opencv笔记（特别）——函数

清园暖歌

已于 2023-06-19 14:30:22 修改

阅读量319

点赞数

分类专栏： OpenCV 文章标签： opencv python 计算机视觉

于 2021-04-29 19:05:20 首次发布

本文链接：https://blog.csdn.net/qq_47941078/article/details/116240823

版权

OpenCV 专栏收录该内容

11 篇文章 1 订阅

订阅专栏

函数

文章目录

一、图像处理函数

图像基本处理

cv2.imshow(name,img)

 name：窗口名称 ；img ：窗口内容

cv2.waitkey(timeout)

 显示图片时间timeout，单位为ms,0代表一直显示
 if cv2.waitKey(100) & 0xFF == 27:  # 27是esc键
     break

cv2.destoryAllWindows()
```
 关闭窗口
```

cv2.imread(filepath,flags)

 读取图片，默认是三通道(BGR)的彩色图，flags=0读入灰度图

cv2.imwrite(filename,img)

 保存图像，filename：文件名；img：内容

b,g,r=cv2.split(img)

 颜色通道提取,opencv提取格式为BGR(注意不是RBG)\

cv2.merge(b,g,r)
```
 重新组合颜色通道
```

cv2.copyMakeBorder(img,top, bottom, left, right,borderType)

 填充边界;img：内容；top, bottom, left, right：四区域的大小；borderType：填充种类

cv2.add(img1, img2)

 img1和img2的rgb值相加，超过255取255

cv2.addWeighted(img1,α,img2,β,b)

 为图片添加权重, 混合图像，img1=X1；img2=X2；αX1+βX2+b

cv2.resize(img, (width, height))

 变换图像大小（注意img.shape的出来的是(height,width))

cv2.resize(img, (0, 0)， fx=a, fy=b)

 变换图像大小（(height,width)为(0,0)，a为x变为原来a倍，b为y变为原来b倍)

cv_show(‘name’, contents)

 name：窗口名称；contents：内容

cv2.VideoCapture(‘test.mp4’)

 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。

vc.isOpened()

 oepn, frame = vc.read() #open是个bool值，true和false；frame是图像数组，如：img。
 vc.read()是一帧一帧的取，直到结束

cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

 gray = cv2.cvtColor(frame,  cv2.COLOR_BGR2GRAY)  # 转为灰度

vc.isOpened()

 oepn, frame = vc.read() #open是个bool值，true和false；frame是图像数组，如：img。
 vc.read()是一帧一帧的取，直到结束

cv2.split(img)
```
b,g,r=cv2.split(img)
切片b,g,r
```

cv2.merge((b,g,r))

img=cv2.merge((b,g,r))  # 组合 b ，g ，r
img.shape

cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)

top_size,bottom_size,left_size,right_size = (50,50,50,50)
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。

cv2.add(img_cat,img_cat2)[:5,:,0]

array([[255, 255, 255, ..., 255, 255, 255],
   [226, 234, 246, ..., 255, 255, 255],
   [226, 230, 246, ..., 255, 255, 255],
   [255, 255, 255, ..., 255, 255, 255],
   [255, 255, 255, ..., 255, 255, 255]], dtype=uint8)

cv2.resize(img_dog, (500, 414))

img_dog = cv2.resize(img_dog, (500, 414)) # w， h
img_dog.shape
(414, 500, 3)
res = cv2.resize(img, (0, 0), fx=4, fy=4) # 指定倍数
plt.imshow(res)

cv2.calcHist(images,channels,mask,histSize,ranges)

显示直方图：
images: 原图像图像格式为 uint8 或 ﬂoat32。当传入函数时应 用中括号 [] 括来例如[img]
channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
mask: 掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分的直方图的你就制作一个掩模图像并 使用它。
histSize:BIN 的数目。也应用中括号括来
ranges: 像素值范围常为 [0-256]
BINS ：上面的直方图显示了每个像素值的像素数，即从0到255。即您需要256个值才能显示上述直方图。但是请考虑一下，如果您不需要单独查找所有像素值的像素数，而是在像素值间隔内查找像素数，该怎么办？例如，您需要找到介于 0 到 15 之间的像素数，然后是 16 到 31、...、240 到 255。您只需要 16 个值来表示直方图。 因此，只需将整个直方图拆分为 16 个子部分，每个子部分的值就是其中所有像素计数的总和。这每个子部分都称为"BIN"。在第一种情况下，条柱数为256（每个像素一个），而在第二种情况下，它只有16。BINS 在 OpenCV 文档中由术语histSize表示。
plt.hist(img.ravel(),256);  # ravel()函数是把多维展开成一维

