2021-02-08

OpenCV学习Day2

图像的基础操作、色彩空间
1、图像的基础操作

获取并修改像素值

​ 首先我们需要读入一幅图像：

import cv2
import numpy as np
img=cv2.imread('C:\install\pycharm\code\pythonProject4\1.jpg')  #这里路径，windows下都是用斜杆隔开，linux下都是用反斜杠/

​ 你可以根据像素的行和列的坐标获取他的像素值。对 BGR 图像而言，返回 值为 B，G，R 的值。对灰度图像而言，会返回他的灰度值。

import cv2 as cv
import numpy as np
img=cv.imread('C:\install\pycharm\code\pythonProject4/1.png')  #windows下都是用斜杆隔开，linux下都是用反斜杠/
px=img[100,100]
print(px)
blue=img[100,100,0]
print(blue)
## [70 61 74]   这里具体的数值和你使用的图片有关
## 70

​ 你可以以类似的方式修改像素值。

import cv2 as cv
import numpy as np
img=cv.imread('C:\install\pycharm\code\pythonProject4/1.png')  #windows下都是用斜杆隔开，linux下都是用反斜杠/
px=img[100,100]
img[100,100]=[255,255,255]
print(px)
## [255 255 255]

​ 更好的像素访问和编辑方法：

import cv2 as cv
import numpy as np
img=cv.imread('C:\install\pycharm\code\pythonProject4/1.png')  #windows下都是用斜杆隔开，linux下都是用反斜杠/
print(img.item(10,10,2))
img.itemset((10,10,2),100)
print(img.item(10,10,2))
#19
#100

获取图像属性

​ 图像的属性包括：行，列，通道，图像数据类型，像素数目等 img.shape 可以获取图像的形状。他的返回值是一个包含行数，列数， 通道数的元组。

print(img.shape) #(300, 555, 3)

​ Note：如果图像是灰度的，返回的元组只包含行数和列数，所以这是检查加载的图像是灰度的还是彩色的一个好方法。

​ img.size 可以返回图像的像素数目：

print(img.size)  #499500

​ img.dtype 返回的是图像的数据类型

print( img.dtype )  #uint8

图像 ROI

​ ROI: region of interest

​ 有时你需要对一幅图像的特定区域进行操作。例如我们要检测一副图像中 眼睛的位置，我们首先应该在图像中找到脸，当获得一张人脸时，我们选择单独的人脸区域，并在其中搜索眼睛，而不是搜索整个图像。它提高了准确性(因为眼睛总是在脸上:D)和表现(因为我们在小范围内搜索)。

这样会提高程序的准确性和性能。 ROI 也是使用 Numpy 索引来获得的。这里我们任选一个区域

something = img[0:300, 70:350]
cv.imshow('something',something)

拆分及合并图像通道

​ 有时我们需要对 BGR 三个通道分别进行操作。这是你就需要把 BGR 拆 分成单个通道。有时你需要把独立通道的图片合并成一个 BGR 图像。你可以 这样做：

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

​ 或者

b = img[:,:,0]

​ 假如你想使所有像素的红色通道值都为 0，你不必先拆分再赋值。你可以 直接使用 Numpy 索引，这会更快。

img[:,:,2] = 0

​ Note：cv.split() 是一个比较耗时的操作。只有真正需要时才用它，能用 Numpy 索引就尽量用。

2、颜色空间
Opencv中常用的颜色空间就三种BGR、HSV、灰度。

颜色空间转换

​ 在 OpenCV 中有超过 150 中进行颜色空间转换的方法。但是你以后就会 发现我们经常用到的也就两种：BGR↔Gray 和 BGR↔HSV。

​ 我们要用到的函数是：cv.cvtColor(input_image，flag)，其中 flag 就是转换类型。

​ 对于 BGR↔Gray 的转换，我们要使用的 flag 就是cv.COLOR_BGR2GRAY。 同样对于 BGR↔HSV 的转换，我们用的 flag 就是 cv.COLOR_BGR2HSV。 你还可以通过下面的命令得到所有可用的 flag。

​ 代码如下：

import cv2 as cv
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
print( flags )

​ Note：在 OpenCV 的 HSV 格式中，H（色彩/色度）的取值范围是 [0，179]， S（饱和度）的取值范围 [0，255]，V（亮度）的取值范围 [0，255]。但是不 同的软件使用的值可能不同。所以当你需要拿 OpenCV 的 HSV 值与其他软 件的 HSV 值进行对比时，一定要记得归一化。

物体跟踪

​ 现在我们知道怎样将一幅图像从 BGR 转换到 HSV 了，我们可以利用这 一点来提取带有某个特定颜色的物体。在 HSV 颜色空间中要比在 BGR 空间 中更容易表示一个特定颜色。在我们的程序中，我们要提取的是一个蓝色的物 体。下面就是就是我们要做的几步：

从视频中获取每一帧图像
将图像转换到 HSV 空间
设置 HSV 阈值到蓝色范围。
获取蓝色物体，当然我们还可以做其他任何我们想做的事，比如：在蓝色 物体周围画一个圈。
代码如下：

import cv2 as cv
import numpy as np
cap = cv.VideoCapture(0)
while(1):
    # Take each frame
    _, frame = cap.read()
    # Convert BGR to HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # define range of blue color in HSV
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])
    # Threshold the HSV image to get only blue colors
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    # Bitwise-AND mask and original image
    res = cv.bitwise_and(frame,frame, mask= mask)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

​ Note：注意：图像中仍然有一些噪音，我们会在后面的章节中介绍如何消减噪音。 这是物体跟踪中最简单的方法。当你学习了轮廓之后，你就会学到更多 相关知识，那是你就可以找到物体的重心，并根据重心来跟踪物体，仅仅在摄像头前挥挥手就可以画出同的图形，或者其他更有趣的事。

跟踪对象的 HSV 值

​ 你可以使用函数 cv.cvtColor() 实现。但是现在你要传入的参数是（你想要 的）BGR 值而不是一副图。

​ 代码如下：

green = np.uint8([[[0,255,0 ]]])
hsv_green = cv.cvtColor(green,cv.COLOR_BGR2HSV)
print( hsv_green )
[[[ 60 255 255]]]

​ 现在你可以分别用 [H-100，100，100] 和 [H+100，255，255] 做上下阈值。

3、程序性能检测
​ 通过计算程序执行时间判断程序性能：

​ cv.getTickCount 函数返回从参考点到这个函数被执行的时钟数。所 以当你在一个函数执行前后都调用它的话，你就会得到这个函数的执行时间 （时钟数）。cv.getTickFrequency返回时钟频率，或者说每秒钟的时钟数。所以 你可以按照下面的方式得到一个函数运行了多少秒：

e1 = cv.getTickCount()
# your code execution
e2 = cv.getTickCount()
time = (e2 - e1)/ cv.getTickFrequency()