opencv库的基本使用(python)

原

opencv库的基本使用(python)

2017年06月27日 23:56:29 Lxingmo 阅读数 11966 更多

分类专栏： python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/Lxingmo/article/details/73825081

1.图片的读取与保存

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 读取图片: cv2.imread(路径,num) 其中num=0，为灰度图像；num=1为彩图
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img = cv2.imread(
     
     '002.jpg',
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 创建窗口，cv2.namedWindow(窗口名)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.namedWindow(
     
     'image')
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 保存图片,cv2.imwrite(保存图片名,要保存的图片)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imwrite(
     
     '002.jpg',img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 第三个参数针对特定的格式： 对于JPEG，其表示的是图像的质量，用0-100的整数表示(越高越清晰，压缩级别越低)，默认为95。  注意，cv2.IMWRITE_JPEG_QUALITY类型为Long，必须转换成int。
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imwrite(
     
     '003.jpg',img,[int(cv2.IMWRITE_JPEG_QUALITY), 
     
     10])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 对于PNG，第三个参数表示的是压缩级别。cv2.IMWRITE_PNG_COMPRESSION，从0到9,压缩级别越高，图像尺寸越小。默认级别为3
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imwrite(
     
     '004.png', img, [int(cv2.IMWRITE_PNG_COMPRESSION), 
     
     5])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 图片显示，cv2.imshow(窗口名，要显示的图片)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'image1',img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 复制img图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #emptyimage = img.copy()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 创建空图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     emptyimage = np.zeros(img.shape,np.uint8)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'image2',emptyimage)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 键盘绑定函数
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 释放窗口
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

2.像素点的操作，添加椒盐噪声

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 添加椒盐噪声
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     def salt(img):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     for k 
     
     in range(
     
     100):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # 建立图片随机坐标点
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             i = int(np.random.random()*img.shape[
     
     0])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             j = int(np.random.random()*img.shape[
     
     1])
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # 图片为灰度图像，有二维
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     if img.ndim == 
     
     2:
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # 图片为彩色图片，有三维，RGB
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     elif img.ndim == 
     
     3:
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j,
     
     0] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j,
     
     1] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j,
     
     2] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     return img
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     if __name__ == 
     
     '__main__':
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 读取图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

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

   
   

    
    

   
   
   
   

    
    
    
     
     # 添加噪声
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         saltImage = salt(img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 图片显示
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     "Salt", saltImage)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 图片保存
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imwrite(
     
     'salt.jpg',saltImage)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.destroyAllWindows()
    
    
   
   
 
 

3.彩色图片各通道分离与合并

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

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

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # split 返回BGR三个通道
    
    
   
   

   
   

    
    

   
   
   
   

    
    

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

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # merged 通道合并
    
    
   
   

   
   

    
    

   
   
   
   

    
    

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

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'merge',merge)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #cv2.imshow("Red", r)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #cv2.imshow("Green", g)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #cv2.imshow("Blue", b)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

4.直方图的绘画

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### 说明 #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 第一个参数为读取的图像，必须用方括号括起来。
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 第二个参数是用于计算直方图的通道，这里使用灰度图计算直方图，所以就直接使用第一个通道；
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 第三个参数是Mask，这里没有使用，所以用None。
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 第四个参数是histSize，表示这个直方图分成多少份（即多少个直方柱）。第二个例子将绘出直方图，到时候会清楚一点。
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 第五个参数是表示直方图中各个像素的值，[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 最后是两个可选参数，由于直方图作为函数结果返回了，所以第六个hist就没有意义了（待确定）
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 最后一个accumulate是一个布尔值，用来表示直方图是否叠加。
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv.PolyLine(img, polys, is_closed, color, thickness=1, lineType=8, shift=0)  # 返回None
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # img        读取的图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # polys      多边形曲线的数组(各个坐标点)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # is_closed  绘制的折线是否关闭的标志,起始点是否有线连接，False为没有
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # color      折线的颜色 [b,g,r]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # thickness  折线边缘的厚度
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # lineType   线段的类型
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # shift      顶点坐标中的小数位数
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ########   说明END   #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 将直方图(填充)转化为图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     def calcAndDrawHist(image, color):
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         hist = cv2.calcHist([image], [
     
     0], 
     
     None, [
     
     256], [
     
     0.0,
     
     255.0])
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # cv2.minMaxLoc 最大值maxVal和最小值minVal及它们的位置
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 创建全零图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         histImg = np.zeros([
     
     256,
     
     256,
     
     3], np.uint8)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         hpt = int(
     
     0.95* 
     
     256);
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     for h 
     
     in range(
     
     256):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # hpt=0.95*256 0.95防止最大值为整张图片的高，每个hist与最大值的比*(256*0.95)即可表示该hist在图片中的高度
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             intensity = int(hist[h]*hpt/maxVal)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # cv2.line(图像img，第一个点坐标(x1,y1)，第二个点坐标(x2,y2)，颜色[b,g,r])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             cv2.line(histImg,(h,
     
     256), (h,
     
     256-intensity), color)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     return histImg
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 将直方图(折线)转化为图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     def DrawHist(img):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 建立空图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         h = np.zeros((
     
     256,
     
     256,
     
     3))
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 直方图中各bin的顶点位置
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         bins = np.arange(
     
     256).reshape(
     
     256,
     
     1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # BGR三种颜色
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         color = [ (
     
     255,
     
     0,
     
     0),(
     
     0,
     
     255,
     
     0),(
     
     0,
     
     0,
     
     255) ]
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     for ch, col 
     
     in enumerate(color):
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             originHist = cv2.calcHist([img],[ch],
     
     None,[
     
     256],[
     
     0,
     
     256])
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # cv2.normalize(图像img,输出图像,归一化后最低值,归一化后最大值,规范化类型 cv2.NORM_MINMAX:仅针对密集阵列)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             cv2.normalize(originHist, originHist,
     
