Opencv图像处理入门

一、基本处理
1、导入图像
import cv2
img = cv2.imread('split.jpg',1)
第一个参数是图片路径，第二个是读取的方式。

读取方式：

（1）CV_LOAD_IMAGE_UNCHANGED (<0)，以原始图像读取（包括alpha通道）

（2）CV_LOAD_IMAGE_GRAYSCALE ( 0)，以灰度图像读取

（3）CV_LOAD_IMAGE_COLOR (>0)，以RGB格式读取

代码中的1对应第三种读取方式，写为imread('split.jpg',CV_LOAD_IMAGE_COLOR)也可以。

2、显示和保存图像
import cv2
 
img = cv2.imread('split.jpg',1)
cv2.imshow('photo',img)
k = cv2.waitKey(0)
if k == 27:   # 输入ESC键退出
    cv2.destroyAllWindows()
elif k == ord('s'): # 输入S键保存图片并退出
    cv2.imwrite('split_.jpg',img)
cv2.destroyAllWindows()
imshow()函数显示图片。

waitKey()函数的参数为0时，表示等待键盘输入，参数为其他数字时，表示等待几秒。代码中使用k接受键盘输入，设定输入ESC时调用destroyAllWindows()，关闭图像显示窗口。

imwrite()函数保存图片到指定路径。

3、通道转化
import cv2 
 
img = cv2.imread("girl_gray.jpg",cv2.IMREAD_UNCHANGED)
img_color = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
cv2.imshow("color_image",img_color)
cv2.imshow("image", img)
cv2.cvtColor()函数进行图片的通道转化，转换方式取决于第二个参数，转换方式有太多种了，不一一列举，需要什么现查即可。

举例：  COLOR_BGR2RGB （BGR通道转化为RGB通道）

             COLOR_RGB2BGR （RGB通道转化为BGR通道）

             COLOR_GRAY2BGR （灰度图转化为BGR通道）

4、图像通道分离
将图像原有的RGB三个通道分为R、G、B显示

import cv2
src=cv2.imread('split.jpg')
cv2.imshow('before',src)
#调用通道分离
b,g,r=cv2.split(src)
#三通道分别显示
cv2.imshow('blue',b)
cv2.imshow('green',g)
cv2.imshow('red',r)
此时显示的结果为三张灰度图，每个通道单独显示时都是一个灰度图，如果要显示正常的红绿蓝颜色，需要将每个单通道图片恢复为三通道图片再显示，如下所示

zeros = np.zeros(image.shape[:2],dtype="uint8")#创建与image相同大小的零矩阵
cv2.imshow("BLUE",cv2.merge([b,zeros,zeros]))#显示 （B，0，0）图像
cv2.imshow("GREEN",cv2.merge([zeros,g,zeros]))#显示（0，G，0）图像
cv2.imshow("RED",cv2.merge([zeros,zeros,r]))#显示（0，0，R）图像
图像通道合并函数merge()，用法如上所示

二、图像平移旋转放缩
1、图像平移
import cv2
import numpy as np
img = cv2.imread('img2.png')
# 构造移动矩阵H
# 在x轴方向移动多少距离，在y轴方向移动多少距离
H = np.float32([[1, 0, 50], [0, 1, 25]])
rows, cols = img.shape[:2]
print(img.shape)
print(rows, cols)
 
# 注意这里rows和cols需要反置，即先列后行
res = cv2.warpAffine(img, H, (2*cols, 2*rows))  
cv2.imshow('origin_picture', img)
cv2.imshow('new_picture', res)
cv2.warpAffine(img, H, (2*cols, 2*rows))函数实现图像变换，img表示该图像，H表示变换矩阵，第三个参数表示新生成的图像size

H矩阵的设定决定了图像的变换方式。上述代码段中设置的是在x轴方向平移50，y方向平移25，根据实际需求再设定即可。

2、图像缩放
# 方法一：通过设置缩放比例，来对图像进行放大或缩小
res1 = cv2.resize(img, None, fx=2, fy=2, 
                  interpolation=cv2.INTER_CUBIC)
height, width = img.shape[:2]
 
# 方法二：直接设置图像的大小，不需要缩放因子
res2 = cv2.resize(img, (int(0.8*width), int(0.8*height)),interpolation=cv2.INTER_LANCZOS4)
 
cv2.imshow('origin_picture', img)
cv2.imshow('res2', res2)
resize()函数实现放缩，img表示图片，None表示不设置放缩后的图片尺寸（当然也可以设置，就不需要fx和fy参数了），fx和fy即为放缩的倍数，最后一个参数为插值的方法。

插值方法有：

cv2.INTER_NEAREST（最近邻插值）

cv2.INTER_AREA （区域插值）

cv2.INTER_CUBIC（三次样条插值）

cv2.INTER_LANCZOS4（Lanczos插值）

3、图像旋转
与1的图像平移类似，都借助warpAffine方法，区别是构造的H矩阵不同

img=cv2.imread('img2.png',1)
rows,cols=img.shape[:2]
#参数1：旋转中心，参数2：旋转角度，参数3：缩放因子
#参数3正为逆时针，负值为正时针
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,1,)
print(M)
#第三个参数是输出图像的尺寸中心
dst=cv2.warpAffine(img,M,(cols,rows))
旋转矩阵M的构造方式是调用getRotationMatrix2D函数，提供旋转中心，旋转角度，缩放因子，旋转方向，求得旋转矩阵，代入warpAffine方法中即可。

 总结：

我整理了一份关于pytorch、python基础，图像处理opencv\自然语言处理、机器学习、数学基础等资源库，想学习人工智能或者转行到高薪资行业的，大学生都非常实用，无任何套路免费提供,，加我Q群【856833272 】也可以领取的内部资源，人工智能题库，大厂面试题 学习大纲 自学课程大纲还有200G人工智能资料大礼包免费送哦~扫码加V免费领取资料.