opencv学习（3）

图像基本操作：

1.访问，修改图片像素点值

2.获取图片宽、高、通道数等属性

3.了解感兴趣区域ROI

4.分离和合并图像通道

5.颜色空间转换，如BGR↔Gray，BGR↔HSV等

6.追踪视频中特定颜色的物体

7.OpenCV函数：cv2.cvtColor()，cv2.inRange()

获取和修改图片像素点值

import cv2

img = cv2.imread('lena.jpg')

px = img[100, 90]
print(px)  # [103 98 197]

#只获取蓝色blue通道的值
px_blue = img[100, 90, 0]
print(px_blue)  # 103

#修改像素的值
img[100, 90] = [255, 255, 255]
print(img[100, 90])  # [255 255 255]

1.首先，读图

2.通过行列的坐标来获取某像素点的值，

对于彩色图，结果是B,G,R三个值的列表；

对于灰度图或单通道图，只有一个值

img[y, x]

行对应y，列对应x——即行在前，列在后

注：这步操作只有内存中的img像素点值改变，

因为没有保存，所以原图并没有更改。

图片属性

img.shape

获取图像的形状，

图片是彩色，返回一个包含行数（高度）、列数（宽度）和通道数的元组，

灰度图只返回行数和列数：

print(img.shape)  # (263, 247, 3)
# 形状中包括行数、列数和通道数
height, width, channels = img.shape
# img是灰度图的话：height, width = img.shape

img.dtype

获取图像数据类型：

print(img.dtype)  # uint8

注：多数错误是因为数据类型不对导致的 

img.size

获取图像总像素数：

print(img.size)  # 263*247*3=194883

ROI

ROI：Region of Interest，感兴趣区域

目的：节省计算量，提高运行速度

截取ROI：指定图片的范围即可

# 截取脸部ROI
face = img[100:200, 115:188]
cv2.imshow('face', face)
cv2.waitKey(0)

通道分割和合并 

彩色图的BGR三个通道是可分开单独访问：cv2.split()

也可将单独的三个通道合并成一副图像：cv2.merge()

b, g, r = cv2.split(img)
img = cv2.merge((b, g, r))

split()比较耗时，更高效的方式是用numpy中的索引，如提取B通道：

b = img[:, :, 0]
cv2.imshow('blue', b)
cv2.waitKey(0)

 

 颜色空间转换

import cv2

img = cv2.imread('lena.jpg')
# 转换为灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.imshow('img', img)
cv2.imshow('gray', img_gray)
cv2.waitKey(0)

cv2.cvtColor() 

用来进行颜色模型转换，

参数1：要转换的图片，

参数2：转换模式， 

COLOR_BGR2GRAY表示BGR→Gray，

可用以下代码显示所有转换模式：

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

注：颜色转换是数学运算，

如灰度化最常用的：gray=R*0.299+G*0.587+B*0.114

视频中特定颜色物体追踪

HSV：一个常用于颜色识别的模型，相比BGR更易区分颜色，转换模式用COLOR_BGR2HSV表示

注：OpenCV中色调H范围为[0,179]，饱和度S是[0,255]，明度V是[0,255]。

虽然H的理论数值是0°~360°，但8位图像像素点的最大值是255，

所以OpenCV中除以了2，某些软件可能使用不同的尺度表示，

所以同其他软件混用时，要归一化

例

实现使用HSV来只显示视频中蓝色物体

1.捕获视频中的一帧

2.从BGR转换到HSV

3.提取蓝色范围的物体

4.只显示蓝色物体

 

import numpy as np

capture = cv2.VideoCapture(0)

# 蓝色范围，不同光照条件下不一样，可灵活调整
lower_blue = np.array([100, 110, 110])
upper_blue = np.array([130, 255, 255])

while(True):
    # 1.捕获视频中一帧
    ret, frame = capture.read()

    # 2.从BGR转换到HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    # 3.inRange()：介于lower/upper之间为白色，其余黑色
    mask = cv2.inRange(hsv, lower_blue, upper_blue)

    # 4.只保留原图中蓝色部分
    res = cv2.bitwise_and(frame, frame, mask=mask)

    cv2.imshow('frame', frame)
    cv2.imshow('mask', mask)
    cv2.imshow('res', res)

    if cv2.waitKey(1) == ord('q'):
        break

bitwise_and()函数先忽视

问：蓝色HSV值上下限lower和upper范围如何得到？

答：把标准蓝色的BGR值用cvtColor()转换

blue = np.uint8([[[255, 0, 0]]])
hsv_blue = cv2.cvtColor(blue, cv2.COLOR_BGR2HSV)
print(hsv_blue)  # [[[120 255 255]]]

根据结果调整蓝色范围

小结

1.img[y,x]：获取/设置像素点值，

img.shape：图片的形状（行数、列数、通道数）

img.dtype：图像的数据类型

img.size：图像总像素数

2.img[y1:y2,x1:x2]：进行ROI截取，

cv2.split()/cv2.merge()：通道分割/合并

更推荐的获取单通道方式：b = img[:, :, 0]

BGR012

3.cv2.cvtColor()：用来进行颜色空间转换，常用BGR↔Gray，BGR↔HSV

4.HSV颜色模型常用于颜色识别

要想知道某种颜色在HSV下的值，可将它的BGR值用cvtColor()转换得到

练习

1.打开lena.jpg，将帽子部分（高：25120，宽：50220）的红色通道截取出来并显示

import cv2

img = cv2.imread('lena.jpg')

# 帽子ROI的红色通道
hat_r = img[25:120, 50:220, 2]
cv2.imshow('hat', hat_r)
cv2.waitKey(0)

 2.尝试在视频中同时提取红色、蓝色、绿色的物体

import cv2
import numpy as np

# HSV中
# Blue：[[[120 255 255]]]
# Green：[[[ 60 255 255]]]
# Red：[[[  0 255 255]]]

capture = cv2.VideoCapture(0)

# 蓝色的范围
lower_blue = np.array([100, 110, 110])
upper_blue = np.array([130, 255, 255])

# 绿色的范围
lower_green = np.array([40, 90, 90])
upper_green = np.array([70, 255, 255])

# 红色的范围
lower_red = np.array([160, 120, 120])
upper_red = np.array([179, 255, 255])

while(True):
    # 1.捕获视频中的一帧
    ret, frame = capture.read()

    # 2.从BGR转换到HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    mask_blue = cv2.inRange(hsv, lower_blue, upper_blue)
    mask_green = cv2.inRange(hsv, lower_green, upper_green)
    mask_red = cv2.inRange(hsv, lower_red, upper_red)

    # 3.将所有的mask相加，就可以同时显示了
    mask = mask_blue + mask_green + mask_red

    # 4.保留原图中的三种颜色部分
    res = cv2.bitwise_and(frame, frame, mask=mask)

    cv2.imshow('frame', frame)
    cv2.imshow('mask', mask)
    cv2.imshow('res', res)

    if cv2.waitKey(1) == ord('q'):
        break

 

 效果如图