1、opencv读取图片步骤：
-
使用imread()函数读取一张图片。
- cv2.imread(path,flag):返回一个从指定地址读取的图片。
- flag: 有三种形式的flag,分别是：
- cv2.IMREAD_COLOR，可以使用1来代替这个默认值。
- cv2.IMREAD_GRAYSCALE，表示读入的图片是灰度图，可以用0来代替。
- cv2.IMREAD_UNCHANGED。可以用-1代替。
-
使用 imshow()函数显示图片。
-
使用函数 waitKey(0)使显示图片窗口停留。
-
import cv2 img = cv2.imread("road.jpg",cv2.IMREAD_COLOR)#img = cv2.imread("road.jpg",1) cv2.imshow("image",img) cv2.waitKey(0) cv2.destoryAllWindows()
2、opencv储存图片
-
使用cv2.imwrite()函数存储图片到指定位置。返回布尔类型。
-
cv2.imwrite(filename,image) filename:字符串表示图片名字，需要包含后缀.jpg,.png等等 image:要被保存的图片 return value:图片保存成果返回true#图片路径 image_path = r'C:\\Users\\dell\\PycharmProjects\\learnOpencv\\add_s.jpg' directory = r'C:\\Users\\dell\\PycharmProjects\\learnOpencv' #读取并加载图片 img = cv2.imread(image_path) os.chdir(directory) #切换保存空间 print("before saving image:") print(os.listdir(directory)) #写入并保存图片 filename = 'savedImage.png' cv2.imwrite(filename,img) print("after saving iamge:") print(os.listdir(directory)) print('sucessfully saved')
3、opencv中的色彩空间
# 读入图片
image = cv2.imread('RGB_paint.png')
B, G, R = cv2.split(image) #将三个色彩通道分开
cv2.imshow("original",image)
cv2.waitKey(0)
#分别显示三通道颜色
cv2.imshow("blue", B)
cv2.waitKey(0)
cv2.imshow("Green", G)
cv2.waitKey(0)
cv2.imshow("red", R)
cv2.waitKey(0)
cv2.destroyAllWindows()
4、位运算图片操作
4.1 Bitwise_and：按位与
-
cv2.bitwise_and(scr1, scr2, destination, mask) 计算两个图片像素按位与：dest = scr1 & scr2 cv2.bitwise_or(scr1,scr2,destination, mask) 按位或计算两个图片的值 cv2.bitwise_xor(scr1,scr2,destination,mask) 按位异或计算两个图片的值 dest_and = cv2.bitwise_not(image1, image2) 按位否 scr1:第一个输入图片数组 scr2:第二个输入图片数组 dest:输出图片数组 mask:操作规则 -
image1 = cv2.imread('img.png') print(image1.shape) # (250, 499, 3) cv2.imshow('image1',image1) cv2.waitKey(0) image2 = cv2.imread('img_1.png') print(image2.shape) # (250, 499, 3) cv2.imshow('image2', image2) cv2.waitKey(0) # 像素值按位与操作 dest_and = cv2.bitwise_and(image1,image2) cv2.imshow('Bitwise_and',dest_and) cv2.waitKey(0) cv2.destroyAllWindows() dest_or = cv2.bitwise_or(image1, image2) cv2.imshow('Bitwise_or', dest_or) cv2.waitKey(0) cv2.destroyAllWindows() dest_xor = cv2.bitwise_xor(image1, image2) cv2.imshow('Bitwise_xor', dest_xor) cv2.waitKey(0) cv2.destroyAllWindows() dest_not = cv2.bitwise_not(image1, image2) cv2.imshow('Bitwise_not', dest_not) cv2.waitKey(0) cv2.destroyAllWindows()
4.3 opencv调整图片大小
-
调整大小插值方法： cv2.INTER_AREA:缩小图片 cv2.INTER_CUBIC:双三次插值 cv2.INTER_LINEAR:opencv默认的插值技术,线性插值 -
cv2.resize(src, dst, dst.size(), 0, 0, interpolation)) src:源图片 dst:默认值为None dst.size():输出图片的大小 fx,fy:水平垂直方向放缩倍数 interpolation:插值方法 -
