opencv-python 教程整理

应该记住的是图像的宽对应的是列数，高对应的是行数。

 读取图片

import cv2 as cv
import sys
from matplotlib import pyplot as plt
img=cv.imread('bg.jpg',-1) # -1 是彩色图片
#img=cv.imread('bg.jpg',0) #0 是 灰度图片
#img=cv.imread(cv.samples.findFile("C:/Users/Administrator/Desktop/bg.jpg"))
img=cv.resize(img,(640,480))
if img is None:
    sys.exit("no this img!")
    
#cv.namedWindow('img',cv.WINDOW_NORMAL)
img=cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow("img",img)
if cv.waitKey(0)& 0xff==ord('q'):
    cv.destroyAllWindows()

elif cv.waitKey(0)& 0xff==ord('s'):
    cv.imwrite("C:/Users/Administrator/Desktop/save.jpg",img)
    cv.destroyAllWindows()
    

读摄像头

import cv2 as cv
import sys

cap=cv.VideoCapture(0)
cap.set(3,640)
cap.set(4,480)

if not cap.isOpened():
    sys.exit("no camera!")
    

ret,frame=cap.read()
while (ret):
    ret,frame=cap.read()
    gray=frame.copy()
    gray=cv.cvtColor(gray, cv.COLOR_BGR2GRAY)
    if ret:
        
        cv.imshow('img',frame)
        cv.imshow('gray',gray)
         
    if cv.waitKey(1) & 0xff ==ord('q'):
        break
    
    
cap.release()
cv.destroyAllWindows()
        

录摄像头视频

import cv2 as cv
import sys

cap=cv.VideoCapture(0)
fourcc=cv.VideoWriter_fourcc(*'XVID')
out=cv.VideoWriter('out.avi',fourcc,25,(640,480))

while(cap.isOpened()):
    ret,frame=cap.read()
    if ret:
        out.write(frame)
        cv.imshow('img',frame)
    if cv.waitKey(1) &0xff ==ord('q'):
        break
    
cap.release()
cv.destroyAllWindows()        

绘画

import cv2 as cv
import numpy as np

bg=np.zeros((640,480,3),dtype=np.uint8)
font=cv.FONT_HERSHEY_SIMPLEX
cv.rectangle(bg,(0,0),(255,255),(0,0,255),-1,lineType=cv.LINE_AA)
cv.line(bg,(255,255),(480,480),(0,255,255),2,lineType=cv.LINE_AA)
cv.putText(bg,'hello world!',(255,260),font,1,(255,255,255),5)
cv.imshow('line',bg)
cv.waitKey(0)
cv.destroyAllWindows()

几何变换

扩展缩放，只改变图像的尺寸大小

应该记住的是图像的宽对应的是列数，高对应的是行数。

INTER_NEAREST | 最近邻插值
INTER_LINEAR | 双线性插值（默认设置）
INTER_AREA |  使用像素区域关系进行重采样
INTER_CUBIC  | 4x4像素邻域的双三次插值
INTER_LANCZOS4 |  8x8像素邻域的Lanczos

import cv2 
import numpy as np

def cv_show(name,img):
	cv2.imshow(name, img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()

img=cv2.imread('knife.jpg')
rows,cols,_=img.shape
M=np.float32([[1,0,100],[0,1,100]]) #create the move matrix   x move left 100 and y move down 100 pixel

move=cv2.warpAffine(img,M,(cols,rows)) #  the size of output  tip:(cols,rows)
cv_show('move',move)

M=cv2.getRotationMatrix2D((rows/2,cols/2),45,1)
rotation=cv2.warpAffine(img,M,(cols,rows))
cv_show('rotation',rotation)

points1=np.float32([[100,50],[100,200],[300,50]])            # affine
points2=np.float32([[150,100],[150,250],[350,100]])
M=cv2.getAffineTransform(points1,points2)
affine=cv2.warpAffine(img,M,(cols,rows))
cv_show('affine',affine)


pts1=np.float32([[100,50],[100,200],[300,50],[300,200]])            # perspective
pts2=np.float32([[150,100],[150,250],[350,100],[350,250]])
M=cv2.getPerspectiveTransform(pts1,pts2)
perspective=cv2.warpPerspective(img,M,(cols,rows))
cv_show('per',perspective)

全局阈值与位计算

掩膜

bg.jpg                                                                                   cvlogo.JPG

      

from matplotlib import pyplot as plt
import cv2 as cv
import numpy as np

img=cv.imread(cv.samples.findFile('bg.jpg'))
logo=cv.imread(cv.samples.findFile('cvlogo.JPG'))
rows,cols,channels=logo.shape
roi=img[200:200+rows,200:200+cols]

logogray=cv.cvtColor(logo, cv.COLOR_BGR2GRAY)
ret,mask=cv.threshold(logogray, 27, 255, cv.THRESH_BINARY)
mask_inv=cv.bitwise_not(mask)
roi_bg=cv.bitwise_and(roi, roi,mask=mask_inv)
logo_bg=cv.bitwise_and(logo,logo,mask=mask)
result=cv.add(roi_bg, logo_bg)

img[200:200+rows,200:200+cols]=result       
cv.imshow('img',roi_bg)
cv.imshow('logo',logo_bg)
cv.imshow('res',img)

cv.waitKey(0)
cv.destroyAllWindows()

                                    

使用自适应阈值：当同一幅图像上的不同部分具有不同亮度时

import cv2 as cv
from matplotlib import pyplot as plt
import numpy as np
img=cv.imread('bg.jpg')
a=cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,blockSize=11,c=2)
#blocksize 邻域大小 C 常数  cv.ADAPTIVE_THRESH_MEAN_C 阈值取相邻区域的平均值
b=cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,blockSize=11,c=2) 
#cv.ADAPTIVE_THRESH_GAUSSIAN_C 阈值取相邻区域的加权和，权重为一个高斯窗口

ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

#在使用全局阈值时，我们就是随便给了一个数来做阈值，那我们怎么知道我们选取的这个数的好坏呢？答案就是
#不停的尝试。如果是一副双峰图像（简单来说双峰图像是指图像直方图中存在两个峰）呢？我们岂不是应该在两
#个峰之间的峰谷选一个值作为阈值？这就是Otsu 二值化要做的。简单来说就是对一副双峰图像自动根据其直方
#图计算出一个阈值。（对于非双峰图像，这种方法得到的结果可能会不理想）

plt.hist(img.ravel(),256) # plt.hist, 要注意的是它的参数是一维数组
# 所以这里使用了（numpy）ravel 方法，将多维数组转换成一维，也可以使用flatten 方法
plt.imshow() 

 

图像平滑/图像模糊（2D卷积）

使用低通滤波器可以达到图像模糊的目的。这对与去除噪音很有帮助。其实就是去除图像中的高频成分（比如：噪音，边界）。所以边界也会被模糊一点。（当然，也有一些模糊技术不会模糊掉边界）

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
from PIL import  Image
#img=Image.open('bg.jpg')
img=cv.imread('bg.jpg')
img=cv.cvtColor(img,cv.COLOR_BGR2RGB)
kernel=np.ones((5,5),dtype=np.float32)/25
out=cv.filter2D(img,-1,kernel) #-1 表示图片深度和原图像一样


plt.subplot(121),plt.imshow(img),plt.title('img')
plt.subplot(122),plt.imshow(out),plt.title('out')
plt.xticks([]),plt.yticke([])
p