Python学习笔记2——opencv以及matplotlib图像处理

（1）使用opencv读取一幅彩色图像，编写统计单个波段的直方图的函数，
对三个波段调用并用matplotlib画图用不同颜色的线条显示每个波段的直方图。
并于opencv自带的直方图统计函数的结果做比较。

import cv2  # opencv读取格式是BGR
import matplotlib.pyplot as plt
import numpy as np
import pylab

"""
定义直方图hist
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
calcHist(images,channels,mask,histSize,ranges)
mask = np.zeros(img.shape, np.uint8)
mask[200:400, 200:400]
channels:如果传入图像是灰度图，他的值就是[0],如果是彩色图像，传入的值可以是[0][1][2],对应着BGR
mask:掩模图像，统计整幅图像的直方图用None，如果想统计某一部分图像的直方图，可以制作一个掩模图像
histSize:BIN的数目
像素值范围常为[0,256]
"""

# 定义展示图片的函数
def cv_show(name, img):
    cv2.namedWindow(name, 0)
    cv2.imshow(name, img)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()

# 定义统计R\G\B直方图的函数
def cal(tongdao, color):
    a = np.zeros(256, dtype=int)
    for i in range(tongdao.shape[0]):
        for j in range(tongdao.shape[1]):
            a[tongdao[i, j]] += 1
    print(a)
    x = np.arange(0, 256)
    plt.plot(x, a, color)

# 读取图片，将其命名为img
img = cv2.imread('photo.png', cv2.IMREAD_COLOR)
b, g, r = cv2.split(img)    # 通道分离，r,g,b都是二维数组
# 调用展示图片的函数
cv_show('image', img)
# 调用自己写的函数画出三个通道的直方图
cal(b, 'b')
cal(g, 'g')
cal(r, 'r')
# 调用opencv自带的函数统计直方图
color = ('b', 'g', 'r')
for i, col in enumerate(color):     # 枚举格式enumerate(color)，i作为索引0，1，2代表三个颜色通道
    hist = cv2.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(hist, color=col)
    # plt.show()  # 三个线条在3个图中
plt.show()  # 三个线条在同一个图中

（2）将图像的每个波段按照公式：Gray = R*0.299 + G*0.587 + B*0.114，生成灰度图，
  再次调用统计直方图的函数，并画出直方图。

img = cv2.imread('photo.png', cv2.IMREAD_COLOR)
b, g, r = cv2.split(img)    # 通道分离，r,g,b都是二维数组
gray = r * 0.299 + g * 0.587 + b * 0.114
# 合并三个通道
gray = cv2.merge([b, g, r])
# 保存新的图片gray
cv2.imwrite('try.jpg', gray)
"""
灰度转换函数：cvtColor(参数1，参数2)，参数1代表原图，参数2代表转换方式
转换方式：
BGR变成GRAY：cv2.COLOR_BGR2GRAY
GRAY变成BGR：cv2.COLOR_GRAY2BGR
BGR变成BGR：cv2.COLOR_BGR2BGR
"""
gray1 = cv2.cvtColor(gray, cv2.COLOR_BGR2GRAY)  # 灰度图gray1
color = ('b', 'g', 'r')
for i, col in enumerate(color):     # 枚举格式enumerate(color)，i作为索引0，1，2代表三个颜色通道
    hist = cv2.calcHist([gray], [i], None, [256], [0, 256])
    plt.plot(hist, color=col)
    # plt.show()
cv_show('image', gray1)

（3）将R波段乘以1.5，B波段进行灰度线性拉伸，范围由(min, max)拉伸至50-150，G波段进行分段线性拉伸，由（0，100，200，255）拉伸至（0，20，150，200），再合成为新的RGB图像，保存为png图片。

