Opencv库学习笔记

最新推荐文章于 2024-07-23 08:52:32 发布
置顶 最新推荐文章于 2024-07-23 08:52:32 发布
阅读量450 收藏 4
点赞数 1
文章标签： 计算机视觉 opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42873049/article/details/103859296
版权
本文详细介绍了OpenCV库在图像处理中的应用，包括图片的读写、格式转换、缩放、灰度处理、边缘检测、通道操作、图像加法、图像融合、图像类型转换、图像缩放、图像翻转、阈值分割、滤波、形态处理、图像梯度、Canny边缘检测、图像金字塔、图像轮廓、直方图绘制、傅里叶变换等。通过实例演示了各种操作的代码和效果，深入浅出地讲解了OpenCV的主要功能。
摘要由CSDN通过智能技术生成

1.图片读写

1.1 图片的读入与显示

import cv2

# cv2读入图片 cv2.imread('图片的路径')
image = cv2.imread('cat.jpg')
# 显示图片
cv2.imshow('the cat', image)
# 让图片窗口持续显示，没有加此语句，图片会一闪而过
cv2.watiKey(0)

在这里插入图片描述

1.2 图片格式转换

在指定的目录下，会产生新格式的图片文件。

import cv2

# 读入原图
image = cv2.imread('cat.jpg')
# 图片格式转换并存储
cv2.imwrite('cat.png', image)

1.3 图片的缩放

图片的裁剪用 cv2.resize(InputArray src, OutputArray dst, Size, fx, fy, interpolation)

参数 说明
InputArray src 输入原图
OutputArray dst 输出图片
Size 输出图片尺寸
fx, fy 沿x轴，y国的缩放系数
interpolation 插入方式

interpolation 选项所用的插值方法：

INTER_NEAREST 最近邻插值
INTER_LINEAR 双线性插值（默认设置）
INTER_AREA 使用像素区域关系进行重采样
INTER_CUBIC 输出图片尺寸
fx, fy 沿x轴，y国的缩放系数
interpolation 插入方式

1.3.1 双线性插值法

import cv2

# 双线性插值法
# 读入原图
image = cv2.imread('cat.jpg')
# 获取原图的长、宽，并对应将值存储在x, y
x, y = image.shape[: 2]

# 显示原图
cv2.imshow('Original Picture', image)

# 将图的长宽缩放为原图的三分之一
image_test1 = cv2.resize(image, (int(y / 3), int(x / 3)))
# 显示缩小后的图
cv2.imshow('resize0', image_test1)
# 保存缩小后的图
cv2.imwrite('small_cat.jpg', image_test1)
cv2.waitKey(0)

原图：
在这里插入图片描述
缩小后的图：
在这里插入图片描述

1.3.2 最近邻插值法

import cv2

# 读入原图
image = cv2.imread('cat.jpg')
# 显示原图
cv2.imshow('Original Picture', image)
# 将y轴、x轴变为原图的四分之一
image_test2 = cv2.resize(image, (0, 0), fx=0.25, fy=0.25, interpolation=cv2.INTER_NEAREST)
# 显示缩小后的图
cv2.imshow('resize1', image_test2)
# 保存缩小后的图
cv2.imwrite('_0.25_cat.jpg', image_test2)
cv2.waitKey()
cv2.destroyAllWindows()

缩小后的图：
在这里插入图片描述

1.4 灰度图片

当我们用 cv2.imread() 读入一幅图时，默认是返回BGR的彩色图片，要返回一个灰度图片，可以在 cv2.imread() 中在传入一个参数 flags=cv2.IMREAD_GRAYSCALE)。

import cv2

# 读入原图，并通过传入 flags 参数，将图转化为灰度图片
image = cv2.imread('C:/Users/77925/Desktop/cat.jpg', flags=cv2.IMREAD_GRAYSCALE)
# 将原图的长宽缩小为原来的0.25倍
test = cv2.resize(image, (0, 0), fx=0.25, fy=0.25)
# 显示缩小后的图
cv2.imshow('test picture', test)
# 保存缩小后的图到指定位置
cv2.imwrite('C:/Users/77925/Desktop/test_cat.jpg', test)
cv2.waitKey()

