opencv--python学习记录（二）

一、opencv的色彩空间

1、色彩空间的变换

（1）RGB和BGR

        RGB是人眼的色彩空间顺序；而opencv默认使用的是BGR，即和人眼顺序相反；一个像素点包括三原色的数值组成想要颜色；

（2）HSV / HSB / HSL

        HSV（常用）和HSB是统一体系，表示Hue色相(即色彩)、Saturation饱和度（颜色纯度）、value明亮度；

        方便opencv直接对Hua色相进行判断；

        HSL不常用；其中L表示亮度；不做过多介绍。

（3）YUV

        存储节省数据，主要用在视频中。

（4）色彩空间转换示范

import cv2

def callback():
    pass

cv2.namedWindow('color',cv2.WINDOW_NORMAL)

img = cv2.imread("F:\\tupian\\chinacar.jpeg")

colorspaces = [cv2.COLOR_BGR2RGBA,cv2.COLOR_BGR2BGRA, 
               cv2.COLOR_BGR2GRAY, cv2.COLOR_BGR2HSV_FULL, 
               cv2.COLOR_BGR2YUV]
cv2.createTrackbar('curcolor','color', 0 , len(colorspaces) , callback)


while True:
    index = cv2.getTrackbarPos('curcolor','color')

    #颜色空间转换API
    cvt_img = cv2.cvtColor(img , colorspaces[index])
    print(colorspaces[index]  ,  cvt_img , index)

    cv2.imshow('color',cvt_img) 
    key = cv2.waitKey(10)
    if key & 0xFF == ord('q'):
        break

cv2.destroyAllWindows() 

二、numpy库

1、numpy库介绍

        openCV中用到的矩阵都要转换成numpy数组进行操作；Numpy是一个高度优化的python数值库。

2、numpy基本操作

（1）创建矩阵

【1】创建数组    array（）

【2】创建全0 数组     zeros（）\ ones（）

        zeros（（行的个数 ， 列的个数 ， 通道数/层数 ），矩阵中的数据类型 ）

        ex:c = np.zeros((480,640,3), np.uint8 )

【3】创建全值数组  full（）

【4】创建单位数组  identity / eye（）

      代码展示：

import numpy as np

#通过array定义矩阵
a = np.array([1,2,3])
b = np.array([[1,2,3], [4,5,6 ]])

print(a)
print(b)

#定义zeros和ones矩阵
c = np.zeros ((4,4,3), np.uint8)
d = np.ones ((4,4),np.uint8)
print(c)
print(d)

#定义full矩阵
e = np.full((4,4), 255 , np.uint8)
print(e)

#定义identity单位矩阵
f = np.identity(4)
print(f)

#定义eye矩阵
g = np.eye(5,7, k=3)
print(g)

         运行结果：

 （2）矩阵的检索和赋值

        注意【y，x】和我们平常的坐标相反，另外我们利用numpy操作时的索引值是从0开始的，而不是从1开始。【y，x，channel】多了一个通道数。

        代码展示：

import numpy as np
import cv2

#定义zeros和ones矩阵
img = np.zeros ((480,640,3), np.uint8)

#从矩阵中读某个元素的值
print (img[100,100])
count = 0

#向矩阵中某个元素赋值
while count < 480:
    img[count,100,2] = 255
    count = count + 1

#另一种赋值方式
t = 0
while t < 400:
    img [100 , t] = [0 , 255 , 100]
    t = t + 1 

cv2.imshow('img',img)
key = cv2.waitKey(0)
if key & 0xFF == ord('1'):
    cv2.destroyAllWindows()

（3）获取子矩阵

        Region of Image （ROI）技术：

        【y1:y2  ,  x1:x2】表示从y1到y2和x1到x2的区域

        【：，：】整个图像,也可以用【：】表示。

        代码演示：

import numpy as np
import cv2

#定义zeros和ones矩阵
img = np.zeros ((480,640,3), np.uint8)

#从矩阵中读某个元素的值
import numpy as np
import cv2

#定义zeros和ones矩阵
img = np.zeros ((480,640,3), np.uint8)


roi = img[100:500, 100:200]
roi[:] = [200,20,200]
roi[:,50] = [1,1,1]
roi[10:200,10:200]=[0,255,0]

cv2.imshow('img',img)
key = cv2.waitKey(0)
if key & 0xFF == ord('1'):
    cv2.destroyAllWindows()

二、Mat

1、Mat介绍

        实际上mat就是一个二维矩阵，如果表示图片则一般是三通道BGR的矩阵。

        mat的优势：可以通过Numpy直接以矩阵的方式对它进行访问，对下标进行操作来读取赋值，非常方便。

        

2、Mat拷贝        

         这个表示的是mat的浅拷贝，他们的header部分不同，共用同一个data，header部分指针指向同一个地方；而深拷贝的data部分不共用。

        代码展示：

import cv2
import numpy as np

img = cv2.imread("F:\\tupian\\chinacar.jpeg")

#浅拷贝,修改img，img2也变化，说明浅拷贝共用data
img2 = img

#深拷贝，修改img,img3没有发生变化，说明深拷贝不共用data
img3 = img.copy()

img [10:100 , 10:100] = [0,0, 255]
cv2.imshow('img',img)
cv2.imshow('img2', img2)
cv2.imshow('img3', img3)
cv2.waitKey(0)

3、访问Mat的属性

import cv2
import numpy as np

img = cv2.imread("F:\\tupian\\chinacar.jpeg")

#shape属性中包括了三个信息
#高度，长度，通道数
print(img.shape)

#图像占用多大内存空间
#高度 * 长度 * 通道数
print (img.size)

#图像中每个元素的位深
print (img.dtype)

4、通道的分离与合并

（1）split（mat）-->ch1, ch2 ,ch3 ,.....

        将mat类型图像分割成多个通道（有几个分几个并且返回几个），可以对每个通道进行单独操作。

（2）merge（（ch1, ch2 ,ch3 ,.....））-->mat

        将多个通道合并。

        代码展示：

import cv2
import numpy as np

img = np.zeros((480 , 640 , 3) , np.uint8)

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

b[10:100 , 10:100] = 255
g[10:100 , 10:100] = 255

img2 = cv2.merge((b , g ,r))

cv2.imshow('img',img)
cv2.imshow('b',b)
cv2.imshow('g',g)
cv2.imshow('img2',img2)
cv2.waitKey(0)