OpenCV ：图像基本操作

最新推荐文章于 2024-07-23 16:48:13 发布

小白学视觉

最新推荐文章于 2024-07-23 16:48:13 发布

阅读量254

点赞数

文章标签： opencv python 计算机视觉人工智能开发语言

原文链接：https://mp.weixin.qq.com/s?__biz=MzU0NjgzMDIxMQ==&mid=2247607009&idx=2&sn=a72c6e190ad0d99cf6cdd80f599022cb&chksm=fb54c00dcc23491b63504c8dbb6a67bc2bcb9fb3d9f62d64fe48f851bf6f016cf518db1219c3&scene=126&sessionid=0

版权

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

转自：AI技术前线

大家好，今天分享这篇文章主要介绍了OpenCV基本操作中的图像基础操作，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考。

01 加载图像

imread 功能是加载图像文件成为一个 Mat 对象，其中第一个参数表示图像文件名称，第二个参数表示加载的图像是什么类型，支持常见的三个参数值
IMREAD_UNCHANDED(<0) 表示加载原图，不做任何改变
IMREAD_GRAYSCALE(0) 表示吧原图作为灰度图像加载进来
IMREAD_COLOR(>0) 表示把原图作为 RGB 图像加载进来

注意：OpenCV 支持 JPG、PNG、TIFF 等常见格式图像文件加载（默认读取的格式是 BGR）

# 导入 OpenCV 库
import cv2 as cv
# 加载图像
img = cv.imread("./1.jpg")
# 打印图像类型
print(type(img))
print(img)

输出：

可以发现这是个 numpy 数据类型的，而且是三个维度的，比如 [H,W,C]

图像显示

# 导入 OpenCV 库
import cv2 as cv


# 加载图像
img = cv.imread("./1.jpg")


# 图像的显示，也可以创建多个窗口
cv.imshow("image",img)


# 等待时间，毫秒级，0 表示任意键终止
cv.waitKey(0)
cv.destroyAllWindows()

输出：（按下任意键关闭该窗口）

数据读取-图像

# 导入 OpenCV 库
import cv2 as cv


# 灰色显示
img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)


# 打印信息
print(img)

输出：

这里打印的结果就不像上面那样有三个维度了，因为是灰色的，也就是没有彩色的，所以这里表示的只有 H 和 W。

当然，这里的代码只是打印信息而已，还不能显示到窗口，显示到窗口还需要增加几句代码，如下：

# 导入 OpenCV 库
import cv2 as cv


img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)
cv.imshow("image",img)
cv.waitKey(0)
cv.destroyAllWindows()

输出：（可以发现，图片是以灰色显示了的）

截取部分图像数据

# 导入 OpenCV 库import cv2 as cv# 加载图像img = cv.imread("./1.jpg",)# 截取部分图像cat = img[0:200, 0:200]# 显示截取的图像cv.imshow("cat",cat)cv.waitKey(0)cv.destroyAllWindows()

输出：

颜色通道提取

通过 cv2 的 split() 方法可以进行颜色的通道提取

# 导入 OpenCV 库
import cv2 as cv


img = cv.imread("./1.jpg",)
b,g,r = cv.split(img)


print(b)

输出：

只保留 R

上面说过 OpenCV 默认读取的格式是 BGR

# 导入 OpenCV 库
import cv2 as cv


img = cv.imread("./1.jpg",)
cur_img = img.copy()


# 注意参数的变化
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv.imshow('R',cur_img)
cv.waitKey(0)
cv.destroyAllWindows()

R 是 Red 的缩写，这里显示的是红色

只保留 G

# 导入 OpenCV 库
import cv2 as cv




img = cv.imread("./1.jpg",)
cur_img = img.copy()
# 注意参数的变化
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv.imshow('G',cur_img)
cv.waitKey(0)
cv.destroyAllWindows()

G 是 Green 的缩写，这里显示的是绿色

只保留 B

# 导入 OpenCV 库
import cv2 as cv


img = cv.imread("./1.jpg",)
cur_img = img.copy()
# 注意参数的变化
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv.imshow('B',cur_img)
cv.waitKey(0)
cv.destroyAllWindows()

B 是 Blue 的缩写，这里显示的是蓝色

边界填充

# 导入 OpenCV 库
import cv2 as cv
# 导入 maplotlib
import matplotlib.pyplot as plt


img = cv.imread("./1.jpg",)
# 定义图片显示大小
top_size,buttom_size,left_size,right_size = (50,50,50,50)
# 复制法，也就是复制最边缘像素
replicate = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REPLICATE)


# 反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcbajabcdefghjhgfedcb
reflect = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REFLECT)
# 反射法，也就是以最边缘像素为轴、对称、gfedcbjabcdefghigfedcba
reflect01 = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REFLECT_101)
# 外包装法 cdeifghjabcdefghjabcdefg
wrap = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_WRAP)
# 常量法，常数值填充
constant = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_CONSTANT)
# 设置图像位置
plt.subplot(231)
# 设置图像显示
plt.imshow(img,'gray')
# 设置标题
plt.title('ORIGINAL')


plt.subplot(232)
plt.imshow(replicate,'gray')
plt.title("REPLICATE")


plt.subplot(233)
plt.imshow(reflect,'gray')
plt.title("REFLECT")


plt.subplot(234)
plt.imshow(reflect01,'gray')
plt.title("REPLICATE01")


plt.subplot(235)
plt.imshow(wrap,'gray')
plt.title("WRAP")


plt.subplot(236)
plt.imshow(constant,'gray')
plt.title("CONSTANT")
# 图像显示
plt.show()