结果如下：
在这里插入图片描述

3. 边缘检测

边缘检测，通俗地说也就是将物体的边缘区域转化为白色或其他颜色，而非边缘区域转化为黑色。opencv 中用于边缘检测的滤波函数有：Laplacian, Sobel, Scharr, Canny等。
在对图片进行边缘检测过程中，容易将噪声错误地识别为边缘，所以在进行边缘检测前，通常进行模糊处理。
opencv中的模糊滤波器有：blur, medianBlur, GausianBlur等。

import cv2

# 读入原图
image = cv2.imread('C:/Users/77925/Desktop/cat.jpg')

# 模糊滤波器
GBlur = cv2.GaussianBlur(image, (3, 3), 0)
# 边缘检测滤波器
canny = cv2.Canny(GBlur, 50, 150)

# 显示图片
cv2.imshow('image', image)
cv2.imshow('canny', canny)
cv2.imwrite('C:/Users/77925/Desktop/cathaha.jpg', canny)
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述
在这里插入图片描述

4.通道

4.1 拆分通道

import cv2 as cv

# 读入一张RGB图像
cat = cv.imread('photo\\cat.jpg', cv.IMREAD_UNCHANGED)
# 一次性拆分通道
b, g, r = cv.split(cat)

'''
也可以只拆分单个通道
b = cv.split(cat)[0]
g = cv.split(cat)[1]
r = cv.split(cat)[2]
'''

# 显示拆分通道后的图像，每个通道为一个单通道的灰度图像
cv.imshow('B', b)
cv.imshow('G', g)
cv.imshow('R', r)
cv.imshow('cat', cat)

cv.waitKey(0)
cv.destroyAllWindows()

B通道
在这里插入图片描述
在这里插入图片描述

4.2 通道合并

import cv2 as cv
import numpy as np


# 读入一张RGB图像
cat = cv.imread('photo\\cat.jpg', cv.IMREAD_UNCHANGED)
# 拆分通道
b, g, r = cv.split(cat)
# 显示原图像
cv.imshow('original', cat)
# 合并通道，注意合并通道的顺序必须是 b,g,r
m = cv.merge([b, g, r])
# 显示合并后的图像
cv.imshow('result', m)


# 按r,g,b顺序合并图像
rgb = cv.merge([r, g, b])
cv.imshow('rgb', rgb)


# 用某个通道与另外两个全是0的通道合并
# 查看原图像的行列数及通道数
rows, clos, chn = cat.shape
# 拆分出b通道
b = cv.split(cat)[0]
# 生成另外两个全0通道
g = np.zeros([rows, clos], cat.dtype)
r = np.zeros([rows, clos], cat.dtype)
# 合并图像
mm = cv.merge([b, g, r])
# 显示合并后的图像
cv.imshow('mm', mm)
# 其他通道组合类似上边

cv.waitKey(0)
cv.destroyAllWindows()

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5. 图像加法

在这里插入图片描述
在这里插入图片描述

import cv2 as cv
import numpy as np

cat = cv.imread('photo\\cat.jpg', cv.IMREAD_GRAYSCALE)
a = cat
# 用numpy加法
add1 = cat + a
# 用opencv加法
add2 = cv.add(cat, a)

# 显示原图像
cv.imshow('original', cat)
# 用numpy加法的图像
cv.imshow('add1', add1)
# 显示用opencv加法的图像
cv.imshow('add2', add2)

cv.waitKey(0)
cv.destroyAllWindows()

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.3 注意

在这里插入图片描述
numpy加法与opencv加法的结果是不同的，但在不同的场景下有不同的应用效果。

6. 图像融合

在这里插入图片描述

import cv2 as cv
import numpy as np

a = cv.imread('photo\\1.jpg')
b = cv.imread('photo\\2.jpg')
# 利用cv.addWeighted()函数将两张图融合到一起
result = cv.addWeighted(a, 1, b, 1, -240)

cv.imshow('a', a)
cv.imshow('b', b)
cv.imshow('result', result)

cv.waitKey(0)
cv.destroyAllWindows()

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

7. 图像类型转换

在这里插入图片描述

import cv2 as cv
import numpy as np

# 读入BGR图像
a = cv.imread('photo\\cat.jpg')
# 将BGR转为灰度图像
b = cv.cvtColor(a, cv.COLOR_BGR2GRAY)
# 将BGR转为RGB
c = cv.cvtColor(a, cv.COLOR_BGR2RGB)

cv.imshow('cat', a)
cv.imshow('gray', b)
cv.imshow('GRB', c)
cv.waitKey(-1)
cv.destroyAllWindows()

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

import cv2 as cv
import numpy as np

# 读入灰度图像
a = cv.imread('photo\\gray.jpg', cv.IMREAD_UNCHANGED)
# 灰度转BGR
b = cv.cvtColor(a, cv.COLOR_GRAY2BGR)
print(b.shape)
'(640, 640, 3)，有三个通道'
# 显示BGR图像，看起来是灰色的，但它有3个通道
cv.imshow('BGR', b)
cv.waitKey(-1)
cv.destroyAllWindows()

