openCV学习（一）

颜色空间

色彩空间变换

• 人眼的色彩空间是RGB，OpenCV默认使用BGR
• OpenCV最常用的是HSV(Hue, Saturation, Value 色调，饱和度，明度)色彩空间。
• 视频为了节省存储，使用的是YUV
• 做移动端开发时，适配问题就需要根据手机屏幕色彩空间的不同来进行调整。

HSV

• Hue色相，是360度的一个扇面，不同度数对应不同色彩。Value，明度，即是圆柱体的高，越靠近圆柱体底部，越暗呈现黑色，越往上，越明，呈现白色。Saturation饱和度，是指从中心到边缘，越边缘颜色越纯，饱和度越高。
• 为什么要用HSV：RGB是物理上的颜色。HSV更像是画家画画。OpenCV更喜欢HSV，因为其可以对颜色色相做判断。而 RGB中每一种颜色都有，就不好判断。

HSL：L是Light亮度，HSL到最上面的时候就纯白了

YUV

• 这里的2可能是U也可能是V

像素访问

• 使用OpenCV在不同色彩空间之间进行转换
  

import cv2

def callback():
	pass

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

img = cv2.imread('pic/yy.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])
	cv2.imshow('color', cvt_img)
	key = cv2.waitKey(10)
	if key & 0xFF == ord('q'):
		break

cv2.destroyAllWindows()

矩阵的运算

• OpenCV中用到的矩阵都要转换成Numpy数组
• 创建单元数组：identity() 是正方的 / eye() 可以是非正方，对角线元素为1

Numpy检索与赋值

• 通过[y,x]进行检索，下标从0开始
• 多维通道通过[y,x,channel]进行检索

import cv2
import numpy as np
img = np.zeros((480,640,3), np.uint8)
count = 0
while count < 200:
	img[count, 100]=255 #img[count, 100, 2]=255就是一条红色的线了
	count = count + 1
#显示为一条竖线，可以看出确实第一个变量是y轴的值
cv2.imshow('img',img)
key = cv2.waitKey(0) #让窗口一直显示
if key & 0xFF == ord('q'):
	cv2.destoryAllWindows()

获取子矩阵 Region of Image(ROI)

• [y1:y2, x1:x2]

roi = img[100:400, 100:600]
roi[ : , : ] = [0, 0, 255] #就将图像变成一个全红的了 BGR

OpenCV最重要的结构体 Mat

• Mat的应用角度就是一个矩阵
• Mat的好处是直接可以使用Numpy对其进行访问，操作方便。
• Mat包含：Header -> data
  
• 有的时候需要深拷贝的，如你想要将这张图片拷贝下来，然后在拷贝的图片上进行修改，就需要深拷贝。这样就会将头部和数据都拷贝下来，否则的话只是拷贝一个头部，这样就可以保证性能。
• Mat的头部
  

Mat的深拷贝/浅拷贝

• 当拷贝的时候默认是浅拷贝。

Mat A
A = imread(file, IMREAD_COLOR)
Mat b(A)

• 深拷贝：copy()

访问Mat的属性

• 图像占用多大空间：高度 * 长度 * 通道数 size函数
• shape: 高度 长度 通道数
• img.dtype 图像每个元素的位深

通道的分割与合并

• split(mat)
• merge((ch1,ch2…))

基本图形的绘制