CV学习：OpenCv快速入门(python版)

注意：该函数一般和cv2.waitKey()、cv2.destroyAllWindows()、cv2.destroyWindow()一起使用。cv2.waitKey()函数是键盘绑定函数，等待键击任意键或指定键继续程序。cv2.destroyAllWindows()用于销毁全部窗口（从内存中清除）、cv2.destroyWindow()销毁指定窗口（从内存中清除）。

# 读取、显示图像
import cv2

# 查看opencv版本
print(cv2.getVersionString())

# 读取图像
image_unchanged = cv2.imread("image\\cat.jpg", cv2.IMREAD_UNCHANGED)
image_grayscale = cv2.imread("image\\cat.jpg", cv2.IMREAD_GRAYSCALE)
image_color = cv2.imread("image\\cat.jpg", cv2.IMREAD_COLOR)

# 显示图像
cv2.imshow('unchanged', image_unchanged)
cv2.imshow('grayscale', image_grayscale)
cv2.imshow('color', image_color)

# 永远暂停程序直到键击任意键
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()

运行结果：

1.3. 写入图像

语法：cv2.imwrite(filename, image[, params])

参数：

filename---文件名，它必须包含文件的扩展名（如，.jpg、.png）

image---要保存的图像变量名。

# 写入图像
import cv2

image_grayscale = cv2.imread("image\\cat.jpg", cv2.IMREAD_GRAYSCALE)
cv2.imshow('grayscale', image_grayscale)
cv2.imwrite("image\\cat_grayscale.jpg", image_grayscale)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下：

2. 图像的色彩空间

常用的图像色彩空间有RGB、Lab、YCrCb、HSV等模式，

RGB模式：通过对红（R）、绿（G）、蓝（B）三个颜色通道的变化以及它们相互之间的叠加来得到各种颜色。依赖于光线。R、G、B的取值范围：[0, 255]。容易理解，但连续变换时不直观。

详见：RGB_百度百科

Lab模式：它是一种设备无关的颜色模型，也是一种基于生理特征的颜色模型。它由亮度（L）、颜色（a：绿色到洋红色；b：蓝色到黄色）组成。

详见：Lab颜色模型_百度百科

YCrCb模式：它派生自RGB颜色模式，主要应用在优化彩色视频信号的传输，使其向后相容老式黑白电视。Y：伽马校正后从RGB获得的亮度或亮度分量；Cr：反映了RGB输入信号红色部分与RGB信号亮度值之间的差异；Cb：反映的是RGB输入信号蓝色部分与RGB信号亮度值之间的差异。

HSV模式：它是H、S、V三维颜色空间中的一个可见光子集。是为了数字化图像提出来的，不能很好的表示人眼解释图像的过程。H：色相；S：饱和度；V：明度。取值范围，H---[0, 179]，S---[0, 255]，V---[0, 255]。

详见：HSV颜色模型_百度百科

灰度图：图像是有不同灰度的像素组成的，每个像素都是在[0, 255]取值。根据人眼敏感度，把RGB图片转换为灰度图，不是简单把RGB每个通道取平均值而是：Y = 0.299*R + 0.587*G + 0.114*B

注意：必须要指出的是图像就是一个数组，因此可以使用image.shape查询形状，其输出结果为 (pixel_height, pixel_width, 3)。pixel_height、pixel_width代表图像的像素尺寸，3代表每个像素的颜色是由一个三维数组确定的（opencv中是BGR模式的数组）。

如何查看某像素的RGB、Lab、YCrCb、HSV值？

由于在读取图像时直接读取的是RGB值，因此可通过cv2.imshow()函数直接查看。

利用cv2.cvtColor(np.uint8([[[image[x, y]]]]), cv2.COLOR_BGR2Lab)[0][0]查看位置（x, y）处的Lab值。YCrCb、HSV与Lab类似。

