PyOpenCV 基本操作

 

目录

1. 图片加载、显示和保存

2. 图像显示窗口创建与销毁

3. 图片宽、高、通道数获取

4. 图像像素数目和图像数据类型的获取

5. 生成指定大小的空图像,  生成指定大小的空图像

6. 访问和操作图像像素

 

7.  图像三通道分离和合并

8. 抓取摄像头

---

 

1. 图片加载、显示和保存

import cv2
# 生成图片
img = cv2.imread(r'C:\Users\Desktop\test1.jpg')
# 生成灰色图片
imgGrey = cv2.imread("1.jpg", 0)
#  展示原图
cv2.imshow("img", img)
#  展示灰色图片
#cv2.imshow("imgGrey", imgGrey)
#  等待图片的关闭
cv2.waitKey(0)
# 保存灰色图片
#cv2.imwrite("Copy.jpg", imgGrey)

 

2. 图像显示窗口创建与销毁

    cv2.namedWindow(窗口名，属性) 创建一个窗口，属性—指定窗口大小模式：

    cv2.WINDOW_AUTOSIZE：根据图像大小自动创建大小

    cv2.WINDOW_NORMAL：窗口大小可调整

    cv2.destoryAllWindows(窗口名) 删除任何建立的窗口

 

import cv2

# 生成图片

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')

cv2.namedWindow("img", cv2.WINDOW_NORMAL)

cv2.imshow("img", img)

cv2.waitKey()

cv2.destroyAllWindows()

 

3. 图片宽、高、通道数获取

img.shape 返回图像高（图像矩阵的行数）、宽（图像矩阵的列数）和通道数3个属性组成的元组，若图像是非彩色图，则只返回高和宽组成的元组。

import cv2

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')
imgGray = cv2.imread(r'C:\Users\Desktop\test1.jpg', 0)


print('****img*****)
print( img.shape)
print('width: ', img.shape[0])
print('heigh: ', img.shape[1])
print('channel: ', img.shape[2])


print('\n\n***imgGray**')
print(imgGray.shape)
print('width: ', imgGray.shape[0])
print('heigh: ', imgGray.shape[1])
print('channel: ', imgGray.shape[2])

 

4. 图像像素数目和图像数据类型的获取

图像矩阵img的size属性和dtype分别对应图像的像素总数目和图像数据类型。一般情况下，图像的数据类型是uint8。

import cv2

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')

print('图像类型： ', type(img))
print('图像像素点数： ', img.size)
print('图像像素灰度值类型：', img.dtype)

 

5. 生成指定大小的空图像,  生成指定大小的空图像

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')
imgZero = np.zeros(img.shape, np.uint8)
imgFix = np.zeros((300, 500, 3), np.uint8)

cv2.imshow("imgZero", imgZero)
cv2.imshow("imgFix", imgFix)
cv2.waitKey()

6. 访问和操作图像像素

 OpenCV中图像矩阵的顺序是B、G、R。可以直接通过坐标位置访问和操作图像像素。

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')

pixel_50_100 = img[50, 100]
#返回3个值，分别是该像素点在BGR通道的值
print(pixel_50_100)


img[50, 100] = (0, 0, 255)

cv2.imshow("img", img)
cv2.waitKey()

分开访问图像某一通道像素值也very方便

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')

img[0:100, 100:200, 0] = 255
img[100:200, 200:300, 1] = 255
img[200:300, 300:400, 2] = 255

cv2.imshow("img", img)
cv2.waitKey()

更改图像某一矩形区域的像素值也很方便：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')
img[0:50, 1:100] = (0, 0, 255)

cv2.imshow("img", img)
cv2.waitKey()

 

7.  图像三通道分离和合并

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\Desktop\test1.jpg')


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

# b = cv2.split(img)[0]
# g = cv2.split(img)[1]
# r = cv2.split(img)[2]


merged = cv2.merge([b, g, r])

cv2.imshow("Blue", b)
cv2.imshow("Green", g)
cv2.imshow("Red", r)

cv2.imshow("Merged", merged)
cv2.waitKey()

 

8. 抓取摄像头

import cv2
import numpy as np

cap  = cv2.VideoCapture(0)

for i in range(0, 19):
     print(cap.get(i)) 

while(1):
    ret, frame = cap.read()
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    lower_blue = np.array([100, 47, 47])
    upper_blue = np.array([124, 255,255])

    mask = cv2.inRange(hsv, lower_blue, upper_blue) #蓝色掩模
    res = cv2.bitwise_and(frame, frame, mask = mask)

    cv2.imshow(u"Capture", frame)
    cv2.imshow(u"mask", mask)
    cv2.imshow(u"res", res)

    key = cv2.waitKey(1)
    if key & 0xff == ord('q') or key == 27:
         print(frame.shape,ret)
         break

cap.release()
cv2.destroyAllWindows()