image = cv2.imread("add_s.jpg") print(image.shape) #(250, 500, 3) half = cv2.resize(image,(0,0),fx= 0.1,fy=0.1) # (25, 50, 3) bigger = cv2.resize(image,(1050,1610)) #(1610, 1050, 3) stretch_near = cv2.resize(image,(780,540),interpolation=cv2.INTER_NEAREST) #(540, 780, 3) Titles = ["original","Half","Bigger","Interpolation Nearest"] images = [image, half, bigger,stretch_near] count = 4 for i in range(count): plt.subplot(2,2,i+1) plt.title(Titles[i]) plt.imshow(images[i]) print(images[i].shape) plt.show()
4.4 图片侵蚀
-
cv2.erode(src,kernal,dst=None,anchor，iterations) src:源图片 kernal:用于侵蚀的结构元素，如果是个矩阵则使用$3 \times 3$的矩形结构元素 dst:输出图片 iterations:迭代次数，用于侵蚀的次数 返回值：返回一个图像 -
image = cv2.imread("add_s.jpg") window_name = "Image" #创建一个kernal内核,uint类型的5 x 5 的矩阵 kernal = np.ones((5,5),np.uint8) #侵蚀函数, src, kernal image_erode = cv2.erode(image,kernal) cv2.imshow(window_name,image_erode) cv2.waitKey(0) cv2.destroyAllWindows()
4.5 图片模糊
-
定义：模糊图片 优点：1、去噪，噪声被认为是high pass signal 2、使图片变得光滑 3、低亮度的边界被去除 4、必要时隐藏具体细节 重要的模糊类型： 高斯模糊：高斯函数作用下的模糊图像，常用在图片去噪，减少细节，常作为模型输入的预处理阶段, cv2.GaussianBlur(src, ksize，sigmax,) ksize:高斯核shape，一般是奇数正数，sigmax:水平方向的高斯标准差 中间模糊：非线性的数字过滤技术，保存边界同时去噪，是消除噪声的常用算法 cv2.medianBlur(src,ksize,dst=None):ksize必须是大于1的奇数。使图片光滑的模糊。 双边模糊：是一个非线性的、保存边界的、去噪的光滑的图片模糊过滤器，使用附近光强权重替换特定像素点的光强，权重可以是高斯分布，尖锐的边界被保存同时丢弃弱的那个。可以去除噪声同时保留边界。 bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None) d:过滤期间每个像素邻域的直径 sigmaColor:颜色空间的过滤参数，越大意味着像素领域越远的颜色会混合在一起。 sigmaSpace:坐标空间过滤sigma，越大意味着相近颜色足够远也能相互影响 -
image = cv2.imread("add_s.jpg") cv2.imshow("original",image) cv2.waitKey(0) #cv2.GaussianBlur(src, ksize，sigmax,) ksize:高斯核shape，一般是奇数正数，sigmax:水平方向的高斯标准差 Gaussian = cv2.GaussianBlur(image,(7,7),0) cv2.imshow("Gaussian Bluring",Gaussian) cv2.waitKey(0) # cv2.medianBlur(src,ksize,dst=None):ksize必须是大于1的奇数。使图片光滑的模糊。 median = cv2.medianBlur(image,5) cv2.imshow("median Blur", median) cv2.waitKey(0) # cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None) bilaternal = cv2.bilateralFilter(image,9,75,75) cv2.imshow("bilaternal Blur", bilaternal) cv2.waitKey(0) cv2.destroyAllWindows()
4.6 图片周围创建相框
cv2.copyMakeborder(src, top, bottom, left,right, borderType, value)
top:顶部像素的边框宽度
bottom:底部像素的边框宽度
borderType:描述了要添加什么样的边框：
cv2.BORDER_CONSTANT:添加恒定的彩色边框，值需要value参数给出。
cv2.BORDER_REFLECT:边界是边界元素的镜像表示,cv2.BORDER_REFLECT_101或cv2.BORDER_REFLECT_DEFAULT
cv2.BORDER_REPLICATE:(复制)：复制最后一个元素，
image = cv2.imread("add_s.jpg")
Window_name = 'Image'
image = cv2.copyMakeBorder(image,10,10,10,10,cv2.BORDER_CONSTANT,value=0)
cv2.imshow(Window_name,image)
cv2.waitKey(0)
image_1 = cv2.copyMakeBorder(image,100,100,50,50,cv2.BORDER_REPLICATE)
Window_name1 = 'Image_reflect'