注意：图像中某位置的图像色彩空间转换为其他时，必须要使其BGR "空间值"（由三个通道组成）三维化。

练习：如何通过鼠标的移动实时获取指定图片的不同色彩空间值？

import cv2
import glob
import numpy as np


# 定义鼠标回调的‘动作’函数
def showPixelValue(event, x, y, flags, param):
    # 定义全局变量
    global img, combinedResult, placeholder

    # 判断鼠标是否移动
    if event == cv2.EVENT_MOUSEMOVE:
        # 获取鼠标坐标的RGB值
        bgr = img[y, x]

        # 转换色彩空间值
        ycb = cv2.cvtColor(np.uint8([[bgr]]), cv2.COLOR_BGR2YCrCb)[0][0]
        lab = cv2.cvtColor(np.uint8([[bgr]]), cv2.COLOR_BGR2Lab)[0][0]
        hsv = cv2.cvtColor(np.uint8([[bgr]]), cv2.COLOR_BGR2HSV)[0][0]

        # 创建一个与载入图片高度相同的黑色图块，作为结果区域
        placeholder = np.zeros((img.shape[0], 400, 3), dtype=np.uint8)

        # 在结果区域内显示鼠标位置不同色彩空间的值
        cv2.putText(placeholder, "BGR {}".format(bgr), (20, 70), cv2.FONT_HERSHEY_COMPLEX, .9, (255, 255, 255), 1,
                    cv2.LINE_AA)
        cv2.putText(placeholder, "HSV {}".format(hsv), (20, 140), cv2.FONT_HERSHEY_COMPLEX, .9, (255, 255, 255), 1,
                    cv2.LINE_AA)
        cv2.putText(placeholder, "YCrCb {}".format(ycb), (20, 210), cv2.FONT_HERSHEY_COMPLEX, .9, (255, 255, 255), 1,
                    cv2.LINE_AA)
        cv2.putText(placeholder, "LAB {}".format(lab), (20, 280), cv2.FONT_HERSHEY_COMPLEX, .9, (255, 255, 255), 1,
                    cv2.LINE_AA)

        # 合并加载的图片和结果区域
        combinedResult = np.hstack([img, placeholder])

        # 显示合并后的图像
        cv2.imshow('PRESS P for Previous, N for Next Image', combinedResult)


if __name__ == '__main__':

    # 读取指定的图片，并转换尺寸
    files = glob.glob('image/rub*.jpg')
    files.sort()
    img = cv2.imread(files[0])
    img = cv2.resize(img, (400, 400))
    # 显示转换尺寸后的图像（在‘PRESS...’显示框加载）
    cv2.imshow('PRESS P for Previous, N for Next Image', img)

    # 创建一个无加载图像的显示框，并覆盖了原‘PRESS...’显示框
    cv2.namedWindow('PRESS P for Previous, N for Next Image')
    # 创建一个鼠标回调，加载回调‘动作’函数，并且该动作在‘PRESS...’显示框内实现
    cv2.setMouseCallback('PRESS P for Previous, N for Next Image', showPixelValue)
    i = 0
    while 1:
        k = cv2.waitKey(1) & 0xFF
        # 键击‘n’切换到下一张图片
        if k == ord('n'):
            i += 1
            img = cv2.imread(files[i % len(files)])
            img = cv2.resize(img, (400, 400))
            cv2.imshow('PRESS P for Previous, N for Next Image', img)

        # 键击‘p’切换到上一张图片
        elif k == ord('p'):
            i -= 1
            img = cv2.imread(files[i % len(files)])
            img = cv2.resize(img, (400, 400))
            cv2.imshow('PRESS P for Previous, N for Next Image', img)

        # 键击‘Esc’退出程序
        elif k == 27:
            cv2.destroyAllWindows()
            break

运行结果如下（静态展示）：

3. 图像编辑

图像编辑主要包括调整图像大小、裁剪图像、图像的旋转和移动、翻转，透视变换。

3.1. 调整大小

在opencv中使用image.shape获得图像大小，image.shape获得结果是(heigh, width, channels)即高度、宽度、通道数。在opencv中使用resize()函数调整图像的大小。