     0,
     
     255*
     
     0.9,cv2.NORM_MINMAX)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # np.around(array) 取整数，但数据类型仍为float
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             hist=np.int32(np.around(originHist))
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # np.column_stack 将两个1-D数组作为列堆叠成2维数组
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             pts = np.column_stack((bins,hist))
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # cv2.polylines(图像img,多边形曲线的数组,绘制的折线是否关闭的标志,折线颜色)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             cv2.polylines(h,[pts],
     
     False,col)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # np.flipud 在上/下方向翻转数组。
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         h=np.flipud(h)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     return h
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     '''
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### 灰度图像———直方图(填充) #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img = cv2.imread('001.jpg',0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     histimg = calcAndDrawHist(img,[255,255,255])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow('hist',histimg)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     '''
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### 彩色图像———直方图(填充) #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     if __name__ == 
     
     '__main__':
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 读取图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         img = cv2.imread(
     
     "001.jpg")
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # cv2.spilt 返回BGR三个通道
    
    
   
   

   
   

    
    

   
   
   
   

    
    

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

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # calcAndDrawHist(图像img，color填[b,g,r])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         histImgB = calcAndDrawHist(b, [
     
     255, 
     
     0, 
     
     0])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         histImgG = calcAndDrawHist(g, [
     
     0, 
     
     255, 
     
     0])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         histImgR = calcAndDrawHist(r, [
     
     0, 
     
     0, 
     
     255])
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     "histImgB", histImgB)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     "histImgG", histImgG)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     "histImgR", histImgR)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     "Img", img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### 彩色图像———直方图(折线) #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     if __name__ == 
     
     '__main__':
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         img = cv2.imread(
     
     "001.jpg")
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         h = DrawHist(img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     'colorhist',h)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

结果显示：

彩色图像———直方图(填充)

彩色图像———直方图(折线)

5.形态学运算：膨胀与腐蚀

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 读取图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img = cv2.imread(
     
     '004.jpg',
     
     0);
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 构造一个3×3的结构元素
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     element = cv2.getStructuringElement(cv2.MORPH_RECT,(
     
     3, 
     
     3))
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 膨胀图像 cv2.dilate(图像,元素结构)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     dilate = cv2.dilate(img, element)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 腐蚀图像 cv2.erode(图像,元素结构)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     erode = cv2.erode(img, element)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 将两幅图像相减获得边，第一个参数是膨胀后的图像，第二个参数是腐蚀后的图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     result = cv2.absdiff(dilate,erode);
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 上面得到的结果是灰度图，cv2.threshold将其二值化以便更清楚的观察结果
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.threshold(src , thresh, maxval, type[, dst])  返回retval、dst
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.threshold(图像, 阈值  , 最大值, 阈值类型)     返回值类型、返回处理后图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 阈值类型：THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO、THRESH_TOZERO_INV
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     retval, result = cv2.threshold(result, 
     
     40, 
     
     255, cv2.THRESH_BINARY);
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 反色，即对二值图每个像素取反
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     result = cv2.bitwise_not(result);
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 显示图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     "origin",img);   
     
     # 原图
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     "result",result);
     
     # 边缘检测图
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

结果显示：

6.初级滤波器

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ######## 线性过滤器 #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 低通滤波(平滑图像)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.blur(图像,滤波器大小(num,num))  #返回dst(处理后图像)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.boxFilter(图像, -1, 滤波器大小(num,num)) #返回dst(处理后图像)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 第二个参数-1表示与原图相同
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 高斯模糊
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.GaussianBlur(图像,滤波器大小(num,num),X方向的高斯内核标准偏差) #返回dst(处理后图像)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ######## 线性过滤器END #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ######## 非线性过滤器 #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 中值滤波
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.medianBlur(图像,滤波器大小num)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### 非线性过滤器END #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     def salt(img):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     for k 
     
     in range(
     
     100):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # 建立图片随机坐标点
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             i = int(np.random.random()*img.shape[
     
     0])
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
             j = int(np.random.random()*img.shape[
     
     1])
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # 图片为灰度图像，有二维
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     if img.ndim == 
     
     2:
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     # 图片为彩色图片，有三维，RGB
    
    
   
   

   
   

    
    

   
   
   
   

    
    
        
     
     elif img.ndim == 
     
     3:
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j,
     
     0] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j,
     
     1] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
                 img[i,j,
     
     2] = 
     
     255
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     return img
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     if __name__ == 
     
     '__main__':
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     #
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         img = cv2.imread(
     
     '001.jpg',
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         salt =salt(img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 低通滤波
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         dst1 = cv2.blur(salt,(
     
     5,
     
     5))
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # boxFilter
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         dst2 = cv2.boxFilter(salt,
     
     -1,(
     
     5,
     
     5))
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 高斯模糊
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         dst3 = cv2.GaussianBlur(salt,(
     
     5,
     
     5),
     
     1.5)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 中值滤波
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         dst4 = cv2.medianBlur(salt,
     
     5)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 图像显示
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # 对于椒盐噪声而言，中值滤波效果是最好的，其他效果差不多
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     'salt',salt)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     'blur',dst1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     'boxFilter',dst2)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     'GaussianBlur',dst3)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
         cv2.imshow(
     
     'medianBlur',dst4)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

结果显示：

7.sobel

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### cv2.sobel说明 #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]) #返回dst(处理后图像)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # scr      图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # ddepth   输出图像深度
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #          S = 符号整型  U = 无符号整型  F = 浮点型
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #          src.depth()= CV_8U，ddepth= -1 / CV_16S/ CV_32F/CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #          src.depth()= CV_16U/ CV_16S，ddepth= -1 CV_32F//CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #          src.depth()= CV_32F，ddepth= -1 CV_32F/CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #          src.depth()= CV_64F，ddepth= -1 /CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #          何时ddepth=-1，目的地图像将具有与源相同的深度
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # dx
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # dy
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### cv2.sobel说明END #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img = cv2.imread(
     
     '003.jpg', 
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     x = cv2.Sobel(img,cv2.CV_16S,
     
     1,
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     y = cv2.Sobel(img,cv2.CV_16S,
     
