OpenCV自学记录（1）——（一拳超人）图像处理基础（图像获取、图像变化）

学习深度学习进行图像分类和目标检测时，要有一定的图像处理的基础。在学习深度学习之前，看了一本《图像处理技术基础》，现在也忘得差不多了，后悔当初没有整理记录下来。现在整理一下图像处理的常用方法，最后实现一个小项目——基于OpenCV的车牌号识别。

1、图像获取

1.1获取图像数据

函数cv2.imread() 来实现

import cv2
gray_img = cv2.imread('02.jpg',0) # 读入图像
cv2.imshow('Image', gray_img) # 显示图像
cv2.imwrite('images/output.jpg', gray_img)     # 保存图像
cv2.waitKey()  #等待时间，毫秒级，0表示任意中止

cv2.imread() 的第二个参数主要包括以下三种写法：
cv2.IMREAD_COLOR : 默认使用该种标识。加载一张彩色图片，忽视它的透明度。
cv2.IMREAD_GRAYSCALE : 加载一张灰度图。
cv2.IMREAD_UNCHANGED : 加载图像，包括它的Alpha通道.。
也可以用1 ，0 ，-1代替表示。

1.2 获取摄像头图像数据

cv2.VideoCapture可以捕获摄像头，用数字来控制不同的设备，例如0，1。如果是视频文件，直接指定好路径即可。
打开计算机的摄像头，将视频转换成灰度视频：

import cv2  # opencv的读取格式是BGR
#打开相机，电脑自带摄像头一般编号为0；外接摄像头编号为1,在设备管理器中可以查询
#也可将0改为视频名称，打开视频文件
vc = cv2.VideoCapture(0)

if vc.isOpened():
    open, frame = vc.read()
else:
    open = False

while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret == True:
        #cvtColor函数包括了很多颜色格式之间的转换
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        cv2.imshow('result', gray)
        if cv2.waitKey(10) & 0XFF == 27:
            break
vc.release()
cv2.destroyAllWindows()

2、图像变化

读取到图像之后。就可以鬼图像进行相关操作，仿射变换是图像变化的基础操作，在深度学习中常被用作数据扩增的手段。

2.1 移动（translation)

首先定义移动矩阵 M，表示移动（left,right,up,down) 多少像素
矩阵M是浮点型的数组：
[1, 0, x]：x表示左右移动多少像素；x值为正——像右移动，x值为负——向左移动
[0, 1, y]：y表示上下移动多少像素；y值为正——向下移动，y值为负——向上移动
利用 cv2.warpAffine() 进行变换

import cv2
import numpy as np

img = cv2.imread('02.jpg',0)
#获得图像的尺寸
num_rows, num_cols = img.shape[:2]
#向右移动10，向下移动10
translation_matrix = np.float32([ [1,0,10], [0,1,10] ])
#cv2.warpAffine(输入图像, 变换矩阵,输出图像的大小)
img_translation = cv2.warpAffine(img, translation_matrix, (num_cols + 70, num_rows + 110))
cv2.imshow('Translation', img_translation)
cv2.waitKey()

2.2 旋转（rotation)

首先确定中心位置center，确定旋转的中心位置。
定义矩阵M：利用cv2.getRotationMatrix2D，其中的参数分别为旋转的固定点、旋转角度、1.0代表大小不变（旋转后的尺寸与原图的对比）
接下来继续利用cv2.warpAffine()进行变换，代码如下：

import cv2
#读取图像
img = cv2.imread('02.jpg',0)
#获得图像的尺寸
num_rows, num_cols = img.shape[:2]
#定义图像的旋转中心
center = num_cols/2, num_rows/2
#定义旋转矩阵（训传中心，旋转角度，大小变化）
rotation_matrix = cv2.getRotationMatrix2D(center, 30, 0.8)
#cv2.warpAffine(输入图像, 变换矩阵,输出图像的大小)
img_rotation = cv2.warpAffine(img, rotation_matrix, (num_cols, num_rows))
cv2.imshow('Rotation', img_rotation)
cv2.waitKey()

2.3 改变大小（resizing)

**cv2.resize()实现对图片进行缩放。**首先来看一下函数各参数意义

cv2.resize(src,dsize,
	        dst=None,
	        fx=None,
	        fy=None,
	        interpolation=None
)

src：原图，输入是array形式
dsize：输出图尺寸
fx：x轴缩放比例
fy：y轴缩放比例
interpolation：插值方式，默认为 flags=cv2.INTER_LINEAR，表示线性插值；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）

import cv2
image = cv2.imread('02.jpg',0)
#新的图像的宽度（width）150像素，利用比例关系确定高度（height）
r = 150.0 / image.shape[1]
dim = (150,int(image.shape[0]*r))

resized = cv2.resize(image,dim, interpolation = cv2.INTER_AREA)
cv2.imshow("Resized",resized)
cv2.waitKey()

2.4 翻转（flipping）

利用cv2.flip()函数可以实现。

import cv2
image = cv2.imread("02.jpg",0)

# 水平翻转
h_flip = cv2.flip(image, 1)
# 水平垂直翻转
hv_flip = cv2.flip(image, -1)
# 垂直翻转
v_flip = cv2.flip(image, 0)
# 保存图片
# cv2.imwrite("girl-hv.jpg", hv_flip)
# 显示图片
cv2.imshow("v_flip",v_flip)
cv2.waitKey()

2.5 剪裁（cropping）

裁剪的实现相对直接，图片裁剪使用img[y0:y1, x0:x1]，其中参数分别代表y轴和x轴的起始坐标。

import cv2
image = cv2.imread("02.jpg",0)
# 裁剪坐标为[y0:y1, x0:x1]
cropped = image[50:160 ,60:180]
cv2.imshow("crop",cropped)
cv2.waitKey(0)

3、总结

本次主要介绍了数据的读取图像数据cv2.imread()、读取视频数据cv2.VideoCapture
图像的仿射变换代码：移动，旋转（cv2.warpAffine）；改变大小（cv2.resize）；翻转（cv2.flip）；裁剪（image[50:160 ,60:180]）。
下一篇博客将整理图像形态学变换和边缘检测的代码
最终的目的是实现一个基于OpenCV的车牌号识别的小项目。

参考

https://blog.csdn.net/weixin_42823848/article/details/86721765