转载 hahahaha兔子图像基本操作

最新推荐文章于 2021-04-16 12:54:36 发布

lier201712

最新推荐文章于 2021-04-16 12:54:36 发布

阅读量245

点赞数

原文链接：https://blog.csdn.net/weixin_40198377/article/details/101752866?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~first_rank_v2~rank_v25-2-101752866.nonecase&utm_term=python%E5%9B%BE%E7%89%87%E5%83%8F%E7%B4%A0%E6%A0%87%E5%87%86%E5%B7%AE

版权

图像基本操作

包括图像的读入、显示、保存，获取图片大小、通道数等属性，求取图像均值、标准差，遍历图像各个像素，图像取反，图像色彩空间转换，提取某种颜色，通道分离与合并等

1.基本操作

（1）读入图像

# 默认的读入格式是BGR
img1 = cv2.imread('E:/PycharmProjects/one.jpg')
    
    
    
    1

（2）显示图像

cv2.imshow(‘winname’, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
    
    
    
    1
2

cv2.imshow(winname, mat) 有窗口名和图片两个参数，不要忘记第一个参数
cv2.waitKey(delay: Any = None) 等待键盘输入。参数为延迟时间，单位为ms。参数为0时表示一直等到有键盘任意输入再进行下一操作。

（3）保存图像

cv2.imwrite('E:/PycharmProjects/one.png', img1)

cv2.imwrite(filename, img) 有文件名和图片两个参数，通过设定文件名的后缀可以转换图片格式

（4）获取图片属性

def img_info(img):
    print('type:', type(img))
    print('img.size:', img.size)
    print('img.dtype:', img.dtype)
    print('img.shape', img.shape)
img_info(img1)
    
    
    
    1
2
3
4
5

type( )： 获取对象类型，图像类型为numpy.ndarray
.shape： h, w, c 高度、宽度、通道数，最常用
.size： 图像像素总数
.dtype： 数据类型，默认为uint8

（5）图像求均值、标准差

mean_img = cv2.mean(img)
m, stddev = cv2.meanStdDev(img)
    
    
    
    1

图像有三个通道时，结果为三个通道分别求均值和标准差

（6）遍历图像各个像素且取反

import cv2
import numpy as np
img1 = cv2.imread('E:/PycharmProjects/one.jpg')
def reverse_img(img):
    h, w, c = img.shape
    r_img = np.ones([h, w, c], dtype=np.uint8)#要注意dtype为np.uint8，否则图像无法正常显示
    print(r_img.dtype)
    print(r_img)
    print(r_img.shape)
    for row in range(h):
        for col in range(w):
            for ch in range(c):
                r_img[row, col, ch] = 255-img[row, col, ch]
    print(r_img.dtype)
    show('reverse_img', r_img)

reverse_img(img1)

（7）图像取反

ot_img1 = cv2.bitwise_not(img1)

（8）图像色彩空间转换

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
 
 
 
 1

HSV（Hue, Saturation, Value）色彩空间，H（色调），S（饱和度），V（明度）

（9）提取图像中某种颜色

low = np.array([0, 0, 0])
up = np.array([255, 100, 100])
blue_img1 = cv2.inRange(img1, low, up)
 
 
 
 1
2

cv2.inRange(src: Any, lowerb: Any, upperb: Any, dst: Any = None)

lowerb, upperb： numpy.ndarray类型

HSV基本颜色分量范围：

（10）通道分离与合并

b, g, r = cv2.split(img)
merge_img = cv2.merge([b, g, r])
 
 
 
 1

2.代码示例

import cv2
import numpy as np

# 1.读入图片和保存图片
img1 = cv2.imread(‘E:/PycharmProjects/one.jpg’)

# 2.显示图片
def show(name, img):
cv2.imshow(name, img)
cv2.waitKey(0)
show(‘img1’, img1)

# 3.保存图像
cv2.imwrite(‘E:/PycharmProjects/one.png’, img1)

# 4.获取图片属性
def img_info(img):
print(‘type:’, type(img))
print(‘img.size:’, img.size)
print(‘img.dtype:’, img.dtype)
print(‘img.shape’, img.shape)
img_info(img1)

# 5.图像求均值、标准差
def mean_dev(img):
mean_img = cv2.mean(img)
print(‘mean’, mean_img)
m, stddev = cv2.meanStdDev(img)
print(‘m’, m, ‘\n’, ‘StdDev’, stddev)
mean_dev(img1)

# 6.遍历图像各个像素且取反(有问题)
def reverse_img(img):
h, w, c = img.shape
r_img = np.zeros([h, w, c])
for row in range(h):
for col in range(w):
for ch in range(c):
r_img[row, col, ch] = 255-img[row, col, ch]
show(‘reverse_img’, r_img)

# reverse_img(img1)

# 7.openCV取反函数
def not_img(img):
not_img = cv2.bitwise_not(img)
show(‘not_img’, not_img)
not_img(img1)

# 8.图像色彩空间转换
def color_cvt_img(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
show(‘gray’, gray)
show(‘hsv’, hsv)
color_cvt_img(img1)

# 9.对图片的某种颜色进行提取
def color_inrange(img):
low = np.array([0, 0, 0])
up = np.array([255, 100, 100])
blue_img1 = cv2.inRange(img1, low, up)
show(‘blue_img1’, blue_img1)
color_inrange(img1)

# 10.通道分离、合并
def img_channel(img):
b, g, r = cv2.split(img)
show(‘blue’, b)
print(‘blue.shape’, b.shape)
merge_img = cv2.merge([b, g, r])
show(‘merge_img’, merge_img)
img_channel(img1)

3.结果展示

在这里插入图片描述

                                </div><div><div></div></div>
            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-ff98e99283.css" rel="stylesheet">
                            </div>
        </article>