函数来检查初始化是否成功。
while(capture.isOpened()):
    ret,frame = capture.read()
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)


    cv2.imshow("frame",gray)
    if cv2.waitKey(30) == ord("q"):
        break

三、图像的基本操作

1.获取和修改像素值：

#读入一张图片
import cv2
img = cv2.imrad("lena.jpg")
#参数存放，图片的地址

px = img[100,90]#里面的数是图片的行列坐标
print(px)

#只获取蓝色blue通道的值
px_blue = img[100,90,0]
print(px_blue)


#修改像素值
img[100,90] = [255,255,255]
print(img[100,90])

2.获取图片的属性

img.shape、img.dtype、img.size

print(img.shape)#(263,247,3),行数、列数、通道数

print(img.dtype)#获取图像数据类型

print(img.size)#获取图像总像素数

3.ROI(截图)

img[100:200,115:188]

face = img[100:200,115:188]
cv2.imshow("face",face)
cv2.waitKey(0)

四、颜色的空间转换

1.颜色空间转换

颜色模型转换：cv2.cvtColor() 函数进行颜色转换，常用BGR到Gray，BGR到HSV

得到某种颜色在HSV下的值，将BGR的值用cvtColor()得到

转换为灰度图：img_gray = cv2.cvtColor(img,cv2.COLOR_BGR3GRAY)

灰度化最常用的公式：gray=R*0.299+G*0.587+B*0.114

import cv2
img = cv22.imread("lena.jpg")
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("img",img)
cv2.imshow("gray",img_gray)
cv2.waitKey(0)

2.对特定颜色物体追踪

从BGR转换到HSV：COLOR_BGR2HSV

import numpy as np
capture = cv2.VideoCapture(0)

#确定颜色范围
lower_blue = np.array([100,110,110])
upper_blue = np.array([130,255,255])

while True:
    ret,frame = capture.read()

    #从BGR转到HSV，得到某颜色在HSV下的值。HSV模型颜色模型常用于颜色识别    
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
    

    #介于颜色范围之间的都为白色，其余为黑色
    mask = cv2.inrange(hsv,lower_blue,upper_blue)
    
    #只保留原图中蓝色部分
    res = cv2.bitwise_and(frame,frame,mask=mask)

    cv2.imshow("frame",frame)
    cv2.imshow("mask",mask)
    cv2.imshow("res",res)

    if cv2.waitKey(1) == ord("q"):
        break
    

关于如何得到lower_blue与upper_blue的范围：

我们先把标准蓝色的BGR值用cvtColor()转换下：

blue = np.unit8([[[255,0,0]]])
hsv_blue = cv2.cvtColor(blue,cv2.COLOR_BGR2HSV)
print(hsv_blue)#[[[120 255 255]]]

五、阙值分割---两类值

1.固定阙值分割

将像素点值大于阙值变成一类值，小于阙值变成另一类值

cv2.threshold()函数实现阙值分割

import cv2

#灰度图读入
img = cv2.imread("gradient.jpg",0)

#阙值分割
#参数1：要处理的原题，一般是灰度图
#参数2：设定的阙值
#参数3：对于THRESH_BINARY、THRESH_BINARY_INV阙值方法所选用的最大阙值，一般为255
#参数4：阙值的方式，主要有5种：THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO、THRESH_TOZERO_INV
ret,th = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
cv2.imshow("thresh",th)
cv2.waitKey(0)

2.自适应阙值

cv2.adaptiveThreshold()自适应阙值会每次取图片的一小部分计算阙值，这样图片不同区域的阙值就不尽相同

import matplotlib.pyplot as plt

img = cv2.imread("sudoku.jpg",0)

#自适应阙值
#参数1：要处理的图像、
#参数2：最大阙值，一般为255
#参数3：小区域阙值计算方式、ADAPTIVE_THRESH_MEAN_C：小区域内取均值ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是个高斯核
#参数4：阈值方法，只能使用THRESH_BINARY、THRESH_BINARY_INV，具体见前面所讲的阈值方法
#参数5：小区域的面积，如 11 就是 11*11 的小块
#参数6：最终阈值等于小区域计算出的阈值再减去此值
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,4)
th3 = cv2.adaptiveThreshold(img,255,ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,17,6)

#图片显示

#显示标题
titles = ["Original","Global(v = 127)","Adaptive Mean","Adaptive Gaussian"]

#显示的图片
images = [img,th1,th2,th3]

