OpenCV+Python图像基本操作

数据读取-图像

读入图像

• cv2.imread(‘文件名’ [,显示控制参数])：图像读取
• cv2.IMREAD-COLOR:彩色图像
• cv2.IMREAD-GRAYSCALE:灰度图像

显示图像

• cv2.imshow(窗口名，图像名)
• cv2.waitKye( [,delay])
  delay:
  delay>0 等待delay毫秒
  delay<0 等待键盘敲击
  delay=0 无限等待
• cv2.destroyAllWindows(): 删除所有窗口

保存图像

• cv2.imwrite(‘文件地址’，文件名)

像素处理

读取像素

灰度图像：返回值 = 图[位置参数]
BGR图像：返回B，G，R的值

• blue = img[78,125,0]
• green = img[78,125,1]
• red = img[78,125,2]
• p = img[78,125] --> [  B  ,  G  ,  R ]

修改像素： 直接赋值img[B, G, R] = 255

使用numpy访问像素

读取像素： 返回值 = 图像.item(位置参数)

• blue = img.item[78,125,0]
• green = img.item[78,125,1]
• red = img.item[78,125,2]

修改像素：图像名.itemset(位置, 新值)

• img.itemset((88,99),255)

获取图像属性

• shape可以获取图像的形状，返回包括行数，列数，通道数的元祖
  灰度图像：返回行数，列数
  彩色图像：返回行数，列数，通道数

print(img.shape)
#(768,572,3)

• size可以获取图像的像素数目

print(img.size)
#1317888

• dtype返回的是图像的数据类型

print(img.dtype)
#uint8

图像ROI

• ROI(region of interest)，感兴趣区域
• 从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域
• 可以同过各种算子（Operator）和函数来求得感兴趣区域ROI，并进行图像的下一步处理

通道的拆分与合并

• 图像的拆分：cv2.split(图像)

#一次拆分
b,g,r = cv2.split(img)
cv2.imshow('B',b)
cv2.imshow('G',g)
cv2.imshow('R',r)
cv2.waitKey()
cv2.destroyAllWindows()
#分开拆分
b = cv2.split(img)[0]
g = cv2.split(img)[1]
r = cv2.split(img)[2]

• 图像的合并：cv2.merge([b,g,r]) #注意BGR的顺序

加法运算

参与运算的图像大小、类型必须一致

Numpy运算

• 取模加法
  

OpenCV加法

• 饱和运算
  

图像融合

• 将两张或两张以上的图像信息融合到一张图像上
• 融合的图像含有更多的信息、能够更方便人来观察或者计算机处理
  
  图像融合函数：addWeighted

dst = cv.addWeighted(src1,alpha,src2,beta,gamma)
#参数gamma(亮度调节值)不能省略

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

函数vc.read(): 一帧一帧读取视频
返回两个值，第一个值为boolean类型，表示这一帧是否能够读进来
第二个值表示当前这一帧的图像结果

import cv2
vc = cv2.VideoCapture('D:\\Desktop\\opencv\\video.mp4')
#-----------------------------------------------------
#检查视频是否打开正确
if vc.isOpened():
    open, frame = vc.read()
else:
    open = False
#-----------------------------------------------------
#显示图像
while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret == True:
        gray = cv2.cvtColor(frame,  cv2.COLOR_BGR2GRAY)
        cv2.imshow('result',gray)
        if cv2.waitKey(10) & 0xFF == 27:
            break
vc.release()
cv2.destroyAllWindows()

边界填充

import cv2

img = cv2.imread('D:\\Desktop\\opencv\\leaf1.jpg')
top_size,bottom_size,left_size,right_size = (50,50,50,50)

replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType = cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType = cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType = cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType = cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType = cv2.BORDER_CONSTANT,value = 255)

import matplotlib.pyplot as plt

plt.subplot(231), plt.imshow(img,'gray'),plt.title('ORRIGINAL')
plt.subplot(232), plt.imshow(replicate,'gray'),plt.title('ORRIGINAL')
plt.subplot(233), plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236), plt.imshow(constant,'gray'),plt.title('CONSTANT')

plt.show()

结果：

• 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：fedcba|abcdefgh|hgfedcb
• BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba
• BORDER_WRAP：外包装法cdefgh|abcdefgh|abcdefg
• BORDER_CONSTANT：常量法，常数值填充