img = cv2.imread('photo.png', cv2.IMREAD_COLOR)
b, g, r = cv2.split(img)    # 通道分离，r,g,b都是二维数组
out_r = np.uint8(r * 1.5)   # 灰度图必须为整形，利用函数np.unit8()
'''
灰度拉伸
output=255/(B-A)*[img_gray-A]
其中，A为最小灰度级，B为最大灰度级
              img_gray为输入图像，output为输出图像
缺点：若图像中最小灰度值=0，最大灰度值=255，则图像不会有什么改变
'''
def grey_scale(image, min, max):
    A = min
    B = max
    print("最小灰度值：%d，最大灰度值：%d" % (A, B))
    output = np.uint8(255 / (B - A) * (image - A) + 0.5)
    return output
out_b = grey_scale(r, 50, 150)
out_g = grey_scale(g, 0, 200)

cv2.namedWindow("in", 0)  # 可以拖动窗口大小
cv2.resizeWindow("in", 640, 480)  # 设置窗口大小
cv2.moveWindow("in", 10, 20)  # 设置窗口位置
cv2.namedWindow("out", 0)  # 可以拖动窗口大小
cv2.resizeWindow("out", 640, 480)  # 设置窗口大小
cv2.moveWindow("out", 600, 300)  # 设置窗口位置
cv2.imshow("in", cv2.cvtColor(img, cv2.COLOR_BGR2GRAY))
cv2.imshow("out", out_r)
cv2.imwrite('gray1.jpg', out_r)
cv2.imshow("out", out_g)
cv2.imwrite('gray2.jpg', out_g)
cv2.imshow("out", out_b)
cv2.imwrite('gray3.jpg', out_b)

 

（4）调用opencv的函数实现彩色图像缩放、旋转、翻转、平移，
再使用numpy实现图像的左右翻转和上下翻转，使用matplotlib画图，同时保存为新的图像。

img = cv2.imread('photo.png', cv2.IMREAD_COLOR)
# opencv缩放：
# 按照指定的宽度、高度缩放图片(图像可能变形)
res1 = cv2.resize(img, (132, 150))
# 按照比例缩放，如x,y轴均放大一倍
res2 = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_LINEAR)
cv2.imshow('shrink', res1), cv2.imshow('zoom', res2)

# opencv平移：
rows, cols = img.shape[:2]
# 定义平移矩阵，需要是numpy的float32类型
# x轴平移200，y轴平移100
M = np.float32([[1, 0, 200], [0, 1, 100]])
# 用仿射变换实现平移，第三个参数为输出的图像大小，值得注意的是该参数形式为(width, height)。
dst = cv2.warpAffine(img, M, (cols, rows))
namedWindow = ('des', 0)
cv2.imshow('dst', dst)

# opencv旋转：
image_1 = cv2.transpose(img) # 矩阵的转置也可以凑合实现90旋转
# cv2.namedWindow('image1', 0)
cv2.imshow('image1', image_1)
image_2 = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)
# cv2.namedWindow('image2', 0)
cv2.imshow('image2', image_2)

# opencv翻转：
"""
第二个参数=0:上下翻转
第二个参数>0:左右翻转
第二个参数<0:上下左右翻转
"""
dst = cv2.flip(img, -1)
cv2.namedWindow('dst', 0)
cv2.imshow('dst', dst)

img = cv2.imread('photo.png', cv2.IMREAD_COLOR)
print(type(img))    # <class 'numpy.ndarray'>
print(img.shape)    # (2584, 4592, 3)
# img = img[:, :, (2, 1, 0)]  # BGR通道顺序改变为RGB
# 左右翻转（调换列）：
plt.imshow(img[:, ::-1, (2, 1, 0)])     # 注意通道顺序
# img_lr = np.fliplr(img)
# plt.imshow(img_lr)     # 注意通道顺序
plt.savefig('matplotlib1.jpg')
pylab.show()    # 调用不同模块的问题，为了可视化显示图片
# 使用opencv显示图片：
# img_lr = img[:, ::-1, :]
# cv2.namedWindow("img_lr", 0)
# cv2.imshow('img_lr', img_lr)

# 上下翻转（调换行）：
plt.imshow(img[::-1, :, (2, 1, 0)])     # 注意通道顺序
# img_ud = np.flipud(img)
# plt.imshow(img_ud)     # 注意通道顺序
plt.savefig('matplotlib2.jpg')
pylab.show()    # 调用不同模块的问题，为了可视化显示图片

 

注意图片路径：