学习篇之 OpenCV (python)

导入模块和定义函数

import numpy as np
import cv2
import matplotlib.pyplot as plt
def imread(image):
    image = cv2.imread(image)
    image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    return image
def show(image):
    plt.imshow(image)
    plt.show()
    plt.axis('off')

画图

image = np.zeros((300,300,3),dtype='uint8')

画线

green = (0,255,0)
cv2.line(image, (0,0), (300,300), green,2)
show(image)

画矩形

red = (255,0,0)
cv2.rectangle(image, (10,10), (60,60), red, 2)#2为线宽，-1时表填充
show(image)

画圆形

cv2.circle(image, (cX,cY), r, white, 2)
image = np.zeros((300,300,3),dtype='uint8')
(cX, cY) = image.shape[1]//2, image.shape[0]//2
white = (255,255,255)
for r in range(0,151,15):
    cv2.circle(image, (cX,cY), r, white, 2)
show(image)

翻转

image = imread("test.jpg")
image = cv2.flip(image,1) #水平
image = cv2.flip(image,0) #垂直
image = cv2.flip(image,-1) # 水平+垂直
show(image)

裁剪

image = image[0:200,50:200] #二维数组

图像算术

#图像加法 255+1还是等于255
print(cv2.add(np.uint8([200]),np.uint8([100])))
# 普通加法 255+1等于0
print(np.uint8([200])+np.uint8([100]))
[[255]]
[44]
# 图像减法
print(cv2.subtract(np.uint8([50]),np.uint8([100])))
# 普通减法
print(np.uint8([50])-np.uint8([100]))
[[0]]
[206]

图像变白

image = imread('test.jpg')
# 生成跟图片形状相同的并且全为100的数据
M = np.ones(image.shape, dtype='uint8')*100
# 所有的像素加100
image = cv2.add(image, M)
show(image)

图像变黑

image = imread('test.jpg')
# 生成跟图片形状相同的并且全为100的数据
M = np.ones(image.shape, dtype='uint8')*100
# 所有的像素减100
image = cv2.subtract(image, M)
show(image)

按位计算

bitwise_and是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0
bitwise_or是对二进制数据进行“或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“或”操作，1|1=1，1|0=1，0|1=1，0|0=0
bitwise_xor是对二进制数据进行“异或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“异或”操作，1^1=0,1^0=1,0^1=1,0^0=0
bitwise_not是对二进制数据进行“非”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“非”操作，~1=0，~0=1

遮挡（不想要的地方变黑，利用 and 一黑则黑）

# 创建遮挡
mask = np.zeros(image.shape,dtype='uint8')
white = (255,255,255)
cv2.rectangle(mask, (50,50), (250,350), white, -1)
show(mask)
# 对图像遮挡
masked = cv2.bitwise_and(image, mask)
show(masked)

切分合并通道
(R, G, B) = cv2.split(image)
merged = cv2.merge([R,G,B])

高斯金字塔

高斯金字塔的顶部是通过将底部图像中的连续的行和列去除得到的。
顶部图像中的每个像素值等于下一层图像中 5 个像素的高斯加权平均值。这样操作一次一个 MxN 的图像就变成了一个 M/2×N/2 的图像。
所以这幅图像的面积就变为原来图像面积的四分之一。
连续进行这样的操作我们就会得到一个分辨率不断下降的图像金字塔。
我们可以使用函数cv2.pyrDown() 和 cv2.pyrUp() 构建图像金字塔。
即image = cv2.pyrDown(image)

拉普拉斯金字塔

拉普拉斯金字塔可以由高斯金字塔计算得来，公式如下：
Li=Gi−pyrUp(Gi+1)Li=Gi−pyrUp(Gi+1)
 拉普拉金字塔的图像看起来就像边界图，其中很多像素都是 0。
image = imread('image.jpg')
down_image1 = cv2.pyrDown(image)
down_image2 = cv2.pyrDown(down_image1)
up_image = cv2.pyrUp(down_image2)
laplacian = down_image1-up_image
show(laplacian)

形态学
Erosion腐蚀

其原理是在原图的小区域内取局部最小值,其函数是cv2.erode()。这个核也叫结构元素，因为形态学操作其实也是应用卷积来实现的,结构元素可以是矩形/椭圆/十字形，可以用cv2.getStructuringElement()来生成不同形状的结构元素，比如：

矩形

kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
print(kernel1)
[[1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]]

椭圆

kernel2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
print(kernel2)
[[0 0 1 0 0]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [0 0 1 0 0]]

十字形

kernel3 = cv2.getStructuringElement(cv2.MORPH_CROSS, (5,5))
print(kernel3)
[[0 0 1 0 0]
 [0 0 1 0 0]
 [1 1 1 1 1]
 [0 0 1 0 0]
 [0 0 1 0 0]]

Erosion腐蚀（黑化）

erosion = cv2.erode(im