#分别进行展示
for i in range(4):
    plt.subplot(2,2,i+1)#同一窗口下两行两列显示
    plt.imshow(images[i],"gray")#参数：要显示的图片、参数
    plt.title(titles[i],fontsize=8)
    plt.xticks([]),plt.yticks([])#隐藏坐标轴
plt.show()

六、图像几何变换

1.缩放图片

cv2.resize()函数实现，既可以按照比例缩放，也可以按照指定大小缩放

import cv2
img = cv2.imread('drawing.jpg')

#按照指定的宽度高度缩放图片
res = cv2.resize(img,(132,150))
#按照比例缩放，如x,y轴均放大一倍
res2 = cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_LINEAR)

cv2.imshow("shrink",res)#参数：要显示的窗口名称，要显示的图片
cv2.imshow("zoom",res2)
cv2.waitKey(0)

2.镜像反转图片

cv2.flip()函数。参数1：要进行操作的图片；参数2：参数2<0水平垂直反转；参数2=0沿x轴垂直反转；参数2>0沿y轴水平反转

dst = cv2.flip(img,1)

3.平移图片

平移通过仿射变换函数cv2.warpAffine()实现的，需要构建矩阵

import numpy as np
rows,cols = img .shape[:2]


#构建平移矩阵，需要是numpy的float32类型
M = np.float32([[1,0,100],[0,1,50]])#x轴平移100，y轴平移50

#用仿射变换实现平移
dst = cv2.warpAffine(img,M,(cols,rows))

cv2.imshow("shift",dst)
cv2.waitKey(0)

4.旋转图片

旋转和平移一样，需要通过仿射变换实现，因此也需要定义一个变换矩阵，这时，opencv直接提供了cv2.getRotationMatrix2D()函数来生成这个矩阵，仿射变换仍用函数cv2.warpAffine()函数

#图片旋转45°并缩小一般
M = cv2.getRotationMatrix2D((cols / 2, rows / 2), 45, 0.5)

#利用仿射变换实现M
dst = cv2.warpAffine(img,M,(cols,rows))

cv2.imshow("rotation",dst)
cv2.waitKey(0)

七、绘画功能

前情提要:

img:要绘制形状的图片

color：绘制的颜色

        彩色图就传入BGR的一组值，如蓝色就是(255,0,0)

        灰度图，传入一个灰度值就行

thickness:线宽，默认为1，对于矩形/圆之类的封闭形状而言，传入-1表示填充形状

通用模块，下面不再一一列出

import cv2
import numpy as np
import matplotlib.pyplot as plt


cv2.imshow("img",img)
cv2.waitKey(0)

1.画线

只需要指出起点和终点坐标就行，cv2.line()函数

#创建一副黑色图片
img = np.zeros((512,512,3),np.unit8)
#np.zeros(size,type).参数1：数组形状尺寸；参数2：新数组的数据类型

#画一条线宽为5的蓝色直线
#参数2：起点
#参数3：终点
cv2.line(img,(0,0),(512,512),(255,0,0),5) 

2.画矩形

画矩形需要知道左上角和右下角的坐标，cv2.rectangle()函数

#画一个绿色边框的矩形，参数2：左上角坐标，参数3：右下角坐标
cv2.rectangle(img,(384,0),(510,128),(0,255,0),3)

3.画圆

需要指定圆心和半径，cv2.circle()函数.注意：最后一个参数线宽=-1，表示为实心的

cv2.circle(img,(477,63),63,(0,0,255),-1)

4.画椭圆

椭圆需要指定的参数比较多，利用函数cv2.ellipse()函数

#在圆中心画一个填充的半圆
cv2.ellopse(img,(256,256),(100,50),0,0,180,(255,0,0),-1)

#参数2：椭圆中心坐标
#参数3：x轴与y轴的长度
#参数4：angle--椭圆旋转角度
#参数5：startAngle--椭圆的起始角度
#参数6：endAngle--椭圆的结束角度

5.画多边形

相当于相邻两点之间画直线

opencv中需要先将多边形的顶点坐标需要变成顶点数✖1✖2维的矩阵

cv2.polylines()绘制多条直线

#定义四个顶点坐标
pts = np.array([[10,5],[50,10],[70,20],[20,30]],np.int32)
#顶点个数：4，矩阵变成4*1*2维
pts = pts.reshape((-1,1,2))
cv2.polylines(img,[pts],True,(0,255,255))

这段代码将 pts 变量调整为具有特定形状的数组。 pts.reshape((-1,1,2)) 将 pts 变量转换为一个三维数组，其中第一维的大小由原始数组中的元素数量自动计算，第二维和第三维的大小分别为 1 和 2。

如果函数cv2.polylines()的参数3是False的画，多边形不闭合。