python-openCv图像处理

一、OpenCv简介

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCv官网https://opencv.org/

二、OpenCv在python中使用

1、引入：import cv2

2、读取图片：cv2.imread

        参数1：图片的文件名
                     如果图片放在当前文件夹下，直接写文件名就行了，如’lena.jpg’
                     否则需要给出绝对路径，如’D:\OpenCVSamples\lena.jpg’
        参数2：读入方式，省略即采用默认值
                     cv2.IMREAD_COLOR：彩色图，默认值(1)
                     cv2.IMREAD_GRAYSCALE：灰度图(0)
                     cv2.IMREAD_UNCHANGED：包含透明通道的彩色图(-1)

3、展示图片：cv2.imshow('title', img)

4、保存图片：cv2.imwrite(path,img)    #将图片保存在path路径下

5、阈值分割：例子如下

def do_threshold(self,img):
        #◦参数1：要处理的原图(一般为灰度图)
        #◦参数2：最大阈值，一般为255
        #◦参数3：小区域阈值的计算方式◦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：阈值方式（跟前面讲的那5种相同）cv2.THRESH_BINARY（常用）、
        #                                   cv2.THRESH_BINARY_INV、
        #                                   cv2.THRESH_TRUNC、
        #                                   cv2.THRESH_TOZERO、
        #                                   cv2.THRESH_TOZERO_INV
        #◦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
        #image_mean=cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 35, 4)
        #cv2.imshow("image_mean", image_mean) #展示图片
        #cv2.waitKey(0)
        #blur = cv2.GaussianBlur(img, (5, 5), 0)
        image_gaussian=cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 35, 4)
        cv2.imshow("image_gaussian", image_gaussian) #展示图片
        cv2.waitKey(0)
        cv2.imshow("image_gaussian", ~image_gaussian) #展示图片
        cv2.waitKey(0)
        
        # 先进行高斯滤波，再使用Otsu阈值法
        #blur = cv2.GaussianBlur(img, (5, 5), 0)
        ret3, otsu = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
        cv2.imshow("image_otsu", otsu) #展示图片
        cv2.waitKey(0)
        
        return image_gaussian

6、图片缩放：例子如下

def img_resize(self,img):
        # 按照比例缩放，如x,y轴均放大一倍
        res = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR)
        cv2.imshow("image_resize", res) #展示图片
        cv2.waitKey(0)
        return res

7、图片旋转：例子如下

#选转图片
    #参数一：img灰度图片
    #参数二：du选转度数（正：逆时针，负：顺时针）
    #参数三：缩放比例
    def xuanZHuan_img(self,img,du,resize):
        #获取行、列
        rows, cols = img.shape
        #定义变换矩阵
        #◦参数1：图片的旋转中心
        #◦参数2：旋转角度(正：逆时针，负：顺时针)
        #◦参数3：缩放比例，0.5表示缩小一半
        M = cv2.getRotationMatrix2D((cols / 2, rows / 2), du, resize)
        #进行旋转
        dst = cv2.warpAffine(img, M, (cols, rows))

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

三、希望如上的一些图片处理方法，可以给和我一样的初学者一些参考。

喜欢我的文章希望和我一起成长的宝宝们，可以搜索并添加公众号TryTestwonderful ，或者扫描下方二维码添加公众号