【计算机知识学习】OpenCV-图像的基础操作

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)