Python库cv2第一课：cv2的认识与入门（上）

        前两天将numpy库的基本知识做了一个简单的学习和回顾，主要是为了帮自己找回知识和忘记的函数，以及查看使得否需要进行新的应用。我们将两大成员数组与矩阵的知识点一一拉通学习之后，经过多多练习，便可逐渐掌握，numpy是一个计算的大库，在电脑计算有很大用处。

        然而，这仅仅只是python中最常用的一个库而已，对于团队的学习，还需要重点掌握的一个库为：cv2，这个库将在车辆的驾驶，图像处理，动态渲染等方面与重大的贡献，在车路协同，交通大数据的背景下，我们将会做到很多动态变化的图像，由此来看交通试试变化，由此采取实时的措施管理与控制。

        因此，作为模拟的库，自然与图像与计算紧密相连，也就是python中的numpy和matlab库的配合使用，在matlab库中我是用最多的一个模块为：matplotlib.pyplot，相信这也是大多数人接触最多的，用于绘制坐标图。

        然而，对于cv2，我目前仅限于了解有这个东西，那么，既然了解了想变成自己的东西，那就慢慢一步一步来，接下来，就进入入门的学习。

一、cv2库的安装        

首先是针对cv2库的安装，我们依旧在VS Code终端面板采用清华源：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

        安装完毕之后方可采用import cv2 as cv2即可，也可as成一个可代表的字符。在这里，我们用来学习的照片如下：

cat.jpg

二、cv2的入门函数认识

 1、读取与写入照片

        在cv2中，最基本的函数为读取和写入照片，和保存图片。cv2读取的格式有很多，基本上完全包括了目前素有照片的主流储存模式。读取照片采用的函数为：imread()，写入照片采用的函数为：imwrite。具体用法如下：

        cv2.imread(filename，flags)：filename写入想要展示的图片命名，字符串格式，flags表示该如何读取，对于其读取的方式，这里一般采用以下三种：

        IMREAD_COLOR (1)：加载彩色图像

        IMREAD_GRAYSCALE (0)：以灰度模式加载图像

        IMREAD_UNCHANGED (-1)：加载图像，包括 alpha 通道

        通常采用1加载图片。

        而对于图片的保存一般采用imwrite()函数，其用法为：

        cv2.imwrite(filename,img):img为读取的照片的变量参数，照片被读取定义为MatLike，其本质格式为多维数组，将一个像素作为一个坐标点。展示照片的imshow()在目前阶段写法是相同的。

        特别注意的一点为：imwrite() 只能保存 BGR 3通道图像，或 8 位单通道图像、或 PNG/JPEG/TIFF 16位无符号单通道图像

img_test = cv2.imread('cat.jpg', flags=cv2.IMREAD_COLOR)
cv2.imshow('cat_photo', img_test)
# 保持照片窗口停留的时间
cv2.waitKey(3000)
# 销毁所有窗口
cv2.destroyAllWindows()

        输出的仍然是原来的图案，这里的waitKey表示图片展示框停留的时间（ms），destoryALLWindow表示销毁所有串口，保持好习惯，有打开就有关闭，在python中这一点要求并不严格，甚至几乎不检测，但在java中，对每个窗口的进入与关闭是严格的，甚至窗口个数也限制挺大的。

img_test_2 = cv2.imread('cat.jpg', 0)
print(type(img_test))
cv2.imshow('cat_photo_2', img_test_2)
cv2.imwrite("cat_grey.jpg", img_test_2)
key = cv2.waitKey(3000)
cv2.destroyAllWindows()

        可以看到，通过0的方式打开的图片，将显示为灰白色，我们将其重新保存一份放入文件夹中。

 2、通过matplotlib结合渲染

        matplotlib库是一个常用的绘图库，i面提供了各式各样的绘图参数，我们这里主要学习cv2，matplotlib库的内容直接用就可以了。该库的重点在于渲染，改善照片的展示质量，我们在这里做一个三秒的保存渲染并关闭。

img_test_3 = cv2.imread('cat.jpg', 0)
# 运用函数渲染图像
plt.imshow(img_test_3)
# 展示三秒并关闭，这里不采用show，而使用定时展示与关闭
plt.ion()
plt.pause(3)
plt.close()