在这里插入图片描述

8.图像缩放

在这里插入图片描述
必备参数：
src：原始图像
dsize：目标图像大小，格式：(列，行)
fx, fy：这个与dsize二选一
在这里插入图片描述

import cv2 as cv
import numpy as np

# 读入原始图像
a = cv.imread('photo\\egg.jpg')
# 提取图像的行列数，通道数
rows, cols, chn = a.shape
# size的书写应先列后行，此处的round是为了让列、行数变为整数
size = (round(cols*0.5), round(rows*1))
# 按照新设定的size对原图像进行绽放
b = cv.resize(a, size)

'''
也可采用以下形式对原图像进行绽放，达到的效果是一样的:行一样，列变为原来的一半
当采用此方法时，将desize设置成None即可
b = cv.resize(a, None, fx=0.5, fy=1)
'''
cv.imshow('a', a)
cv.imshow('b', b)

cv.waitKey(-1)
cv.destroyAllWindows()

9. 图像翻转

在这里插入图片描述
参数说明：
src：原始图像
flipCode：选择图像翻转的模式
flilpCode>0：左右
flilpCode=0：上下
flilpCode<0：左右+上下

import cv2 as cv
import numpy as np

# 读入原始图像
a = cv.imread('photo\\egg.jpg', cv.IMREAD_UNCHANGED)
# 做上下翻转
b = cv.flip(a, 1)
# 做左右翻转
c = cv.flip(a, 0)
# 做上下+左右翻转
d = cv.flip(a, -1)

# 显示图像
cv.imshow('a', a)
cv.imshow('b', b)
cv.imshow('c', c)
cv.imshow('d', d)

cv.waitKey(-1)
cv.destroyAllWindows()

10. 阈值分割

10.1 理论介绍

阈值分割有5种情况：
第一张图是原始图像的像素值。
以下图片的纵轴表示点的像素值，横轴的最底下的线表示最小像素值0，最上边的线表示最大像素值255。
在这里插入图片描述
在这里插入图片描述
第一种情况：二进制阈值化
在这里插入图片描述
在这里插入图片描述
第二种情况：反二进制阈值化
在这里插入图片描述
在这里插入图片描述
第三种情况：截断阈值化
在这里插入图片描述
在这里插入图片描述
第四种情况：反阈值化为0
在这里插入图片描述
第五种情况：阈值化为0
在这里插入图片描述

