opencv 的学习记录

opencv常用功能

1. 灰度转化

cv2.imread() # 接口读图像，读进来直接是BGR 格式数据格式在 0~255，通道格式为(W,H,C)

cv2.cvtColor(p1,p2)  # 颜色空间转换函数，p1是需要转换的图片，p2是转换成何种格式

cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式
cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片

2. 二值化（cv2.threshold）

注意！！这个函数一定会返回两个值，且第二个从是图片。漏了图片显示会报错！！

_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

• 原型：threshold(src,thresh,maxval,type,dst=None)
• 作用：将图像的每个像素点进行二值化
• 参数：thresh，阈值（最小值）。maxval，二值化的最大取值。
  type，二值化类型，一般设为0，也可以取以下的值：
  
  

3. 绘制矩形框（cv2.rectangle）

cv2.rectangle(image, pt1, pt2, color, thickness, lineType, shift)

• image：要在其上绘制矩形的图像。
• pt1：矩形的左上角顶点的坐标，可以用一个元组 (x1, y1) 表示。
• pt2：矩形的右下角顶点的坐标，可以用一个元组 (x2, y2) 表示。
• color：矩形的颜色，可以是一个表示颜色的元组 (B, G, R)，其中 B、G 和 R 分别表示蓝色、绿色和红色的强度。颜色值的范围是 0 到 255。
• thickness：矩形线的粗细，默认值为 1。如果指定为 -1，则表示填充矩形
• lineType：线的类型，默认值为 cv2.LINE_8，表示 8 连接线。还可以选择 cv2.LINE_4（4 连接线）或 cv2.LINE_AA（抗锯齿线）。
• shift：坐标点的小数位数，默认值为 0。

示例：

# 寻找边界
contours, hierarchy = cv2.findContours(tophat, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
#将边界的矩形区域选出来
boxes = [cv2.boundingRect(c) for c in contours]
for box in boxes:
    x, y, w, h = box  # x, y表示最右上角点，w是矩形的宽，h是矩形的高
    cv2.rectangle(tophat, (x, y), (x+w, y+h), (153, 153, 0), 0)

# 以下代码可以将矩形框的内容填充
# 核心是 cv2.FILLED
cv2.rectangle(img2, (x, y), (x + w, y + h), background_color, cv2.FILLED)

4. 找轮廓(cv2.findContours)

cv2.findContours()函数用于在二进制图像中查找轮廓, 用这个函数前，一定要将图片二值化

contours, hierarchy = cv2.findContours(image, mode, method)

• image: 输入的二进制图像，通常为灰度图像或者经过阈值处理后的图像。
• mode: 轮廓检索模式，指定轮廓的层级关系。常用的模式有：
  • cv2.RETR_EXTERNAL: 只检测最外层的轮廓。
  • cv2.RETR_LIST: 检测所有的轮廓，不建立轮廓的层级关系。
  • cv2.RETR_TREE: 检测所有的轮廓，并且建立轮廓的层级关系。
• method: 轮廓逼近方法。常用的方法有：
  • cv2.CHAIN_APPROX_NONE: 保存所有的轮廓点。
  • cv2.CHAIN_APPROX_SIMPLE: 仅保存轮廓的端点。

函数返回值：

• contours：检测到的轮廓，以一个列表形式返回。每个轮廓由一系列点组成。
• hierarchy：轮廓的层级关系，以一个多维数组的形式返回。

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

face_planks = []
# 遍历所有轮廓
for contourIndex, contour in enumerate(contours):
    # 判断轮廓是否为内轮廓
    if hierarchy[0][contourIndex][2] == -1 and hierarchy[0][contourIndex][3] != -1:
        # 绘制轮廓
        x, y, w, h = cv2.boundingRect(contour)

5. 对图片进行切片

# 规则：前面是y坐标，后面是x坐标。切片的时候小的值在前面，大的值在后面
img[min_y: max_y, min_x: max_x]

6. 将图片设置为指定的颜色

# 将图像转换为指定的颜色
color = (0, 0, 255)  # BGR 格式的颜色，这里设置为红色
colored_image = np.full_like(image, color)

7. 绘制直线

cv2.line(img, pt1, pt2, color, thickness, lineType, shift)

• pt1: 直线的起点坐标，是一个包含两个元素的元组 (x1, y1)。
• pt2: 直线的终点坐标，是一个包含两个元素的元组 (x2, y2)。
• color: 直线的颜色，可以是一个标量（灰度图像的颜色值）或一个包含三个元素的元组 (B, G, R)（彩色图像的颜色值）。
• thickness: 直线的宽度，以像素为单位。如果为负值（例如 cv2.FILLED），则表示填充整个区域。
• lineType: 直线的类型，可以是 cv2.LINE_AA（抗锯齿线）或 cv2.LINE_8（8-connected line）等。

实际例子：

ed.detectEdges(img)
lines = ed.detectLines()

#Draw detected lines
if lines is not None: # Check if the lines have been found and only then iterate over these and add them to the image
   lines = np.uint16(np.around(lines))
   print("find lines!")
for i in range(len(lines)):
   cv2.line(color_img, (lines[i][0][0], lines[i][0][1]), (lines[i][0][2], lines[i][0][3]), mode_color, 2, cv2.LINE_AA)