     0,
     
     1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.convertScaleAbs 在输入数组的每个元素上，该函数依次执行三个操作：缩放，取绝对值，转换为无符号8位类型
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 转回uint8
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     absX = cv2.convertScaleAbs(x)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     absY = cv2.convertScaleAbs(y)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.addWeighted(src1 , alpha, src2 , beta , gamma[, dst[, dtype]]) #返回dst(处理后图像)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.addWeighted(输入1, 分量1, 输入2, 分量2, 标量)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # dst = src1*alpha + src2*beta + gamma
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     dst = cv2.addWeighted(absX,
     
     0.5,absY,
     
     0.5,
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 图像显示
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'origin',img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     "absX", absX)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     "absY", absY)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     "Result", dst)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

结果显示：

此处有sobel算法原理

8.laplacian

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #######  cv2.Laplacian 说明 #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]) #返回dst(处理后图像)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # src        图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # ddepth     输出图像深度
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #            S = 符号整型  U = 无符号整型  F = 浮点型
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #            src.depth()= CV_8U，ddepth= -1 / CV_16S/ CV_32F/CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #            src.depth()= CV_16U/ CV_16S，ddepth= -1 CV_32F//CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #            src.depth()= CV_32F，ddepth= -1 CV_32F/CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #            src.depth()= CV_64F，ddepth= -1 /CV_64F
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #            何时ddepth=-1，目的地图像将具有与源相同的深度
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # dst        输出图像
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # ksize      用于计算二阶微分滤波器的孔径大小，其大小必须是正数和奇数
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # scale      缩放导数的比例常数，默认情况下没有伸缩系数
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # delta      在结果存储之前添加到结果中的可选增量值，默认情况下没有额外的值加到dst中
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # borderType 判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     #######  cv2.Laplacian 说明END #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 图像读取
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img = cv2.imread(
     
     "004.jpg", 
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     gray_lap = cv2.Laplacian(img,cv2.CV_16S,ksize = 
     
     3)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.convertScaleAbs 在输入数组的每个元素上，该函数依次执行三个操作：缩放，取绝对值，转换为无符号8位类型
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 转回uint8
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     dst = cv2.convertScaleAbs(gray_lap)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 图像显示
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'origin',img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'laplacian',dst)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

结果显示：

由于laplacian对噪声敏感，对图片先去躁可得到更好的效果

 
 

   
   

    
    

   
   
   
   

    
    

     
     blur = cv2.medianBlur(img,3)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     blur = cv2.blur(img,(3,3))
    
    
   
   
 
 

此处有laplacain算法原理

9.canny

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # @Author: Xingmo
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### cv2.Canny 说明 #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) 返回edges(边缘图)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # image          原图像，该图像必须为单通道的灰度图
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # threshold1     第一个阈值
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # threshold2     第二个阈值
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # apertureSize   Sobel算子的孔径大小，其有默认值3
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # L2gradient     是否使用L2范数，一个计算图像梯度幅值的标识，默认值false
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     ####### cv2.Canny 说明END #######
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import cv2
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     import numpy 
     
     as np
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 读取图片
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     img = cv2.imread(
     
     '004.jpg', 
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 高斯模糊
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     blur = cv2.GaussianBlur(img,(
     
     3,
     
     3),
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     canny = cv2.Canny(blur, 
     
     50, 
     
     200)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 图像显示
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'origin',img)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.imshow(
     
     'Canny', canny)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.waitKey(
     
     0)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     cv2.destroyAllWindows()
    
    
   
   
 
 

结果显示：

canny的基本步骤

        <div class="hide-article-box hide-article-pos text-center">
        <a class="btn-readmore" data-report-click="{&quot;mod&quot;:&quot;popu_376&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;,&quot;strategy&quot;:&quot;readmore&quot;}">
            展开阅读全文
            <svg class="icon chevrondown" aria-hidden="true">
                <use xlink:href="#csdnc-chevrondown"></use>
            </svg>
        </a>
    </div>
        <div class="recommend-box"><div class="recommend-item-box type_blog clearfix" data-report-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/luanpeng825485697/article/details/79509870&quot;,&quot;strategy&quot;:&quot;BlogCommendFromMachineLearnPai2&quot;,&quot;index&quot;:&quot;0&quot;}">
<div class="content" style="width: 712px;">
	<a href="https://blog.csdn.net/luanpeng825485697/article/details/79509870" target="_blank" rel="noopener" title="python深度学习库系列教程——python调用opencv库教程">
	<h4 class="text-truncate oneline" style="width: 552px;">
			<em>python</em>深度学习库系列教程——<em>python</em>调用<em>opencv</em>库教程		</h4>
	<div class="info-box d-flex align-content-center">
		<p class="date-and-readNum oneline">
			<span class="date hover-show">03-17</span>
			<span class="read-num hover-hide">
				阅读数 
				1万+</span>
			</p>
		</div>
	</a>
	<p class="content" style="width: 712px;">
		<a href="https://blog.csdn.net/luanpeng825485697/article/details/79509870" target="_blank" rel="noopener" title="python深度学习库系列教程——python调用opencv库教程">
			<span class="desc oneline">全栈工程师开发手册（作者：栾鹏）python教程全解OpenCV安装pipinstall--upgradesetuptoolspipinstallnumpyMatplotlibpipinstallop...</span>
		</a>
		<span class="blog_title_box oneline ">
								<span class="type-show type-show-blog type-show-after">博文</span>
										<a target="_blank" rel="noopener" href="https://blog.csdn.net/luanpeng825485697">来自：	<span class="blog_title"> 全栈工程师开发手册（原创）</span></a>
											</span>
	</p>
</div>
</div>

