Opencv+Python笔记（二）图像的基本操作

1.颜色通道提取

b, g, r = cv2.split(img)  #将img的BGR拆分并赋到b,g,r上
img=cv2.merge((b,g,r))  #颜色通道合并
#注意顺序是BGR

2.色彩通道转换

Opencv API:

img = cv.cvtColor(src,code)

输入：1.src：待转换的图像 2.code：转换类型
类型例如：
cv.COLOR_BGR2RGB
cv.COLOR_BGR2GRAY
cv.COLOR_GRAY2BGR
cv.COLOR_BGR2HSV
输出：转化后的图像

3.绘制矩形

Opencv API:

cv2.rectangle(img,pt1,pt2,color,thickness,lineType)

输入：1.img:要绘制的图像，2.pt1 pt2:绘制的左上角与右下角，3.color:颜色，4.thickness:绘制图线宽度(可省略)，5。lineType:线型 LINE_8(默认，更快）, LINE_4 , LINE_AA（更美观）

4.边界填充

Opencv API：

img = cv2.copyMakeBorder(src, top_size, bottom_size, left_size, right_size, borderType)

输入：1.src：原图像 2.top_size,bottom_size,left_size,right_size 边界各填充多少 3.borderType填充方式
#BORDER_REPLICATE：复制法，也就是复制最边缘像素。
#BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb
#BORDER_REFLECT_101：反射法2，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba
#BORDER_WRAP：外包装法，cdefgh|abcdefgh|abcdefg 以原图片在边缘复制
#BORDER_CONSTANT：常量法，常数值填充。

5.图像的几何变换

1、什么是图像的几何变换？
图像的几何变换就是将一组图像数据经过某种数学运算，映射成另外一组图像数据的操作。所以，几何变换的关键就是要确定这种空间映射关系。
几何变换又称空间变换。对于图像数据来说，就是将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。或者说，几何变换不改变图像的像素值，只是在图像平面上进行像素的重新安排。
2、为什么要对图像进行几何变换？
对图像进行几何变换可以一定程度上的消除图像由于角度、透视关系、拍摄等原因造成的几何失真，进而造成计算机模型或者算法无法正确识别图像，所以我们要对图像进行几何变换。
几何变换不是取悦人眼的，是取悦计算机的，是让计算机(模型、算法)能更好的认识图片的。所以，对图像进行几何变换处理是深度学习中数据增强的一种常用手段，是进行图像识别前的数据预处理工作内容。
比如，在很多机器视觉落地项目中，在实际工作中，我们并不能保证被检测的物体在图像的相同位置和方向，所以我们首先要解决的就是被检测物体的位置和方向。所以我们首先要做的就是对图像进行几何变换。

a.图像的缩放

Opencv API：

cv2.resize(src, dsize, fx, fy, interpolation)

输入：1.src：输入的图像；2.dsize：将图像调整到的dsize尺寸；3.fx和fy：当dsize为None时，fx和fy为图像在x轴和y轴的缩放比例因子；4.interpolation：插值方法

插值	含义
cv2.INTER_LINEAR	双线性插值法
cv2.INTER_NEAREST	最近邻插值
cv2.INTER_AREA	像素区域重采样（默认）
cv2.INTER_CUBIC	双三次插值

b.图像的翻转变换

Opencv API：

cv2.flip(src, flipcode)

输入：1.src：要翻转的图像；2.flipcode：flipcode=0 表示绕x轴翻转；flipcode=任意正整数，比如1，2，3，表示绕y轴翻转；flipcode=任意负整数，比如-1，-2，-3，表示绕x轴和y轴同时翻转
输出：一个和src相同类型的图像即src翻转后的图像

c.图像金字塔

在说明什么是图像金字塔的过程之前，我们需要需要了解一个概念：尺度
尺度，顾名思义就是说图像的尺寸和分辨率。在我们进行图像处理的时候，会经常对源图像的尺寸进行放大或者缩小的变换，进而转换为我们指定尺寸的目标图像。在对图像进行放大和缩小的变换的这个过程，我们称为尺度调整。

而图像金字塔则是图像多尺度调整表达的一种重要的方式，图像金字塔方法的原理是：将参加融合的的每幅图像分解为多尺度的金字塔图像序列，将低分辨率的图像在上层，高分辨率的图像在下层，上层图像的大小为前一层图像大小的1/4。层数为0,1,2……N。将所有图像的金字塔在相应层上以一定的规则融合，就可得到合成金字塔，再将该合成金字塔按照金字塔生成的逆过程进行重构，得到融合金字塔。这个总的思路就是一下所有基于金字塔融合的算法过程，不同点就在于分解构造的金字塔不同，每层的融合规则不一样，重构的方法不同而已。

1. 高斯金字塔 主要用于向下采样
（1）下采样

（2）上采样

OpencvAPI：

cv2.pyrUp(src)  # 上采样操作
cv2.pyrDown(src)  # 下采样操作

输入：src：要进行上下采样的图片
输出：采样操作后的图片

2. 拉普拉斯金字塔

代码：

img_down = cv2.pyrDown(src)
img_down_up = cv2.pyrUp(down)
img_lap=src - img_down_up
cv_show('img_lap', img_lap)

6.获取感兴趣区域ROI

对于一个图像img img[a, b, c] (a, b)为图像坐标 c为颜色通道

my_roi = img[0:100, 0:100]  #获取x：0-100，y:0-100的图像