8. 创建掩码(cv2.inRange)

cv2.inRange(src, lowerb, upperb, dst=None)

该函数用于将输入图像中的像素值限制在指定范围内，生成一个二值掩码，其中在范围内的像素值为白色（255），而在范围外的像素值为黑色（0）。通常，cv2.inRange() 用于进行颜色范围的过滤。

• lowerb: 包含三个元素的数组，指定颜色范围的下界。
• upperb: 包含三个元素的数组，指定颜色范围的上界。
• dst: 输出的二值掩码图像，与输入图像的大小和类型相同。

实际例子：
将颜色[101, 101, 101]替换成[0, 0, 0]

# 定义要替换的颜色范围
lower_bound = np.array([101, 101, 101], dtype=np.uint8)
upper_bound = np.array([101, 101, 101], dtype=np.uint8)

# 创建掩码
mask = cv2.inRange(image, lower_bound, upper_bound)

# 将指定颜色替换为[0, 0, 0]
image[mask > 0] = [0, 0, 0]

9. 创建图片(np.full)

numpy.full(shape, fill_value, dtype=None, order='C')

• shape: 数组的形状，可以是一个整数或一个整数元组。
• fill_value: 用于填充数组的常数值。
• dtype: 数组的数据类型。如果未提供，将根据 fill_value 推断数据类型。
• order: 数组在内存中的存储顺序，可以是 ‘C’（按行）、‘F’（按列）或 ‘A’（自动选择，默认）。

实际案例：

width, height = 500, 500  # 图片的宽高
color_img1 = np.full((height, width, 3), color, dtype=np.uint8)

10.图片上标注文字(cv2.putText)

cv2.putText(src, text, place, Font, Font_Size, Font_Color, Font_Overstriking)

代码示例：

import cv2 as cv
import numpy as np
 
# 读入图片
src = cv.imread('test.jpg')
 
# 调用cv.putText()添加文字
text = "Nice to see you!"
AddText = src.copy()
cv.putText(AddText, text, (200, 100), cv.FONT_HERSHEY_COMPLEX, 2.0, (100, 200, 200), 5)
 

opencv的报错及其解决方案

本地服务直接崩溃 Process finished with exit code -1073741819 (0xC0000005)

问题产生原因：
windows环境没有办法安装tflite_runtime==2.10.0这个版本的包，这个是tensorflow lite模型的包，如果版本不正确，本地服务就会爆炸

解决方案：
换Linux环境，因为服务端都是Linux的环境，都可以安装tflite_runtime==2.10.0这个包，且正常运行。

EdgeDrawing’无法调用 AttributeError: module ‘cv2.ximgproc’ has no attribute ‘createEdgeDrawing’

问题产生原因：
opencv-python 和 opencv-contrib-python 两个包只能存在一个。

解决方案：
卸载opencv-python这个包就可以了

AttributeError: module ‘jinja2’ has no attribute ‘contextfunction’

问题产生原因及其解决方案：
aiohttp_jinja2的版本太低了，升级到1.5问题解决

PermissionError: [WinError 5] 拒绝访问。

三步解决python PermissionError: [WinError 5]拒绝访问的情况：link

明明已经安装了opencv-contrib-python，但是报错：AttributeError: module ‘cv2’ has no attribute ‘imdecode’

问题产生原因：
不知道，反正就是安装paddlehub和paddlepaddle后，这两个包帮你同时安装很多包，包括opencv-python和opencv-contrib-python。然后我就卸载了opencv-python，接下来就出现这个报错了。但是实际上opencv-contrib-python已经包括了opencv-python的所有包了。

解决方案：
卸载opencv-contrib-python然后重新安装

error: (-215:Assertion failed) !_src.empty() in function ‘cv::cvtColor’

问题产生原因：
_src.empty() 这个表示图片是空的

解决方案：
查看路径，是不是填错了，导致读取的不存在的路径，使得图片为空。

TypeError: only size-1 arrays can be converted to Python scalars

问题产生原因：

int(get_mode(img2))

上面的get_mode()返回的其实是一个的三通道颜色，类型为np的narry，不能用int。

解决方案：
去掉int就可以了。

TypeError: Scalar value for argument ‘color’ is not numeric in openCV

问题产生原因：
rectangle 这个函数的颜色里面的值必须是int类型。

# 报错的代码
mode_color = get_mode(img2)
background_color = mode_color
# 将最大面积填充
img2 = cv2.rectangle(img2, (x, y), (x + w, y + h), mode_color, cv2.FILLED)

解决方案：

background_color = tuple(int(c) for c in mode_color)

性能测试工具

时间消耗检测 —— line_profiler

from line_profiler import LineProfiler 

lp = LineProfiler()  # 实例化
test_func = lp(get_wardrobe_by_dxfimg)  # 选择最外层需要检验时间的函数
lp.add_function(get_dxfimg_recognition_result)  # get_wardrobe_by_dxfimg里面运行的函数

test_func(data)  # 运行函数，括号里面就是get_wardrobe_by_dxfimg的参数
lp.print_stats()  # 打印状态

内存消耗检测 —— memory_profiler

from memory_profiler import profile

@profile()  # 这就是一个装饰器，放在你想检测的函数上面即可