cv2.equalizeHist(img)
```
直方图均衡化
```

cv2.bitwise_and(img, img, mask=mask)

cv2.bitwise_and(img, img, mask=mask)#与操作

cv2.createCLAHE([, clipLimit[, tileGridSize]])

cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)) 
clipLimit：颜色对比度的阈值，可选项，默认值 8
titleGridSize：局部直方图均衡化的模板（邻域）大小，可选项，默认值 (8,8)

cv2.matchTemplate(img, template, cv2.TM_SQDIFF)

TM_SQDIFF：计算平方不同，计算出来的值越小，越相关
TM_CCORR：计算相关性，计算出来的值越大，越相关
TM_CCOEFF：计算相关系数，计算出来的值越大，越相关
TM_SQDIFF_NORMED：计算归一化平方不同，计算出来的值越接近0，越相关
TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关
TM_CCOEFF_NORMED：计算归一化相关系数，计算出来的值越接近1，越相关
methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR',
       'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

cv2.rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None )

img：指定一张图片，在这张图片的基础上进行绘制；（img相当于一个画板）
pt1： 由（x_min，y_min）组成，为绘制的边框的左上角；
pt2： 由（x_max, y_max）坐标，为绘制的边框的右下角，示意如下：
color：指定边框的颜色，由（B,G,R）组成，当为（255,0，0）时为绿色，可以自由设定；
thinkness：线条的粗细值，为正值时代表线条的粗细（以像素为单位），为负值时边框实心;

阈值与平滑处理

ret，det = cv2.threshold(src, thresh, maxval, type)

 ret：阈值；det：输出图
 src：原始图像；thresh：阈值，常见127（因为颜色为0-255）；
 maxval：最大可能值（255）；type：选择的功能或方法，即怎么判断阈值，二值化操作的类型

cv2.blur(img,ksize)

 均值滤波( 矩形中间的值=矩形内的值相加取平均值)
 img：图像；ksize：矩阵大小

cv2.boxFilter(img, ddepth,ksize, normalize=True)

 方框滤波: (normalize=True等同于均值滤波， normalize=false代表直接求和不取均值，越界后显示为255)**
 ddepth一般为-1表示得到的颜色通道和原图一致

cv2.GaussianBlur(img, ksize, sigmaX)

 高斯滤波:(离得近的权重高，离得远的权重低）
 sigmaX为高斯函数在X轴上的标准差σ，调整σ实际是在调整周围像素对当前像素的影响程度，
 调大σ即提高了远处像素对中心像素的影响程度，滤波结果也就越平滑

cv2.medianBlur(img,ksize)

 中值滤波:（矩形内的值排序后取中间值)
 ksize为矩阵大小，即ksize×ksize

图像形态学处理

numpy.ones（shape, dtype=None, order=‘C’）

 函数返回给定形状和数据类型的新数组，其中元素的值设置为1。

cv2.erode(img, kernel, iterations)

 腐蚀操作，iterations	施加腐蚀的次数。

cv2.dilate(img1, kernel, iterations)
```
 膨胀操作
```
cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
```
 开运算(先腐蚀再膨胀)
```
cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
```
 闭运算(先膨胀再腐蚀)
```
cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
```
 梯度运算(膨胀-腐蚀)
```

cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)

 顶帽运算(原始值-开运算)， 突出更明亮的区域

cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
```
 底帽运算(闭运算-原始值)
```

图像梯度处理

cv2.Sobel(img, ddepth, dx, dy,ksize)

 Sobel算子
 img：当前的图像；ddepth：图像的深度（一般为-1）；dx和dy分别表示水平和竖直方向；ksize：Soble算子的大小

cv2.Scharr(img, ddepth, dx, dy)

 Scharr算子(能捕捉到更多的细节)

cv2.Laplacian(img, ddepth)
```
 Laplacian算子(噪点影响很大)
```
cv2.convertScaleAbs(sobelx)
```
 变为绝对值
```