<div class="comment-edit-box d-flex">
	<a id="commentsedit"></a>
	<div class="user-img">
		<a href="//me.csdn.net/liuxiaohuidegushi" target="_blank" rel="noopener">
			<img class="" src="https://avatar.csdn.net/9/0/F/3_liuxiaohuidegushi.jpg">
		</a>
	</div>
	<form id="commentform">
		<input type="hidden" id="comment_replyId">
		<textarea class="comment-content" name="comment_content" id="comment_content" placeholder="想对作者说点什么"></textarea>
		<div class="opt-box"> <!-- d-flex -->
			<div id="ubbtools" class="add_code">
				<a href="#insertcode" code="code" target="_self"><i class="icon iconfont icon-daima"></i></a>
			</div>
			<input type="hidden" id="comment_replyId" name="comment_replyId">
			<input type="hidden" id="article_id" name="article_id" value="73825081">
			<input type="hidden" id="comment_userId" name="comment_userId" value="">
			<input type="hidden" id="commentId" name="commentId" value="">
			<div style="display: none;" class="csdn-tracking-statistics tracking-click" data-report-click="{&quot;mod&quot;:&quot;popu_384&quot;,&quot;dest&quot;:&quot;&quot;}"><a href="#" target="_blank" class="comment_area_btn" rel="noopener">发表评论</a></div>
			<div class="dropdown" id="myDrap">
				<a class="dropdown-face d-flex align-items-center" data-toggle="dropdown" role="button" aria-haspopup="true" aria-expanded="false">
				<div class="txt-selected text-truncate">添加代码片</div>
				<svg class="icon d-block" aria-hidden="true">
					<use xlink:href="#csdnc-triangledown"></use>
				</svg>
				</a>
				<ul class="dropdown-menu" id="commentCode" aria-labelledby="drop4">
					<li><a data-code="html">HTML/XML</a></li>
					<li><a data-code="objc">objective-c</a></li>
					<li><a data-code="ruby">Ruby</a></li>
					<li><a data-code="php">PHP</a></li>
					<li><a data-code="csharp">C</a></li>
					<li><a data-code="cpp">C++</a></li>
					<li><a data-code="javascript">JavaScript</a></li>
					<li><a data-code="python">Python</a></li>
					<li><a data-code="java">Java</a></li>
					<li><a data-code="css">CSS</a></li>
					<li><a data-code="sql">SQL</a></li>
					<li><a data-code="plain">其它</a></li>
				</ul>
			</div>  
			<div class="right-box">
				<span id="tip_comment" class="tip">还能输入<em>1000</em>个字符</span>
				<input type="button" class="btn btn-sm btn-cancel d-none" value="取消回复">
				<input type="submit" class="btn btn-sm btn-red btn-comment" value="发表评论">
			</div>
		</div>
	</form>
</div>

	<div class="comment-list-container">
	<a id="comments"></a>
	<div class="comment-list-box" style="max-height: none;"><ul class="comment-list"><li class="comment-line-box d-flex" data-commentid="10401348" data-replyname="weixin_45536318">        <a target="_blank" href="https://me.csdn.net/weixin_45536318"><img src="https://avatar.csdn.net/1/2/6/3_weixin_45536318.jpg" alt="weixin_45536318" class="avatar"></a>          <div class="right-box ">            <div class="info-box">              <a target="_blank" href="https://me.csdn.net/weixin_45536318"><span class="name ">weixin_45536318：</span></a>              <span class="comment">学习学习</span><span class="date" title="2019-08-17 07:50:01">(4周前</span><span class="floor-num">#2楼)</span><span class="opt-box"><a class="btn btn-link-blue btn-report" data-type="report">举报</a><a class="btn btn-link-blue btn-reply" data-type="reply">回复</a></span></div><div class="comment-like " data-commentid="10401348"><svg class="icon "><use xlink:href="#csdnc-thumbsup"></use></svg><span></span></div></div></li></ul><ul class="comment-list"><li class="comment-line-box d-flex" data-commentid="8751681" data-replyname="qq_35531398">        <a target="_blank" href="https://me.csdn.net/qq_35531398"><img src="https://avatar.csdn.net/0/F/2/3_qq_35531398.jpg" alt="qq_35531398" class="avatar"></a>          <div class="right-box ">            <div class="info-box">              <a target="_blank" href="https://me.csdn.net/qq_35531398"><span class="name ">hhhhh_bird：</span></a>              <span class="comment">学习</span><span class="date" title="2018-11-23 12:15:39">(9个月前</span><span class="floor-num">#1楼)</span><span class="opt-box"><a class="btn btn-link-blue btn-report" data-type="report">举报</a><a class="btn btn-link-blue btn-reply" data-type="reply">回复</a></span></div><div class="comment-like " data-commentid="8751681"><svg class="icon "><use xlink:href="#csdnc-thumbsup"></use></svg><span></span></div></div></li></ul></div>
	<div id="commentPage" class="pagination-box d-none" style="display: block;"><div id="Paging_0753284719763891" class="ui-paging-container"><ul><li class="js-page-first js-page-action ui-pager ui-pager-disabled"></li><li class="js-page-prev js-page-action ui-pager ui-pager-disabled">上一页</li><li data-page="1" class="ui-pager focus">1</li><li class="js-page-next js-page-action ui-pager ui-pager-disabled">下一页</li><li class="js-page-last js-page-action ui-pager ui-pager-disabled"></li></ul></div></div>
	
</div>

简介Opencv在Python中的使用

04-25 阅读数 5万+

OpenCV是一个C++库，用于实时处理计算机视觉方面的问题，涵盖了很多计算机视觉领域的模块。... 博文 来自： nature_XD的专栏

Opencv在Python中的使用

07-06 阅读数 8508

原文地址：https://blog.csdn.net/nature_XD/article/details/70768022OpenCV是一个C++库，用于实时处理计算机视觉方面的问题，涵盖了很多计算机... 博文 来自： shaoduo的博客

OpenCV-Python教程

07-17 阅读数 1580

OpenCV-PythonTheOpencv-PythontutorialChinesetranslation这个库的建立目的在于翻译OpenCV-PythonTutorials，OpenCV-Pyt... 博文 来自： Tony的博客

