opencv学习第二天

最新推荐文章于 2024-01-17 19:16:16 发布

m0_59821479

最新推荐文章于 2024-01-17 19:16:16 发布

阅读量93

点赞数

文章标签： numpy python

本文链接：https://blog.csdn.net/m0_59821479/article/details/128322934

版权

05 图像色彩空间转换

常见的色彩空间：HSV、RGB、YCrCb

RGB色彩空间，设备独立
HSV色彩空间，对计算机友好，区分各种色彩
YCrCb, Y分量表示信息，CrCb可以被压缩

RGB是计算机显示器的标准支持色彩系统

RGB的取值范围0~255

HSV取值范围H（色调）:0°~360°，S（饱和度）:0~255，V（明度）:0~255

从一个色彩空间转换到另外一个色彩空间要考虑：

信息传递与损失过程、可逆与不可逆

函数与参数

 cv.cvtColor(src,code[,dst[,dstCn]])->dst

 · src表示输入图像, 类型CV_8U、CV_32F

 · code表示，

 cv::COLOR_BGR2RGB = 4

 cv::COLOR_BGR2GRAY = 6

 cv::COLOR_GRAY2BGR = 8

 cv::COLOR_BGR2HSV = 40

例：img2 = cv.cvtColor(img1, cv.COLOR_BGR2GRAY)

注：当彩色图像转为灰度图像，由三通道转为单通道，其部分信息永久消失，再次转回BGR后图像变为三通道，但仍为灰色。

06 图像对象的创建与赋值

① OpenCV-Python支持的数据类型：np.uint8（默认）、np.float32（方便计算）、np.int32、np.int64

② Numpy常用函数：

numpy.array、numpy.zeros、numpy.zeros_like（快速产生与读入图像尺寸相同的纯黑图像）、numpy.asarray（将普通数组转为NumpyArray）、numpy.copy（复制图像）、numpy.reshape（各种转换）

函数解释：

(1)

numpy.array(object, dtype=None, *, copy=True, order=’K’, subok=False, ndmin=0, like=None)

object 数组

dtype 数据类型

(2) numpy.zeros(shape, dtype=float, order=‘C’, *, like=None)

数组维度

dtype 数据类型

(3) numpy.asarray(a, dtype=None, order=None, *, like=None)

数组对象

dtype 数据类型

(4) numpy.reshape(a, newshape, order=’C’)

数组维度

dtype 数据类型

③ 概念

opencv-python中一切图像数据皆numpy array

创建图像就是创建numpy array

④ 创建图像

1）导入import numpy as np

2）创建np.array([[1, 2],[3, 4]], dtype=np.uint8)

3）创建图像最常用函数：

np.zeros ->创建一个黑色背景图像
np.zeros_like->创建一个与输入图像大小一致的黑色背景图像
np.ones创建一个全部像素值是1的图像

⑤ 图像赋值

图像赋值就是给numpy array数组赋值

m = np.zeros((3, 3, 3), dtype=uint8)

m[:] = 255，创建数组m，然后赋值为255(白色)

m[:] = (255,0,0)，创建数组m，然后赋值为(255,0,0)蓝色

h,w,c = img.shape，h,w,c分别为高，宽，通道

07 图像像素的读写操作

理解像素：

像素实际大小：dpi x inches = 像素总数

术语dpi：每英寸的点数目，96dpi – 针对打印

术语ppi: 每英寸的像素数目 – 针对图像分辨率

OpenCV中像素

矩阵表示每个像素信息
像素遍历本质就是numpy数组访问

假设变量image

获取图像维度信息: image.shape

图像访问像素: image[row, col]

图像赋值像素: image[row, col] = (b,g,r)

读写像素，彩色图像：

b, g, r = image[row, col]

image[row, col] = (255-b, 255-g, 255-r)

读写像素，灰度图像：

pv = image[row, col]

image[row, col] = 255-pv

08 图像算数操作

图像读取后是一个数组，它可以进行基本的算术操作

加 cv.add(src1, src2[, dst[, mask[, dtype]]]) ->dst

减 cv.subtract(src1,src2[,dst[,mask[,dtype]]])->dst

mask参数控制操作范围，操作范围内正常加减，范围外全为0

乘 cv.multiply(src1,src2[,dst[,scale[,dtype]]])->dst

除 cv.divide(src1, src2[, dst[, scale[, dtype]]])->dst

参数说明 src1 & src2表示图像

加法运算保证不越界的方法：saturate(src1 + src2)-》0~255。saturate_cast函数的作用即是：当运算完之后，结果为负，则转为0，结果超出255，则为255。