10.2 threshold函数

在这里插入图片描述

10.2.1 二进制阈值化

在这里插入图片描述

10.2.2 反二进制阈值化

在这里插入图片描述<

最低0.47元/天 解锁文章
狭路相逢，拔刀相助
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实战深度学习（上）OpenCV库
极歌科技
03-31 312
实战深度学习（上）OpenCV库 在如今人工智能的浪潮下，无数模拟机器学习和深度学习的开发者工具倍出，其中在计算机图形学和计算机视觉里面最流行的一个库就是OpenCV库了.计算机图形学和计算机视觉学在我们的自动驾驶和仿生机器人当中有着举足轻重的地位，尤其是opencv库在里面的应用尤为广泛。今天我就分享给大家我们在python环境下，实现调用ope...
OpenCV学习笔记大集锦
Leo的博客
01-06 6241
转载自： OpenCV学习笔记大集锦 – 视觉机器人 http://www.cvrobot.net/collect-opencv-resource-learn-study-note-chinese/ 整理了我所了解的有关OpenCV的学习笔记、原理分析、使用例程等相关的博文。排序不分先后，随机整理的。如果有好的资源，也欢迎介绍和分享。 1：OpenCV学习笔记
OpenCV计算机视觉库全面解析
最新发布
极客代码
07-23 1306
OpenCV（Open Source Computer Vision Library）是一个广泛使用的开源计算机视觉库，它提供了丰富的图像和视频处理功能，以及一些机器学习算法。OpenCV的核心技术主要包括图像处理、特征检测与描述、目标检测与跟踪、摄像机标定与姿态估计等。OpenCV的设计目标是提供一套简单而且可扩展的计算机视觉库，使得它能够方便地在实际的应用、研究、开发中被使用。OpenCV的高级应用使得计算机视觉任务得以更加高效和准确地完成。
python_opencv库的学习
weixin_30949361的博客
12-27 221
一、以灰度图的形式加载彩色图像。 https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_gui/py_image_display/py_image_display.html import numpy as np import cv2 # Load an color image in grayscale img = cv...
opencv库函数学习笔记
我的博客
02-28 1121
基本操作 1. 读取某图像文件： `src = imread("图像路径（文件夹斜杠是/，直接复制过来的是错的）");` src是Mat对象。 2. 打印图像： namedWindow("output", WINDOW_AUTOSIZE); imshow("output", dst); output是输出窗口名字，不人工新建也没关系，opencv会自己建一个；dst也是Mat对象。 3. 指针遍历图像： 4. 轨迹条操作： 图像预处理 ...
OpenCV库的学习笔记（一）Gui Features in OpenCV
weixin_44072988的博客
11-23 656
OpenCV章节学习
opencv学习笔记.docx
08-09
本文档为 OpenCV 学习笔记，涵盖了 OpenCV 库的基本使用和图像处理技术。文档分为两章，第一章介绍了图像的载入、保存和旋转操作，第二章详细介绍了图像的遍历和处理。 第一章：图像载入、保存和旋转 在 OpenCV 中...
opencv学习笔记.zip
04-17
Opencv是计算机视觉中经典的专用库，其支持多语言，跨平台，功能强大。Opencv-Python为Opencv提供了Python接口，使得使用者在Python中能够调用C/C++,在 保证易读性和运行效率的前提下，实现所需的功能。 Opencv是...
【opencv学习笔记 23轮廓发现】
12-21
在OpenCV库中，轮廓发现是一项重要的图像处理技术，它用于识别和提取图像中的对象边界。这个过程基于图像的边缘检测，而边缘检测通常受到阈值选择的影响。本篇学习笔记将详细介绍如何在OpenCV中进行轮廓发现，并提供...
opencv库文件
07-31
最新的opencv库文件，省去了麻烦的编译过程，直接掉用即可
openCV库文件
04-01
Windows下Qt使用openCV需要用到的库文件，使用方式在https://blog.csdn.net/u012902367中《Qt 使用openCV》一文中有介绍。
OPENCV函数库.rar
09-07
上传的是opencv的使用手册，介绍了各个函数的使用方式及例子程序，很适合做查阅工具；
【OpenCV学习】（四）图形绘制
weixin_40620310的博客
01-05 2136
【OpenCV学习】（四）图形绘制 背景 使用OpenCV进行图形绘制是一种必备的技能，在图像的任务中，不管是图像检测还是图像识别，我们都需要通过绘制图形和绘制文字对处理的结果进行说明，本篇就详细介绍下图形的绘制； 一、画线 line（图像，起始点，终点，颜色，线宽，线形）：一般只需要前面四个参数即可； 代码案例： cv2.line(img, (20, 100), (20, 500), (0,0,255)) 画出了一条Y方向上的红色线段； 二、画矩形 这个相对来说是应用最多的一种方法了，往往在检测项目中返
OpenCV学习笔记： 快速入门例程
LinJM-机器视觉
08-14 3444
先期基础： ———————————————————————————— Main函数参数argc，argv说明 C/C++语言中的main函数，经常带有参数argc，argv，如下： int main(int argc, char** argv) int main(int argc, char* argv[]) 这两个参数的作用: argc 是指命令行输入参数的个数(以空白符分隔) argv存储了所有的命令行参数 假如你的程序是hello.exe，如果在命令行运行该程序，（首先应该在命令行下用 cd 命令进入
学习opencv（一）
#仙女不扎马尾#的博客
10-08 706
文章目录OpenCV简介环境搭建（OpenCV + python +pycharm） OpenCV简介 OpenCV，它是一个图像和视频处理库，包含 C ++，C，Python 和 Java 的绑定。 OpenCV 用于各种图像和视频分析，如面部识别和检测，车牌阅读，照片编辑，高级机器人视觉，光学字符识别等等。 环境搭建（OpenCV + python +pycharm） ...
OpenCV库
sinat_42356311的博客
08-15 125
头文件 #include “…/…/common/include/opencv_4_1_0/opencv2/core/mat.hpp” #include “…/…/common/include/opencv_3_4_1/opencv2/opencv.hpp”
opencv库
XIAOYUE3035的博客
08-13 178
主要介绍直线、矩形框、椭圆和字体注释。 import numpy as np import cv2 # Create a black image img=np.zeros((512,512,3), np.uint8) #直线 cv2.line(img,(0,0),(511,511),(255,0,0),5) #矩形 cv2.rectangle(img,(384,0),(510,128),(0...
opencv学习笔记
06-25
1. **安装与配置**：如何在不同的操作系统（如Windows、Linux或macOS）上安装OpenCV库，以及与Python或其他语言的集成。 2. **基本概念**：介绍像素、图像类型、通道等基本概念，以及OpenCV的数据结构（如Mat或...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值