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_59" data-pid="59" data-report-click="{&quot;mod&quot;:&quot;kp_popu_59-78&quot;,&quot;keyword&quot;:&quot;&quot;}"><script type="text/javascript">
(function() {
    var s = "_" + Math.random().toString(36).slice(2);
    document.write('<div style="" id="' + s + '"></div>');
    (window.slotbydup = window.slotbydup || []).push({
        id: "u3491668",
        container:  s
    });
})();

OpenCV3.3 + Python3.6 开发环境配置

12-16 阅读数 3万+

人生苦短，快用Python。传统的OpenCV使用C++开发，程序运行效率高，但是开发效率…Python语法简洁，现在越来越流行，如果对效率没有严格要求的话非常推荐使用。... 博文 来自： howlclat的博客

Python-Opencv基础知识

09-25 阅读数 940

一、Opencv在Python下表示图像opencv在python中以numpy的array来表示单通道的灰度图像 C++下表示为cv::Mat矩阵       多通道的彩色图像 HxWxC... 博文 来自： lsforever的博客

Python如何安装OpenCV库

08-22 阅读数 1万+

OpenCV的概念可百度，在此不再赘述。https://baike.baidu.com/item/opencv/10320623本文教大家在Window系统下Python如何安装OpenCV库。因为有... 博文 来自： 大表哥的博客

<div class="recommend-item-box recommend-box-ident recommend-download-box clearfix" data-report-view="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://download.csdn.net/download/amanfromearth/10395218&quot;,&quot;strategy&quot;:&quot;BlogCommendFromBaidu2&quot;,&quot;index&quot;:&quot;7&quot;}" data-report-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://download.csdn.net/download/amanfromearth/10395218&quot;,&quot;strategy&quot;:&quot;BlogCommendFromBaidu2&quot;,&quot;index&quot;:&quot;7&quot;}">
	<a href="https://download.csdn.net/download/amanfromearth/10395218" rel="noopener" target="_blank">
		<div class="content clearfix">
			<div class="">
				<h4 class="text-truncate oneline clearfix">
					<em>python</em>2环境的<em>opencv</em>库					</h4>
				<span class="data float-right">05-06</span>
			</div>
			<div class="desc oneline">
					Anaconda2下的opencv库，下载之后直接放置在Anaconda2\Lib\site-packages文件夹中即可				</div>
			<span class="type-show type-show-download">下载</span>
		</div>
	</a>
</div>

Py之cv2：cv2库(OpenCV)的简介、安装、使用方法(常见函数、方法等)最强详细攻略

03-24 阅读数 7万+

Py之cv2：cv2(OpenCV库)的简介、安装、使用方法(常见函数、方法等)最强详细攻略目录关于OpenCV简介OpenCV应用领域1、计算机视觉领域方向2、计算机操作底层技术安装OpenCV的的... 博文 来自： 一个处女座的程序猿

Python的opencv库基本操作不详细解释 - 梅花14的博客 - CSDN博客

4-22

Python opencv库教程 - 当你努力到把自己都感动的时候,..._CSDN博客

11-13

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_60" data-pid="60" data-report-view="{&quot;mod&quot;:&quot;kp_popu_60-43&quot;,&quot;keyword&quot;:&quot;&quot;}" data-report-click="{&quot;mod&quot;:&quot;kp_popu_60-43&quot;,&quot;keyword&quot;:&quot;&quot;}"><div id="three_ad8" class="mediav_ad"></div>

OpenCV Python教程（1、图像的载入、显示和保存）

06-12 阅读数 36万+

转载请详细注明原作者及出处，谢谢！本文是OpenCV 2ComputerVisionApplicationProgrammingCookbook读书笔记的第一篇。在笔记中将以Python语言改写每章的... 博文 来自： sunny2038的专栏

python opencv 基本操作 - quanwei的博客 - CSDN博客

12-2

Python OpenCV 基本操作 - jie310600的博客 - CSDN博客

12-11

OpenCV--Python

10-16 阅读数 713

1、cv2.imread()读入图像；第一个参数为图像路径；第二个为cv2.IMREAD_COLOR：读入彩色图像；cv2.IMREAD_GRAYSCALE:读入灰度图像。2、显示图像cv2.imsh... 博文 来自： 朴素的小麦

