opencv基础入门——环境搭建与基础操作

最新推荐文章于 2024-07-21 22:27:18 发布

nanashi_F

最新推荐文章于 2024-07-21 22:27:18 发布

阅读量181

点赞数

分类专栏：可视化文章标签： python 计算机视觉图像识别 opencv

本文链接：https://blog.csdn.net/nanashi_F/article/details/103656205

版权

可视化专栏收录该内容

10 篇文章 0 订阅

订阅专栏

参考教程：

python+opencv3.3视频教学基础入门-bilibili

一、环境搭建

个人环境
Mac OS python3.7.3

在终端中输入口令如下：

pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install pytesseract -i https://pypi.tuna.tsinghua.edu.cn/simple

二、基础操作

1.读写图像

import cv2 as cv

#读一张图片
src = cv.imread('cat.jpg')
#创建一个GUI显示图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
#将图片放入窗口
cv.imshow("input image",src)
#指定窗口等待时间,0为无限等待
cv.waitKey(0)
#关闭窗口
cv.destroyAllWindows()

2.加载图像

对于计算机来说，图像就是结构化存储的数据信息。

计算机中图像属性主要包括：

通道数目
尺寸（高与宽），单位为像素
像素数据
图像类型

import cv2 as cv
import numpy as np

def get_image_info(image):
    """
    输出图像属性
    - - - -
    image - 图像名
    """
    print(type(image))      #类型
    print(image.shape)      #(高，宽，通道数)
    print(image.size)       #像素数据=高*宽*通道数
    print(image.dtype)      #每个像素点的每个通道所占的位数
    #获取像素数据并打印
    pixel_data = np.array(image)
    print(pixel_data)

if __name__ == "__main__":
	#读一张图片
	src = cv.imread('cat.jpg')
	#创建一个GUI显示图片
	cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
	#将图片放入窗口
	cv.imshow("input image",src)
	#输出图像属性
	get_image_info(src)
	#指定窗口等待时间,0为无限等待
	cv.waitKey(0)
	#关闭窗口
	cv.destroyAllWindows()

结果：

<class 'numpy.ndarray'>
(500, 500, 3)
750000
uint8
[[[149 179 228]
  [148 178 227]
  [148 178 227]
  ...
  [  0  36  86]
  [  4  41  91]
  [  6  43  93]]

 [[148 178 227]
  [148 178 227]
  [147 177 226]
  ...
  [  6  43  95]
  [ 11  48 100]
  [ 12  49 101]]

 [[148 178 227]
  [147 177 226]
  [149 176 226]
  ...
  [  9  45  99]
  [ 13  49 103]
  [ 15  51 105]]

 ...

 [[ 61 120 170]
  [ 62 121 171]
  [ 62 121 170]
  ...
  [ 35  69  92]
  [ 36  70  93]
  [ 37  71  94]]

 [[ 61 120 170]
  [ 62 121 171]
  [ 62 121 170]
  ...
  [ 34  68  91]
  [ 36  70  93]
  [ 40  74  97]]

 [[ 61 120 170]
  [ 62 121 171]
  [ 62 121 170]
  ...
  [ 34  68  91]
  [ 37  71  94]
  [ 39  73  96]]]

5.写图像

import cv2 as cv

if __name__ == "__main__":
	src = cv.imread('cat.jpg')
	#为了区别，获取灰度图像
	gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY)
	#将灰度图像写成png形式储存
	cv.imwrite("cat.png",gray)

结果：
在这里插入图片描述
生成了一张.png形式的灰度图像

4.视频显示

调用电脑摄像头读视频

import cv2 as cv

def video_demo():
    """
    调用电脑摄像头读视频
    """
    #打开电脑摄像头
    capture = cv.VideoCapture(0)
    while(True):
        ret,frame = capture.read()
        #镜像调换，1为左右，-1为上下
        frame = cv.flip(frame,1)
        #显示视频中的每一帧    
        cv.imshow("video",frame)
        c = cv.waitKey(50)
        #当输入“Esc”（ASCII码27）时，退出循环
        if c == 27:
            break

if __name__ == "__main__":
    video_demo()
    cv.destroyAllWindows()

三、Numpy数组相关的图像操作

1.像素点属性值的修改

通过修改像素点属性值进行反色处理

import cv2 as cv
import numpy as np

def access_pixels(image):
    """
    通过修改像素点属性值进行反色处理
    - - - -
    image - 原图像名
    """
    height = image.shape[0]
    wide = image.shape[1]
    channels = image.shape[2]
    # 3通道，分别对应blue,green,red
    print("height:",height,"\nwide:",wide,"\nchannels:",channels)
    #对每一行
    for row in range(height):
        #对每一列
        for rol in range(wide):
            #对每一通道
            for c in range(channels):
            	#修改像素点数值
                pv=image[row,rol,c]
                image[row,rol,c]=255-pv
    #将反色图像写成png形式储存
    cv.imwrite("cat.png",image)
    
if __name__ == "__main__":
    src = cv.imread('cat.jpg')
    # 获取当前cpu时钟总圈数
    t1 = cv.getTickCount()  
    access_pixels(src)
    t2 = cv.getTickCount()
    # 打印用时，单位ms（cv.getTickFrequency()获取cpu时钟每秒走多少圈）
    print("time:%fms"%((t2-t1)/cv.getTickFrequency()*1000))

结果：

height: 500 
wide: 500 
channels: 3
time:2857.571823ms

在这里插入图片描述

当然，cv中也有直接进行反色处理的函数，能大幅节省时间，真正需要时直接调用即可。

src = cv.imread('cat.jpg')
t1 = cv.getTickCount()  
#反色处理
dst = cv.bitwise_not(src)
cv.imwrite("cat.png",dst)
t2 = cv.getTickCount()
print("time:%fms"%((t2-t1)/cv.getTickFrequency()*1000))

结果：

time:23.518412ms

2.直接创建图像

import cv2 as cv
import numpy as np

def create_image():
	"""
    直接创建图像
    """
    # 3通道图像
    img = np.zeros([400,400,3],np.uint8)
    # 将蓝色通道（第1通道）与红色通道（第3通道）全部赋为255，应为紫（粉？）图
    img[:,:,0]=np.ones([400,400])*255
    img[:,:,2]=np.ones([400,400])*255
    cv.imwrite("newimg_3c.png",img)

    # 单通道图像
    img = np.ones([400,400,1],np.uint8)
    # 将唯一通道（第1通道）全部赋为127，应为灰图
    img = img * 127
    cv.imwrite("newimg_1c.png",img)

if __name__ == "__main__":
	create_image()