API,就是别人已经写好的可以实现特定功能的函数,而你只需要根据他提供好的接口,也就是调用他的方法,传入他规定的参数,然后这个函数就会帮你实现这些功能
- 读取方式的标志
- cv.IMREAD*COLOR:以彩色模式加载图像,任何图像的透明度都将被忽略。这是默认参数。
- cv.IMREAD*GRAYSCALE:以灰度模式加载图像
- cv.IMREAD_UNCHANGED:包括alpha通道(alpha 透明度通道)的加载图像模式。
可以使用1、0或者-1来替代上面三个标志
如果路径有错,不会报错,会返回一个None值,然后下一步才会报错
注意:在调用显示图像的API后,要调用cv.waitKey()给图像绘制留下时间,否则窗口会出现无响应情况,并且图像无法显示出来,waitKey()写0是永远等下去
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 读取图像
img = cv.imread("D:\Python\Opencvlearn\pythonpath.png",0) #0灰度图
# 2 显示图像
# 2.1 OPencv
# cv.imshow("pythonpath",img)
# cv.waitKey(0)
# cv.destroyAllWindows()
# 2.2 matplotlib
# plt.imshow(img,cmap=plt.cm.gray)
# plt.show()
# 3 图像保存
cv.imwrite("D:\\Python\\Opencvlearn\\01.png",img) #汉字识别保存不了
px = img[100,100]
绘制几何图形
绘制直线
cv.line(img,start,end,color,thickness)
参数:
- img:要绘制直线的图像
- Start,end: 直线的起点和终点
- color: 线条的颜色
- Thickness: 线条宽度
绘制圆形
cv.circle(img,centerpoint, r, color, thickness)
参数:
- img:要绘制圆形的图像
- Centerpoint, r: 圆心和半径
- color: 线条的颜色
- Thickness: 线条宽度,为-1时生成闭合图案并填充颜色
2.3 绘制矩形
cv.rectangle(img,leftupper,rightdown,color,thickness)
参数:
- img:要绘制矩形的图像
- Leftupper, rightdown: 矩形的左上角和右下角坐标
- color: 线条的颜色
- Thickness: 线条宽度
2.4 向图像中添加文字
cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)
参数:
- img: 图像
- text:要写入的文本数据
- station:文本的放置位置
- font:字体
- Fontsize :字体大小
import numpy as np # 字符串类型
import cv2 as cv
import matplotlib.pyplot as plt
# plt 是这个里边的工具
# 1 创建图像
img = np.zeros((512,512,3),np.uint8)
# 2 绘制图形
cv.line(img,(0,0),(511,511),(255,0,0),5)
cv.circle(img,(256,256),60,(0,0,255),-1) # -1是闭合的圆形
cv.rectangle(img,(100,100),(400,400),(0,255,0),5)
cv.putText(img,"hello",(100,150),cv.FONT_HERSHEY_COMPLEX,5,(255,255,255),3)
# 3 显示结果
plt.imshow(img[:,:,::-1])
plt.show()
# cv.imshow("",img) #弹出窗口直接消失了 没有加 cv.waitKey的原因
下边的操作视频中都是在jupyter中操作的,我尝试在pycharm中试试
获取并修改图像中的像素点
可以通过行和列的坐标值获取该像素点的像素值
对于BGR图像,它返回一个蓝,绿,红值的数组。
对于灰度图像,仅返回相应的强度值。
使用相同的方法对像素值进行修改。
import numpy as np # 为啥不直接导入numpy 这就是别名
import cv2 as cv
img = cv.imread('image\\view.jpg')
# 获取某个像素点的值
px = img[100,100]
# 仅获取蓝色通道的强度值
blue = img[100,100,0]
# 修改某个位置的像素值
img[100,100] = [255,255,255]
获取图像的属性(同步进行吧)
import numpy
as np
后面的as的意思是在导入后为了编写程序方便,给numpy起了个别名,所以在程序中写np指的就是numpy
图像通道的拆分与合并
当需要在B,G,R通道图像上单独工作时,需要将BGR图像分割为单个通道。或者在其他情况下,可能需要将这些单独的通道合并到BGR图像。
# 通道拆分
b,g,r = cv.split(img)
# 通道合并
img = cv.merge((b,g,r))
6 色彩空间的改变
OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种,BGR↔Gray和BGR↔HSV。
教程是把红色通道关了 我是把蓝色通道关了
API:
cv.cvtColor(input_image,flag)
参数:
- input_image: 进行颜色空间转换的图像
- flag: 转换类型
- cv.COLOR_BGR2GRAY : BGR↔Gray
- cv.COLOR_BGR2HSV: BGR→HSV
算数操作
图像的加法
cv.add()
或
numpy操作添加两个图像,如res = img1 + img2
两个图像应该具有相同的大小和类型,或者第二个图像可以是标量值(常数)
注意:OpenCV加法和Numpy加法之间存在差异。
OpenCV的加法是饱和操作,而Numpy添加是模运算(%)。
图像的混合
也是加法,但是不同的是两幅图像的权重不同,这就会给人一种混合或者透明的感觉。图像混合的计算公式如下:
g(x) = (1−α)f0(x) + αf1(x)
通过修改 α 的值(0 → 1),可以实现的混合
现在我们把两幅图混合在一起。第一幅图的权重是0.7,第二幅图的权重是0.3。
cv2.addWeighted()可以按下面的公式对图片进行混合操作。
dst = α⋅img1 + β⋅img2 + γ
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 加法
p1 = cv.imread("D:\Python\Opencvlearn\learn1.png")
p2 = cv.imread("D:\Python\Opencvlearn\learn2.png")
img1 = cv.add(p1,p2) # cv加法
img2 = p1+p2 # numpy 加法
img3 = cv.addWeighted(p1,0.9,p2,0.1,0) # 加权加法
img4 = cv.subtract(p2,p1) # 减法
img5 = p2-p1
img6 = cv.multiply(p1,p2) # 乘法
img7 = cv.divide(p1,p2) # 除法
x = np.uint8([250])
y = np.uint8([255])
print(cv.subtract(x,y))
print(x-y)
plt.figure(figsize=(3,8)) # 这样也行 管窗口大小
plt.imshow(img3[:,:,::-1])
plt.show()
plt.imshow(p1[:,:,::-1]) # 这个显示图像的方法
plt.waitforbuttonpress() # 这样就好了
cv.imshow('',img7)
cv.waitKey(0)
图像显示方法
# plt.figure(figsize=(3,8)) # 这样也行 管窗口大小
# plt.imshow(img3[:,:,::-1])
# plt.show()
# plt.imshow(p1[:,:,::-1]) # 这个显示图像的方法
# plt.waitforbuttonpress() # 这样就好了
# cv.imshow('',img7)
# cv.waitKey(0)