		<div class="recommend-item-box blog-expert-recommend-box" style="display: block;">
		<div class="d-flex">
			<div class="blog-expert-recommend">
				<div class="blog-expert">
					<div class="blog-expert-flexbox" data-report-view="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><div class="blog-expert-item"><div class="blog-expert-info-box"><div class="blog-expert-img-box" data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/luanpeng825485697" target="_blank"><img src="https://avatar.csdn.net/2/A/7/3_luanpeng825485697.jpg" alt="数据架构师" title="数据架构师"></a><span data-report-click="{&quot;mod&quot;:&quot;popu_710&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><span class="blog-expert-button-follow btn-red-follow" data-name="luanpeng825485697" data-nick="数据架构师">关注</span></span></div><div class="info"><span data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/luanpeng825485697" target="_blank"><h5 class="oneline" title="数据架构师">数据架构师</h5></a></span>  <p></p><p class="article-num" title="721篇文章"> 721篇文章</p><p class="article-num" title="排名:177"> 排名:177</p><p></p></div></div></div><div class="blog-expert-item"><div class="blog-expert-info-box"><div class="blog-expert-img-box" data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/nature_XD" target="_blank"><img src="https://avatar.csdn.net/B/5/E/3_nature_xd.jpg" alt="Q-沐风听雨-" title="Q-沐风听雨-"></a><span data-report-click="{&quot;mod&quot;:&quot;popu_710&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><span class="blog-expert-button-follow btn-red-follow" data-name="nature_XD" data-nick="Q-沐风听雨-">关注</span></span></div><div class="info"><span data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/nature_XD" target="_blank"><h5 class="oneline" title="Q-沐风听雨-">Q-沐风听雨-</h5></a></span>  <p></p><p class="article-num" title="59篇文章"> 59篇文章</p><p class="article-num" title="排名:千里之外"> 排名:千里之外</p><p></p></div></div></div><div class="blog-expert-item"><div class="blog-expert-info-box"><div class="blog-expert-img-box" data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/shaoduo" target="_blank"><img src="https://avatar.csdn.net/2/C/7/3_shaoduo.jpg" alt="shaoduo" title="shaoduo"></a><span data-report-click="{&quot;mod&quot;:&quot;popu_710&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><span class="blog-expert-button-follow btn-red-follow" data-name="shaoduo" data-nick="shaoduo">关注</span></span></div><div class="info"><span data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/shaoduo" target="_blank"><h5 class="oneline" title="shaoduo">shaoduo</h5></a></span>  <p></p><p class="article-num" title="84篇文章"> 84篇文章</p><p class="article-num" title="排名:千里之外"> 排名:千里之外</p><p></p></div></div></div><div class="blog-expert-item"><div class="blog-expert-info-box"><div class="blog-expert-img-box" data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/qq_40179738" target="_blank"><img src="https://avatar.csdn.net/B/D/8/3_qq_40179738.jpg" alt="Tony_Tree" title="Tony_Tree"></a><span data-report-click="{&quot;mod&quot;:&quot;popu_710&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><span class="blog-expert-button-follow btn-red-follow" data-name="qq_40179738" data-nick="Tony_Tree">关注</span></span></div><div class="info"><span data-report-click="{&quot;mod&quot;:&quot;popu_709&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/Lxingmo/article/details/73825081&quot;}"><a href="https://blog.csdn.net/qq_40179738" target="_blank"><h5 class="oneline" title="Tony_Tree">Tony_Tree</h5></a></span>  <p></p><p class="article-num" title="13篇文章"> 13篇文章</p><p class="article-num" title="排名:千里之外"> 排名:千里之外</p><p></p></div></div></div></div>
				</div>
			</div>
		</div>
	</div><div class="recommend-item-box baiduSearch recommend-box-ident" data-report-view="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/qq_40179738/article/details/81074914&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:&quot;5&quot;}" data-report-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/qq_40179738/article/details/81074914&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:&quot;5&quot;}" data-track-view="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/qq_40179738/article/details/81074914&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:4,&quot;extend1&quot;:&quot;_&quot;}" data-track-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/qq_40179738/article/details/81074914&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:4,&quot;extend1&quot;:&quot;_&quot;}" data-flg="true">                <a href="https://blog.csdn.net/qq_40179738/article/details/81074914" target="_blank">              		<h4 class="text-truncate oneline" style="width: 641px;"><em>OpenCV</em>-<em>Python</em>教程 - Tony的博客 - CSDN博客</h4>                  <div class="info-box d-flex align-content-center">                    <p>                      <span class="date">7-7</span>                    </p>                  </div>                </a>            	</div><div class="recommend-item-box baiduSearch recommend-box-ident" data-report-view="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/u010837794/article/details/54019810&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:&quot;6&quot;}" data-report-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/u010837794/article/details/54019810&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:&quot;6&quot;}" data-track-view="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/u010837794/article/details/54019810&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:5,&quot;extend1&quot;:&quot;_&quot;}" data-track-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/u010837794/article/details/54019810&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:5,&quot;extend1&quot;:&quot;_&quot;}" data-flg="true">                <a href="https://blog.csdn.net/u010837794/article/details/54019810" target="_blank">              		<h4 class="text-truncate oneline" style="width: 633px;"><em>Python</em>中<em>使用</em><em>OpenCV</em>最<em>基本</em>的程序 - 把你挖出来的博客 - CSDN博客</h4>                  <div class="info-box d-flex align-content-center">                    <p>                      <span class="date">11-2</span>                    </p>                  </div>                </a>            	</div>

Python opencv库教程

09-26 阅读数 926

首先安装sudoapt-getinstalllibgtk2.0-devpkg-config安装opencv去opencv官网（http://opencv.org/downloads.html）下载li... 博文 来自： 当你努力到把自己都感动的时候，你离成功就不远了。

Python的opencv库基本操作不详细解释

04-19 阅读数 49

安装基于anaconda的python环境的安装pipinstallopencv-python读入图片importcv2#首先引入cv2img=cv2.imread("image.jpg",1)#读入... 博文 来自： 梅花14的博客

个人学习(九) - 导入opencv-python库 - 林俊宇的博客 - CSDN博客

9-8

python opencv常用方法的使用例程 - jsy2236的博客 - CSDN博客

11-6

opencv-python学习之路

08-18 阅读数 959

opencv-python学习之路01刚刚接触opencv和python，开通博客特此记录一下自己的成长路程。人脸检测#人脸检测importcv2importcv2ascvfilename='face... 博文 来自： eon_sos的博客

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_61" data-pid="61"><iframe src="https://adaccount.csdn.net/#/preview/261?m=LcAJQQHncnDinyHiLJicAQnnmiUiLSpHnXtJnScHbtDtXbJcHAnAStQWDLQAnXEftAAoJnJLJnptLcQvASbpHitiAJcipAApQpJQ&amp;k=" frameborder="0" width="100%" height="75px" scrolling="no"></iframe><img class="pre-img-lasy" data-src="https://kunyu.csdn.net/1.png?d=2&amp;k=&amp;m=LcAJQQHncnDinyHiLJicAQnnmiUiLSpHnXtJnScHbtDtXbJcHAnAStQWDLQAnXEftAAoJnJLJnptLcQvASbpHitiAJcipAApQpJQ"></div></div><div class="recommend-item-box baiduSearch recommend-box-ident" data-report-view="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/CDQ928/article/details/75137350/&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:&quot;9&quot;}" data-report-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/CDQ928/article/details/75137350/&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:&quot;9&quot;}" data-track-view="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/CDQ928/article/details/75137350/&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:8,&quot;extend1&quot;:&quot;_&quot;}" data-track-click="{&quot;mod&quot;:&quot;popu_614&quot;,&quot;dest&quot;:&quot;https://blog.csdn.net/CDQ928/article/details/75137350/&quot;,&quot;strategy&quot;:&quot;searchFromBaidu1&quot;,&quot;index&quot;:8,&quot;extend1&quot;:&quot;_&quot;}" data-flg="true">                <a href="https://blog.csdn.net/CDQ928/article/details/75137350/" target="_blank">              		<h4 class="text-truncate oneline" style="width: 633px;"><em>Python</em>-<em>OpenCV</em><em>基本</em>操作 - 吃狼的1只羊 - CSDN博客</h4>                  <div class="info-box d-flex align-content-center">                    <p>                      <span class="date">5-21</span>                    </p>                  </div>                </a>            	</div>