cv2.imshow(Window_name1,image_1)
cv2.waitKey(0)
image_2 = cv2.copyMakeBorder(image, 100, 100, 50, 50, cv2.BORDER_REPLICATE)
Window_name2 = 'Image_replicate'
cv2.imshow(Window_name2, image_2)
cv2.waitKey(0)
cv2.destroyAllWindows()
4.7 将图片转为灰度图
-
灰度转变优点：降维，减小模型复杂度。 方法一：cv2.cvtColor()：使用这个函数将图片转变为灰度图。cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) 方法二、cv2.imread(path,flags=0):将图片转为灰度图 方法三、使用像素操作 -
# 图片读入时使用flags = 0将图片转化为灰度图 image = cv2.imread("add_s.jpg",flags=0) cv2.imshow("original",image) cv2.waitKey(0) # cvtCOLOR()函数将图片转化为灰度图 gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) cv2.imshow("gray",gray_image) cv2.waitKey(0) cv2.destroyAllWindows()
4.8 图片的resize(), rotation，rectangle, text,cvtColor.
def main():
# imread函数读取一张图片
image = cv2.imread("road.jpg")
print(type(image))
print(image.shape)
# 提取图片的高和宽
h,w,c = image.shape[:]
print("Height = {}, width = {}, channel = {}".format(h,w,c))
(B,G,R) = image[100,100]
print("R = {}, G = {}, B = {}".format(R,G,B))
B = image[100, 100, 0]
print("B = {}".format(B))
# 指定大小
resize = cv2.resize(image,(800,800))
cv2.imshow("imageResize",resize)
cv2.waitKey(0)
# 旋转图片
center = (w // 2, h // 2)
matrix = cv2.getRotationMatrix2D(center, -45,1.0)
rotated = cv2.warpAffine(image,matrix,(w,h))
cv2.imshow("rotaimage", rotated)
cv2.waitKey(0)
# 图片上画矩形
output = image.copy()
rectangle = cv2.rectangle(output,(1500,900),(600,400),(255,255,255),2)
cv2.imshow("output",output)
cv2.waitKey(0)
# 图片上写文字
output = image.copy()
text = cv2.putText(output,'opencv Demo',(500,500),cv2.FONT_HERSHEY_SIMPLEX,4,(255,0,0),2)
cv2.imshow("text",output)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 图片转换颜色
RGB_img = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(RGB_img)
plt.show()
4.9 图片偏移
图片的translating : cv2.warpAffine(img,M,(cols,rows))
img:源图片
M：translation matrix偏移矩阵，如果偏移距离是(x,y)则偏移矩阵是：
M = [[1 0 x][0 1 y]],例如偏移量是(100,50)则 M 应该是 np.float32([[1,0,100],[0,1,50]])
def test10():
"""图片偏移"""
image = cv2.imread("add_s.jpg")
cv2.imshow("original",image)
cv2.waitKey(0)
M = np.float32([[1,0,100],[0,1,50]])
(rows, cols) = image.shape[:2]
# print((cols,rows))
res = cv2.warpAffine(image,M,(cols,rows))
cv2.imshow("translation",res)
cv2.waitKey(0)
cv2.destroyAllWindows()
4.10 图片边缘检测
-
cv2.Canny(image, threshold1,thresold2): Canny算法检测图片边缘。 threshold1:滞后过程的第一个阈值。 -
def test11(): """图片边缘检测""" image = cv2.imread("footprint.png") cv2.imshow("original",image) cv2.waitKey(0) edges = cv2.Canny(image,100,200) cv2.imshow("edges", edges) cv2.waitKey(0) cv2.destroyAllWindows()
扫一扫
229
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