语法：cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])--->dst

参数：

src---源图像。

dsize---可为tuple参数或None。目标图像的大小，即新的图像宽高。需要注意的是，dsize=(width, height)中第一个参数是图像宽度第二个是高度，与shape=(height, width, channels)的相对位置刚好相反。

dst---目标图像，在python中无任何意义，一般不传参或设成None。

fx---沿水平轴的比例因子。fy---沿垂直轴的比例因子。

interpolation---插值方式，提供了调整图像大小的不同方法。其本质是一个int数值，不过一般用opencv内置的参数名称以提高可读性。默认为cv2.INTER_LINEAR。其他还有cv2.INTER_AREA、cv2.INTER_CUBIC、cv2.INTER_NEAREST。

注意：当目标图像与源图像的宽高比不一致，代表经缩放后图像失真。关于插值参数，①要缩小图片选用cv2.INTER_AREA；②放大图片选用cv2.INTER_CUBIC（速度慢）或cv2.INTER_LINEAR（速度快，效果还行）。

# 调整图像的大小
import cv2

cat = cv2.imread('image\\cat.jpg')

# 指定目标图像的宽高
# 图像不失真
cat_down_0 = cv2.resize(cat, (150, 150))
cat_up_0 = cv2.resize(cat, (500, 500))
cv2.imshow('cat_down-No distortion', cat_down_0)
cv2.imshow('cat_up-No distortion', cat_up_0)
# 图像失真
cat_distortion = cv2.resize(cat, (200, 300))
cv2.imshow('cat distortion', cat_distortion)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 指定图像的比例因子(需要指出的是dsize必须要传参，None)
# 图像不失真
cat_down_1 = cv2.resize(cat, None, fx=0.75, fy=0.75)
cat_up_1 = cv2.resize(cat, None, fx=1.2, fy=1.2)
cv2.imshow('cat_down-No distortion1', cat_down_1)
cv2.imshow('cat_up-No distortion1', cat_up_1)
# 图像失真
cat_distortion1 = cv2.resize(cat, None, fx=0.75, fy=1.2)
cv2.imshow('cat distortion1', cat_distortion1)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 指定图像缩放方法
cat_scale0 = cv2.resize(cat, (150, 150), interpolation=cv2.INTER_AREA)
cat_scale1 = cv2.resize(cat, (450, 450), interpolation=cv2.INTER_CUBIC)
cat_scale2 = cv2.resize(cat, (450, 450), interpolation=cv2.INTER_LINEAR)
cat_scale3 = cv2.resize(cat, (150, 150), interpolation=cv2.INTER_NEAREST)
cv2.imshow('cat_scale0', cat_scale0)
cv2.imshow('cat_scale1', cat_scale1)
cv2.imshow('cat_scale2', cat_scale2)
cv2.imshow('cat_scale3', cat_scale3)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果（部分）如下：

3.2. 图像裁剪

裁剪图像是为了从图像中删除不需要的对象或区域；也就是删除其他，保留想要的图像区域。

opencv中的图像裁剪是利用numpy数组切片的方法来实现的。首先，我们要知道图像就是一个数组，其由高、宽、通道数三个维度组成。仅对图像进行裁剪，就是意味着对宽和高两个维度进行切片操作。具体如下：

语法：image[start_row : end_row, start_col : end_col]--->dst

参数：start_row 、end_row---图像的开始与结束的行坐标。

start_col :、end_col---图像的开始与结束的列坐标。

注意：图像可视为坐标系，坐标原点为图像的左上角顶点，裁剪区域即是四条直线的围合区域。

# 图像裁剪
import cv2

cat = cv2.imread('image\\cat.jpg')
print(cat.shape)
# 裁剪图像
cropped_cat = cat[25:190, 50:300]
cv2.imshow('original', cat)
cv2.imshow('cropped', cropped_cat)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下：

3.3. 旋转和平移

图像的旋转和平移是图像编辑中最基本的操作之一。旋转和平移都属于同一种图像编辑类型&

最低0.47元/天解锁文章

水果好好吃哦

关注

10
点赞
踩
96

收藏

觉得还不错? 一键收藏
3
评论
CV学习：OpenCv快速入门(python版)

本文代码全部可运行，笔者运行环境：python3.7+pycharm+opencv4.6。此文是学习记录，记录opencv的入门知识，对各知识点并不做深入探究。文章的目的是让阅读者在极短的时间达到入门水平。OpenCV是一个（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
复制链接

扫一扫