计算机视觉Opencv3实验笔记（2）——读写图片视频及numpy学习

上一章介绍了环境安装，本节将继续沿用Windows下的Opencv3环境进行实验

一、图像加载与保存

1.1 什么是图片？

     对于计算机来说就是结构化存储的数据，一个像素点可以视为3个通道，每个通道都是一个uint 8类型的数据;

1.2 读写图片、视频 代码调试

import cv2 as cv
import numpy as np


def video_demo():   #调用视频，按帧显示到GUI
    capture = cv.VideoCapture(0) #0，1，2表示多个摄像头的情况，这里可以改为视频路径，用于播放视频，
    while(True):
        ret, frame = capture.read()  #图片数据保存到frame中
        frame = cv.flip(frame, 1)    #参数1为左右变换，参数-1为上下变换
        cv.imshow("video", frame)
        c = cv.waitKey(50)   #50ms延时，即当前图片停留50ms
        if c == 27:      #ESC的ASCII码为27
            break


def get_image_info(image):
    print(type(image))  #显示打印为<class 'numpy.ndarray'>
    print(image.shape)  #显示打印为<class 'numpy.ndarray'>
    print(image.size)   #显示结果为 (512, 512, 3)，即宽高及每像素3通道
    print(image.dtype)  #uint8
    pixel_data = np.array(image)  #将像素保存
    print(pixel_data)


print("--------- Hello Python ---------")
src = cv.imread("C:\\1-WorkSoftware\\pythonCode\\python-opencv_tutorial_codes\\opencv-python\\lena.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
video_demo()
get_image_info(src)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)  #将图片变换为灰度图像
cv.imwrite("D:/result.png", gray)   #将图片保存起来
cv.waitKey(0)

cv.destroyAllWindows()

二、Numpy数组操作

由于在Opencv图像数据中通常会用到numpy，因此，本节将介绍numpy的操作。关于Numpy的介绍可以参考www.numpy.org。

2.1 本节任务介绍

2.2 示例代码

import cv2 as cv
import numpy as np


def access_pixels(image):    #本段代码运行比较慢，超过2S了
    print(image.shape);   #blue green red
    height = image.shape[0]  #
    width = image.shape[1]
    channels = image.shape[2]
    print("width : %s, height : %s channels : %s"%(width, height, channels))
    for row in range(height):  #三重循环对每个像素点进行修改
        for col in range(width):
            for c in range(channels):
                pv = image[row, col, c]
                image[row, col, c] = 255 - pv   #进行反向修改
    cv.imshow("pixels_demo", image)


def inverse(image):    #能加快出图像的速度
    dst = cv.bitwise_not(image)
    cv.imshow("inverse demo", dst)


def create_image():
    ##以下几行代码为RGB图像
    img = np.zeros([400, 400, 3], np.uint8)   #三通道图像，即彩色图像，全0则为纯黑色
    img[: , : , 0] = np.ones([400, 400])*255 #第一个通道全1，再*255，那应该是纯blue的一张图
    img[:, :, 2] = np.ones([400, 400]) * 255 #第三个通道赋值为255，则会混合为粉红色的一张图
    cv.imshow("new RGB image", img)
   ##以下几行代码为灰度图像
    img1 = np.zeros([400, 400, 1], np.uint8)   #单通道图像，即灰图，黑白图
    #img1 = img * 127   #或写成img[:, :, 0]=np.ones([400, 400])*127  表示 生成一张灰值
    img1[:, :, 0]=np.ones([400, 400])*127
    cv.imshow("new image1", img1)
    #cv.imwrite("D:/myImage.png", img)


    m1 = np.ones([3, 3], np.float32) #初始化一个二维的数组，这个与图片无关，在此仅用于测试
    m1.fill(122.388)
    print(m1)

    m2 = m1.reshape([1, 9])
    print(m2)

    m3 = np.array([[2,3,4], [4,5,6],[7,8,9]], np.int32)
    #m3.fill(9)
    print(m3)

print("--------- Hello Python ---------")
src = cv.imread("C:\\1-WorkSoftware\\pythonCode\\python-opencv_tutorial_codes\\opencv-python\\lena.png") # blue, green red
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

t1 = cv.getTickCount()     #getTickCount()：用于返回从操作系统启动到当前所经的计时周期数(S)
access_pixels(src)
create_image()
inverse(src)
t2 = cv.getTickCount()
time = (t2-t1)/cv.getTickFrequency();   #getTickFrequency()：用于返回CPU的频率,单位为S
print("time : %s ms"%(time*1000))
cv.waitKey(0)

cv.destroyAllWindows()

说明：本无法博文及后续本专栏文章代码与测试文件下载地址为：

链接：https://pan.baidu.com/s/1BeZkXoCAn_AFRkyXcI8dMQ 
提取码：aze2