opencv各种库的作用

04-27 阅读数 2098

其解释如下：[calib3d]: 其实就是就是Calibration（校准）加3D这两个词的组合缩写。这个模块主要是相机校准和三维重建相关的内容。基本的多视角几何算法，单个立体摄像头标定，物体姿态估计... 博文 来自： 小强博客

python——opencv入门（一）

04-17 阅读数 5639

1、OpenCV的结构和Python一样，当前的OpenCV也有两个大版本，OpenCV2和OpenCV3。相比OpenCV2，OpenCV3提供了更强的功能和更多方便的特性。不过考虑到和深度学习框架... 博文 来自： 呆呆的猫的博客

python 使用OpenCV库实现图像处理

01-03 阅读数 947

OpenCV是一个C++库,目前流行的计算机视觉编程库,用于实时处理计算机视觉方面的问题,它涵盖了很多计算机视觉领域的模块一：OpenCV安装pip install opencv-python如果安装... 博文 来自： huaweichenai的博客

python下安装opencv库

09-04 阅读数 1109

参考链接：https://blog.csdn.net/Toby_Cho/article/details/81001382opencv库的whl文件下载链接：https://www.lfd.uci.ed... 博文 来自： juliarjuliar的博客

OpenCV——图片的加载、显示、保存(python)

08-05 阅读数 3万+

OpenCV-Python——图片的加载、显示、保存本小节，我们将学习在Python语言中利用OpenCV库来实现图片的读取、显示、保存，所有的这些图片都是一个numpy.ndarray，这三种操作都... 博文 来自： u014630987的博客

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_62" data-pid="62"><iframe src="https://adaccount.csdn.net/#/preview/264?m=LcppQQtbLAHtALtcbDnSyHJpbcJEJtEnLSbQmttXbHbnXbnbiDHniJDXipAfpHQSJLWJLJcSnQimLLJpofSSiLtfiUXHcbQttLiQ&amp;k=" frameborder="0" width="100%" height="75px" scrolling="no"></iframe><img class="pre-img-lasy" data-src="https://kunyu.csdn.net/1.png?d=2&amp;k=&amp;m=LcppQQtbLAHtALtcbDnSyHJpbcJEJtEnLSbQmttXbHbnXbnbiDHniJDXipAfpHQSJLWJLJcSnQimLLJpofSSiLtfiUXHcbQttLiQ"></div></div>

opencv_python安装成功 导入 cv2失败

08-11

- 问答

Python OpenCV 基本操作

10-12 阅读数 39

PythonOpenCV基本操作加载图片，显示图片，保存图片OpenCV函数：cv2.imread(),cv2.imshow(),cv2.imwrite()加载图片img=cv2.imread('le... 博文 来自： jie310600的博客

openCV—Python(4)—— 基本绘图

07-25 阅读数 2万+

一、函数简介1、zeros—构造全0矩阵函数原型：zeros(shape,dtype=None,order=’C’)shape：矩阵大小；例如：300x300;dtype：数据类型；例如：”uint8... 博文 来自： jnulzl的专栏

Python中使用OpenCV最基本的程序

01-04 阅读数 2993

1.功能：　　显示图像2.代码#!/usr/bin/envpythonimportcv2fn="test.jpg"if__name__=='__main__':img=cv2.imread(fn)cv... 博文 来自： 把你挖出来的博客

Python-OpenCV基本操作

07-14 阅读数 1万+

基本属性cv2.imread(文件名，属性)读入图像属性：指定图像用哪种方式读取文件cv2.IMREAD_COLOR：读入彩色图像，默认参数，Opencv读取彩色图像为BGR模式！！！注意cv2.IM... 博文 来自： 吃狼的1只羊

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_63" data-pid="63" data-report-view="{&quot;mod&quot;:&quot;kp_popu_63-624&quot;,&quot;keyword&quot;:&quot;&quot;}" data-report-click="{&quot;mod&quot;:&quot;kp_popu_63-624&quot;,&quot;keyword&quot;:&quot;&quot;}"><script type="text/javascript">
    (function() {
        var s = "_" + Math.random().toString(36).slice(2);
        document.write('<div style="" id="' + s + '"></div>');
        (window.slotbydup = window.slotbydup || []).push({
            id: "u4221910",
            container: s
        });
    })();

Python opencv 问题汇总

11-07 阅读数 363

1、plt.subplot()函数用法plt.subplot(221)//分成2x2，占用第一个，即第一行第一列的子图plt.subplot(222)//分成2x2，占用第二个，即第一行第二列的子图p... 博文 来自： YHangbin的博客

python中的opencv模块，怎么用gpu加速

11-18

我现在用python跟着做了图片搜索的一个项目，之前安装了theano,编译了cuda，但不知道怎么才算运用到opencv模块中 论坛

windows下的python+ opencv安装攻略

08-29 阅读数 8万+

准备文件：python2.7.12，下载链接https://www.python.org/downloads/pip8.1.1，下载链接https://pypi.python.org/packages... 博文 来自： 年轻即出发，

python实现opencv学习一：安装、环境配置、工具

03-09 阅读数 5万+

一：python的下载、安装、配置以python2.7.9为例http://blog.csdn.net/FUCAIHE/article/details/45353283若需其他最新版本请到官网下载：h... 博文 来自： u011321546的专栏