        这里可以采用一个暂停函数的三组合来代替额传统的plt.show，是一个自动关闭打开的对话框。经过渲染，其图像为：

3、以rgb方式调整图像

        除了对图片进行传统的普通处理，在cv2中，还提供了rgb格式的图像修改方法，其具体的修改方案为将图像看作是一个ndarray多维数组，可以采用多维数组定位的方法。因此，我们需要先知道其图片的像素点大小和图片的尺寸，还有图像通过几RGB通道进行渲染的。

img_test_rgb = cv2.imread('cat.jpg', 1)
print(type(img_test_rgb))
# 得到该ndarray的尺寸：（266，423，3）
print(img_test_rgb.shape)
# 得到该ndarray的像素大小：337554
print(img_test_rgb.size)

        其输出的结果分别为：<class 'numpy.ndarray'>          (266, 423, 3)            337554。其中的3表示其采用的rgb渲染通道为3项，RGB就是通过三个数定义光的颜色，[0，0，0]表示黑色；[255.255，255]表示白色。

        紧接着，在知道其为平面坐标的情况下，我们便可以进行索引与修改：

# 试着访问某位置的元素的rgb值
print(img_test_rgb[200, 200])
# 改变某些位置元素的颜色
# 将左上角100元素内的颜色为黑色
for i in range(100):
    for j in range(100):
        img_test_rgb[i, j] = [0, 0, 0]
cv2.imshow('cat_photo_modify', img_test_rgb)
cv2.waitKey(3000)
cv2.imwrite("cat_rgb.jpg", img_test_rgb)
cv2.destroyAllWindows()

        如此，我们边疆左上角100x100像素的图像全部改为了rgb显示为黑色的图案了。

三、cv2的基础操作

⭐1、图像拆分与合并

        通过split()函数可以将原始图像分割为三个通道，其中“0”表示蓝色，“1”表示绿色，“2”表示红色。而merge()函数则可以将通道合并起来。这里简单学习一下RGB，在RGB色彩的定义中，色彩由三个通道组成：蓝（B），绿（G），红（R）。

# split可以将图像拆分为单独的通道
img_test_rgb_2 = cv2.imread('cat.jpg', 1)
b_img, g_img, r_img = cv2.split(img_test_rgb_2)

        以下分别展示各种单通道的图片：

cv2.imshow("cat_rgb_b.jpg", b_img)

 

cv2.imshow("cat_rgb_g.jpg", g_img)

 

cv2.imwrite("cat_rgb_r.jpg", r_img)

        对于图像，如果只有单通道，那么，他的值只能在0~255之间，也就是每个像素点之间只存在一层通道。纯粹的黑白对比图只存在0或者255的像素点。其他数字的出现会产生不同的灰度，但仍然是灰度图。以上便是三种通道分离开之后的各自通道组成的单通道灰度图。

thoro_rbg = cv2.merge([b_img, b_img])
cv2.imwrite('cat_two_rbg.jpg', thoro_rbg)

        然而，当我们将同一个像素点，再次覆盖的时候便会发生色彩的变化，当我们第三次再覆盖一层同样范围的数的时候，便会出现更加丰富的色彩。我在合并通道的收，尝试过输出两通道合并的图，然而，最终报错，我的目前的学习理解状况来看，应当是cv2能识别的仅仅为单通道图和三通道图，不存在二通道图。

Traceback (most recent call last):
  File "d:\PythonLearn\PythonWork\专题cv2入门（上）_初步认识.py", line 65, in <module>
    cv2.imwrite('cat_two_rbg', thoro_rbg)
cv2.error: OpenCV(4.8.1) D:\a\opencv-python\opencv-python\opencv\modules\imgcodecs\src\loadsave.cpp:696: error: (-2:Unspecified error) could not find a writer for the specified extension in function 'cv::imwrite_'