边缘检测

cv2.Canny(img, threshold1, threshold2)

 边缘检测(threshold<value<threshold2,范围越大，边缘检测细节越多

图像金字塔与轮廓检测

cv2.pyrUp(img)

  高斯金字塔:向上采样(放大图像)

cv2.pyrDown(img)

 高斯金字塔:向下采样（缩小图像)

img-cv2.pyrUp(cv2.pyrDown(img))

 拉普拉斯金字塔(原图-(先缩小后放大))

cv2.findContours(img, mode, method)

 找出轮廓
 img：待测图像
 mode：轮廓检索模式
 method：轮廓逼近方法

cv2.drawContours(img, contours, contourIdx, color，width)

 画出轮廓
 contours：轮廓
 contourIdx：轮廓数量，画第几个轮廓；默认-1，即所有轮廓
 color：颜色（B,G,R）
 width：线条的宽度

cv2.contourArea(cnt)
```
 计算轮廓面积
```
cv2.arcLength(cnt, True)
```
 计算轮廓周长，True表示闭合
```

cv2.approxPolyDP(cnt, epsilon, True)

 轮廓近似(普朗克算法)
 cnt：具体哪个轮廓
 epsilon：给字节指定一个值来比较，一般按照周长的百分比设置
 True：闭合

x, y, w, h = cv2.boundingRect(cnt)

 (x, y)为坐标点，w， h为矩形长宽

cv2.rectangle(img, pt1, pt2, color,width)

 画矩形
 pt1：坐标点1
 pt2：坐标点2
 width：线宽

（x, y）, radius = cv2.minEnclosingCircle(cnt)
```
 外接圆近似
```
cv2.circle(img, center, radius,color, width)
```
 画圆
```
res = cv2.matchTemplate(img, template, method)
```
 模板匹配
 method：匹配方法
```

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

 min_val：算法算出的最小值
 max_val：算法算出的最大值
 min_loc：最小值所在的坐标（因为得到了h，w，所以可得到矩形）
 max_loc ：最大值所在的坐标

直方图与傅里叶变换

cv2.calcHist(img, channels, mask, histSize, ranges)

 像素直方图统计：
 img：原图像格式为uint8或floart32。当传入函数时应用中括号[]来，例如[img]
 channels：同样用中括号，他会告诉我们统幅图像的直方图。如果入图像是灰度图它的值就是[0],如果是彩色图像
 		的传入的参数可以是[0][1][2],他们分别对应着BGR。
 mask：掩码图像。统整幅图像的直方图就把它为None。但是如果你想统图像某一分的直方图的，就制作一个掩码图
 		像并使用它。
 histSize：BIN的数目。也应用中括号括来
 ranges：像素值范围常为[0256]

cv2.bitwise_and(img, img, mask=mask)
```
 与操作
```
cv2.equalizeHist(img)
```
 直方图均衡化
```

cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

 自适应直方图均衡化
 clipLimit：颜色对比度的阈值
  titleGridSize：进行像素均衡化的网格大小，即在多少网格下进行直方图的均衡化操作

cv2.dft(img, flags)

 执行傅里叶变换，flags：转换标识，通常为cv2.DFT_COMPLEX_OUTPUT，其他值如下

cv2.idft()
```
 傅里叶逆变换
```

二、其他函数

cv2.getStructuringElement(shape, size)

 shape：表示核的形状。可以选择三种
 	（1）矩形：MORPH_RECT
 	（2）交叉形：MORPH_CROSS;
 	（3）椭圆形：MORPH_ELLIPSE;
 size：表示核的尺寸。

三、OCR

（1）边缘检测
（2）获取轮廓
（3）变换
（4）OCR

清园暖歌

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
打赏
0
评论
opencv笔记（特别）——函数

函数文章目录函数一、图像处理函数总结二、其他函数三、OCR一、图像处理函数总结二、其他函数cv2.getStructuringElement(shape, size) shape：表示核的形状。可以选择三种（1）矩形：MORPH_RECT （2）交叉形：MORPH_CROSS; （3）椭圆形：MORPH_ELLIPSE; size：表示核的尺寸。三、OCR（1）边缘检测（2）获取轮廓（3）变换（4）OCR...
复制链接

扫一扫