【OpenCV】Windows安装OpenCV4-Python版本

03-29 阅读数 1万+

先直接上干货，然后再多说几句打开命令行，输入：pipinstallopencv-python下载很慢有没有，众所周知，pypi库对我们的网络情况十分不友好，即使换源效果可能也不是那么好。先下载离线包，... 博文 来自： crazyang的博客

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_64" data-pid="64" data-report-view="{&quot;mod&quot;:&quot;kp_popu_64-626&quot;,&quot;keyword&quot;:&quot;&quot;}" data-report-click="{&quot;mod&quot;:&quot;kp_popu_64-626&quot;,&quot;keyword&quot;:&quot;&quot;}"><script type="text/javascript">
(function() {
    var s = "_" + Math.random().toString(36).slice(2);
    document.write('<div style="" id="' + s + '"></div>');
    (window.slotbydup = window.slotbydup || []).push({
        id: "u3600856",
        container:  s
    });
})();

opencv-Python是什么？

03-13 阅读数 4726

先来看百度百科的解释：OpenCV的全称是：OpenSourceComputerVisionLibrary。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Wi... 博文 来自： 大坡3D软件开发

Python opencv

03-17

terminating async callback 用基于Python语言的opencv想打开摄像头，出现这个错误，该怎么弄 论坛

opencv（python）视频图片转化

01-10 阅读数 231

版权声明：本文为博主原创文章，未经博主允许不得转载。https://blog.csdn.net/kun1280437633/article/details/86228908#视频分解图片#方法一#1l... 博文 来自： 学海无涯

用python的opencv怎么拼接两张图片？

11-26

- 问答

python3.6+opencv3.4,中为什么cv和cv2不能同时import

09-18

- 问答

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_65" data-pid="65" data-report-view="{&quot;mod&quot;:&quot;kp_popu_65-1378&quot;,&quot;keyword&quot;:&quot;&quot;}" data-report-click="{&quot;mod&quot;:&quot;kp_popu_65-1378&quot;,&quot;keyword&quot;:&quot;&quot;}"><script type="text/javascript">
    (function() {
        var s = "_" + Math.random().toString(36).slice(2);
        document.write('<div style="" id="' + s + '"></div>');
        (window.slotbydup = window.slotbydup || []).push({
            id: "u4221803",
            container: s
        });
    })();

初识python-opencv

08-10 阅读数 205

Version:1.0StartHTML:000000215EndHTML:000342744StartFragment:000199618EndFragment:000342670StartSele... 博文 来自： 白头码客

学习笔记之——opencv的ML模块

05-29 阅读数 1871

之前开始学opencv的时候就看到opencv里面有机器学习模块（machine learning，ML），但是一直以来跟着这么多书籍学习都没有发现有提及过（毕竟opencv是针对图像处理方面的，所以... 博文 来自： gwpscut的博客

python中的opencv-python

03-20 阅读数 166

首先当然要pipinstallopencv-python下载完之后验证一下。最简单的importcv2然后来几个基本操作#-*-encoding:utf-8-*-#导包importcv2#导入科学计算... 博文 来自： 冰月i

Python-OpenCV 处理图像（一）：基本操作

01-04 阅读数 4万+

0x00.图片读、写和显示操作安装好OpenCV之后，首先尝试加载一张最简单的图片并显示出来，代码示例：第一种方式使用cv2.cv的LoadImage、ShowImage和SaveImage函数imp... 博文 来自： Leo的博客

cv2.error: OpenCV(4.0.0)

01-24

- 问答

<div class="recommend-item-box recommend-recommend-box"><div id="kp_box_66" data-pid="66" data-report-view="{&quot;mod&quot;:&quot;kp_popu_66-87&quot;,&quot;keyword&quot;:&quot;&quot;}" data-report-click="{&quot;mod&quot;:&quot;kp_popu_66-87&quot;,&quot;keyword&quot;:&quot;&quot;}"><div id="three_ad38" class="mediav_ad"></div>

python-OpenCV相关书籍推荐一手

11-24 阅读数 2522

OpenCV对于大多数研究图像的同学们来说是非常熟悉或者是常见的库。集成了很多图像处理方面的操作，非常的好用和方便。什么是OpenCVOpenCV于1999年由Intel建立，如今由WillowGar... 博文 来自： flyfor2013的博客

            <div class="recommend-item-box type_hot_word">
                            <div class="content clearfix" style="width: 712px;">
                <div class="float-left">
                                    <span>
                    <a href="https://www.csdn.net/gather_1d/NtjaAg3sLWRvd25sb2Fk.html" target="_blank">
                    c# 键值对 键可以重复</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_19/NtjaAg4sLWRvd25sb2Fk.html" target="_blank">
                    c#把负数转整形</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_1d/NtjaAg5sLWRvd25sb2Fk.html" target="_blank">
                    c# 鼠标移上去提示</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_10/NtjaEgwsLWRvd25sb2Fk.html" target="_blank">
                    c#结构体定义</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_18/NtjaEgxsLWRvd25sb2Fk.html" target="_blank">
                    使用c#编写一个透明窗体</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_1f/NtjaEgysLWRvd25sb2Fk.html" target="_blank">
                    api 饿了么c#</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_1f/NtjaEgzsLWRvd25sb2Fk.html" target="_blank">
                    c# 根据网络定位</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_18/NtjaEg0sLWRvd25sb2Fk.html" target="_blank">
                    c# 清除html标签</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_15/NtjaEg1sLWRvd25sb2Fk.html" target="_blank">
                    c# uwp最小化</a>
                </span>
                                    <span>
                    <a href="https://www.csdn.net/gather_17/NtjaEg2sLWRvd25sb2Fk.html" target="_blank">
                    c# 离线 翻译类</a>
                </span>
                                    </div>
            </div>
                            </div>
                        <div class="recommend-loading-box">
            <img src="https://csdnimg.cn/release/phoenix/images/feedLoading.gif">
        </div>
        <div class="recommend-end-box" style="display: block;">
            <p class="text-center">没有更多推荐了，<a href="https://blog.csdn.net/" class="c-blue c-blue-hover c-blue-focus">返回首页</a></p>
        </div>
    </div>
</main>