         因此，我们只能合成三通道，这就回到了imwrite只能读取单通道或者三通道进行文件图片写入。

# 合并通道
img_rgb_test = cv2.imread('cat.jpg', 1)
b_img, g_img, r_img = cv2.split(img_rgb_test)
thoro_three = cv2.merge([r_img, g_img, b_img])
cv2.imwrite('thoro_3rgb.jpg', thoro_three)

         而且还有一点，它分离的时候是按照B+G+R的顺序分离的，在这里我们合并的时候，是按照R+G+B的堆叠模式合成的，堆叠顺序影响图案的形成，最终输出的图案为：

        接下来，虽然山面说不能通过合并两通道的RBG通道进行书写输出，却可以通过关闭某个或两个通道，这在程序看来，还是处于三通道，只是关闭的通道处于透明状态——存在但不可见，因此，就去掉某图层的颜色。示例如下：

# 关闭rbg光学三原色的过程
# 关闭蓝色通道
img_test_rgb_2 = cv2.imread('cat.jpg', 1)
# 此方案写法等同于将源图片分割为三通道，表达法不同
img_test_rgb_2[:, :, 0] = False
cv2.imwrite('cat_rbg_lost_b.jpg',img_test_rgb_2)
img_test_rgb_2[:, :, 0] = True

        其次，对于三通道图，若是三个通道的值是相同的，输出的也是灰度图。区分它们的重点辨识点为属性中查看位深度：当位深度为8的图为单通道灰度图，当深度为24则为三通道灰度图。一般来说，三通道还是彩色图的。

        而三通道与单通道之间是存在转化关系的：

        （1）单通道图转化为三通道图：

img = cv2.cvtColor(img , cv2.COLOR_GRAY2RGB)

        （2）三通道图转化为单通道图，分为读取前转化与读取后转化：

img = cv2.imread('test.jpg', 0)
img = cv2.cvtColor(img , cv2.COLOR_RGB2GRAY)

        至此，图像拆分与合并的难点编导此掌握了。

2、绘制线形

        接下来的一大基础训练为在原始图像上绘制形状。此等操作在我们开发java的时候经常用到，用于开发软件与APP的时候由于手机型号不同，一般都采用相对位置进行开发。此方案同样如此，对每个相对位置的开发，是至关重要的环节。以下学习几个重点的函数：

函数	说明	命令
cv2.line()	绘制连接两点的线段	cv2.line(img, pt1, pt2, color, thickness)
cv2.circle()	以给定点为中心绘制给定半径的圆	cv2.circle(img, center, radius, color, thickness)
cv2.rectangle	绘制一个矩形，给定点为左上角和右角	cv2.rectangle(img, pt1, pt2, color, thickness)
cv2.ellipse()	绘制简单的粗椭圆弧或填充椭圆扇区	cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness)

        对于每个函数，其也有着对应的参数：

        img：表示要绘制形状的图像。

        color：形状的颜色，一般采用RGB方式传递。 对于 BGR，将其作为元组传递。 对于灰度，只需传递标量值。

        thickness：线或圆的粗细。如果为圆或封闭图形，传递-1，它将填充形状。

        lineType：线条的类型，是否8连线，抗锯齿线设置等。

        以下展示一段团绘制的实例，用于自我的学习：

img_draw = cv2.imread('cat.jpg', 1)
# 在图片上添加一个矩形
cv2.rectangle(img_draw, (15, 35), (235, 230), (45, 243, 26), 3)
# 在图片上添加一条横线
cv2.line(img_draw, (30, 50), (240, 50), (190, 92, 19), 5)
# 添加一个填充圆形
cv2.ellipse(img_draw, (280, 100), (70, 10), -20, 0, 360, (0, 0, 255), -1)
# 储存图片
cv2.imwrite('cat_draw.jpg', img_draw)

        其代码绘制的图案如下：

        如今这只是进行简单的线条绘制，等学习到一定程度，可以绘制更多的动态模型，我主要是为了在智慧驾驶，车路协同、信号控制等演示上重点运用此库。 

        到这里，cv2的入门课基本就结束了，我们已经学习了cv2的基本流程，现在，可以进行简单的图形处理了，因此，对于去除背景这件事，是不是就变得很简单了呢？纯色。万丈高楼平地起，每天学习一点点。