学习-task01

• 思而不学 犹豫不决 浪费时间
• 学而不思 三心二意 效率低下

1 Opencv安装

pip insatll opencv-python

2 图像概述

• 参考链接：https://blog.csdn.net/wohu1104/article/details/86485447

• 生活中图像都是由 RGB 三原色构成的，计算机中 RGB 这三个颜色的取值通常是在 0-255 之间

  • R 表示红色（Red）
  • G 表示绿色 (Green）
  • B 表示蓝色（Blue）

• 彩色图片有三个通道，所以属于三通道图片。

  • 计算机中的像素值通常是用 8 位的无符号整型（unit8）表示，取值范围是 0-255
  • 假设将图片颜色从黑到白分成 256 级，即通常说的黑白图片，也叫单通道图片，0 表示最黑，1 表示最白。

• RGB 的构成示例 （0， 255， 255）

  • 第一个元素表示红色的数值
  • 第二个元素表示绿色的数值
  • 第三个元素表示蓝色的数值

• 每个图像都是由于很多个 3 个通道的彩色像素组成，可以将图像看成一个矩阵，其中每个像素对应矩阵中的一个位置，譬如：

  • 图片左上角的像素点位置是（0， 0）
  • 图片右上角的像素点位置是（1079， 0）
  • 图片左下角的像素点位置是（0， 1439）
  • 图片右下角的像素点位置是（1079， 1439）

2 第一个cv小程序：

2.1 读取图像并显示

• 读取图像并显示

  • 1、加载图像： cv2.imread(img_path, read_type)，read_type： 默认读入彩色图像，0读入灰度图像

  • 2、创建一个GUI窗口，用来显示图片，使用到的函数是：cv2.namedWindow()

    • 调整窗口大小：默认参数cv2.WINDOW_AUTOSIZE 不可调整窗口大小；cv2.WINDOW_NORMAL 可以调整窗口大小

  • 3、通过图像变量，加载显示图像:cv2.imshow()

  • 4、等待，用户下一步操作：cv2.waitKey() 如果设置这个函数的参数为0，那它将会无限期的等待键盘输入。

  • 5、删除我们建立的所有窗口，释放资源：cv2.destroyAllWindows()，cv2.destroyWindow() 用于删除特定的窗口，可以使用在括号内输入你想删除的窗口名。

• 代码实例

# 导入模块
import cv2 as cv

src = cv.imread('test.jpg')
cv.namedWindow('input image', cv.WINDOW_NORMAL)
cv.imshow('input image', src)
cv.waitKey(0)
cv.destroyAllWindows()

2.2 保存图像

• 保存图像：使用函数 cv2.imwrite(filename, img)
  • 第一个参数是要保存的文件名
  • 第二个参数是图像在内存中的对象

cv.imwrite('test-save.png', img)

2.3 demo小程序

• 加载灰度图
• 按enter不保存图片，直接退出；按s保存图片，并退出

# 导入模块
import cv2 as cv

img = cv.imread('test.jpg', 0)  # 加载灰度图
cv.namedWindow('input image', cv.WINDOW_NORMAL)
cv.imshow('input image', img)
key = cv.waitKey(0)

if key == 27:  # 27 即是 enter
    cv.destroyAllWindows()
elif key == ord('s'):  # 按s保存退出
    cv.imwrite('test-save1.png', img)  # 保存灰度图
    cv.destroyAllWindows()

3 图像扩展缩放

• 扩展缩放只是改变图像的尺寸大小；

• OpenCV 的函数 cv2.resize() 可以实现这个功能，图像的尺寸可以自己手动设置，也可以指定缩放因子。

• 我们可以选择使用不同的插值方法：

  • 在缩放时推荐使用 cv2.INTER_AREA，

  • 在扩展时推荐使用 v2.INTER_CUBIC（慢) 和 v2.INTER_LINEAR。

• 默认情况下所有改变图像尺寸大小的操作使用的插值方法都是 cv2.INTER_LINEAR

# 导入模块
import cv2 as cv

img = cv.imread('test.jpg')  # 加载图像
cv.imshow('origin', img)

# 设置缩放因子
# 0.75倍缩放
res = cv.resize(img, None, fx=0.75, fy=0.75, interpolation=cv.INTER_AREA)  # 缩放
cv.imshow('input image INTER_AREA', res)  # 显示缩放后图像

res = cv.resize(img, None, fx=0.75, fy=0.75, interpolation=cv.INTER_NEAREST)  # 缩放
cv.imshow('input image INTER_NEAREST', res)  # 显示缩放后图像

# 直接设置输出图像尺寸
height, width = img.shape[:2]  # 432 432
print(height, width)
# 2倍扩展
res = cv.resize(img, (2 * width, 2 * height), interpolation=cv.INTER_CUBIC)  # 扩展
cv.imshow('input image INTER_CUBIC', res)  # 显示扩展后图像
res = cv.resize(img, (2 * width, 2 * height), interpolation=cv.INTER_LINEAR)  # 扩展
cv.imshow('input image INTER_LINEAR', res)  # 显示扩展后图像
res = cv.resize(img, (2 * width, 2 * height), interpolation=cv.INTER_LANCZOS4)  # 扩展
cv.imshow('input image INTER_LANCZOS4', res)  # 显示扩展后图像

cv.waitKey(0)
cv.destroyAllWindows()