第一幅图是原始的图片，其它的都是进行过处理的

BORDER_REPLICATE ：复制法，也就是复制最边缘像素
BORDER_REFLECT ：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcbajabcdefghjhgfedcb（这里我也不是很明白，会的朋友请在评论区解释下，感谢）
BORDER_REFLECT_101 ：反射法，也就是以最边缘像素为轴、对称、gfedcbjabcdefghigfedcba
BORDER_WRAP ：外包装法 cdeifghjabcdefghjabcdefg
BORDER_CONSTANT ：常量法，常数值填充

数值计算

import cv2 as cv


img = cv.imread("./1.jpg")


img2 = img + 10
img[:5,:,0]


print(img)
print("--------------------------")
print(img2)

我们来看下这段代码的输出结果：（由于输出结果有点长，这里只截取部分结果）

这是 img 的输出，注意观察它的值

这是 img2 的输出，可以发现，img2 中的每个值都加了 10 ，如果值超出 255 ，

则得到结果如：253 + 10 = 263，263 - 255 = 7，那么计算结果就为 7

图像融合

需要融合的两张图像如下：

import cv2 as cv


img = cv.imread("./1.jpg")
img_cat = cv.imread("./2.jpg")


result = img + img_cat
print(result)

输出：

说明 img 和 img_cat 的值是不相同的，所以需要转换一下。

import cv2 as cv


img = cv.imread("./1.jpg")
img_cat = cv.imread("./2.jpg")


print(img.shape)
print(img_cat.shape)

可以发现，两张图像的 H 和 W 值确实是不相等的，所以无法进行数值相加

正确计算数值

import cv2 as cv


img = cv.imread("./1.jpg")
img_cat = cv.imread("./2.jpg")
print(img.shape)
# 设置与 img 一样的数值
img_cat = cv.resize(img_cat,(721,300))
print(img_cat.shape)

现在两张的数值是相等的了，可以进行图像融合了，这里其实就是使用了 resize() 方法将其扩大了

完整代码：

import cv2 as cv
import matplotlib.pyplot as plt


img = cv.imread("./1.jpg")
img_cat = cv.imread("./2.jpg")
# 设置与 img 一样的数值
img_cat = cv.resize(img_cat,(721,300))
# 设置宽度值
res = cv.addWeighted(img,0.4,img_cat,0.6,0)


# 图像显示
plt.imshow(res)
plt.show()

输出：（prefect）

图像保存

图像的保存非常简单，只需要使用 imwrite() 方法即可将图像保存起来：

# 导入 OpenCV 库
import cv2 as cv
# 读取图像
img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)
# 图像保存
# 第一个参数是图像要保存的路径，第二个图像是要保存的图像
cv.imwrite("./demo.jpg",img)

执行上面的代码就会在当前路径下生成一整 demo.jpg 的图像

数据读取-视频

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

举例：

（1）读取视频

video = cv2.VideoCapture("demo.mp4")

（2）检查视频是否打开正确

# 检查是否打开正确
if video.isOpened():
  # 我们都知道视频和游戏其实都是由图像组成的，通过访问图像的帧数连贯形成的，这里也是一样
  # video.read() 一帧一帧地读取
  # open 得到的是一个布尔值，就是 True 或者 False
  # frame 得到当前这一帧的图像
    open, frame = video.read()
else:
    open = False

（3）遍历每一帧图像

while open:
    ret, frame = video.read()
    # 如果读到的帧数不为空，那么就继续读取，如果为空，就退出
    if frame is None:
        break
    if ret == True:
      # 转换为灰度图
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        cv2.imshow("video",gray)
        # 这里使用 waitKey 可以控制视频的播放速度，数值越小，播放速度越快
        # 这里等于 27 也即是说按下 ESC 键即可退出该窗口
        if cv2.waitKey(10) & 0xFF == 27:
            break
video.release()
cv2.destroyAllWindows()

完整代码如下：

import cv2


video = cv2.VideoCapture("./demo.mp4")


# 检查是否打开正确
if video.isOpened():
    # 我们都知道视频和游戏其实都是由图像组成的，通过访问图像的帧数连贯形成的，这里也是一样
    # video.read() 一帧一帧地读取
    # open 得到的是一个布尔值，就是 True 或者 False
    # frame 得到当前这一帧的图像
    open, frame = video.read()
else:
    open = False


while open:
    ret, frame = video.read()
    # 如果读到的帧数不为空，那么就继续读取，如果为空，就退出
    if frame is None:
        break
    if ret == True:
        # 转换为灰度图
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        cv2.imshow("video",gray)
        # 这里使用 waitKey 可以控制视频的播放速度，数值越小，播放速度越快
        # 这里等于 27 也即是说按下 ESC 键即可退出该窗口
        if cv2.waitKey(10) & 0xFF == 27:
            break
video.release()
cv2.destroyAllWindows()

当然，上面的程序是将原视频设置为灰色的，想要显示的是原视频，只需要修改上述代码中的两个部分就行了

注释掉设置灰色的部分
将原视频显示在窗口上

原文链接：https://blog.csdn.net/Woo_home/article/details/106005676

作者：Woo_home

文章来源：CSDN博客

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

小白学视觉

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
OpenCV ：图像基本操作

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达转自：AI技术前线大家好，今天分享这篇文章主要介绍了OpenCV基本操作中的图像基础操作，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考。01加载图像imread功能是加载图像文件成为一个 Mat 对象，其中第一个参数表示图像文件名称，第二个参数表示加载的图像是什么类型，支持常见的三个参...
复制链接

扫一扫