opencv-python 常用函数介绍

林墨鱼

已于 2023-03-04 17:05:39 修改

阅读量390

点赞数

文章标签： opencv python 计算机视觉

于 2023-03-04 17:01:32 首次发布

本文链接：https://blog.csdn.net/u011259740/article/details/129331453

版权

VideoCapture：读取指定的摄像头或视频

addWeighted：融合两副大小和通道数相等的图像

cv2.THRESH_BINARY：二值化阈值处理

cv2.THRESH_BINARY_INV：反二值化阈值处理

cv2.THRESH_TRUNC：截断阈值化处理

cv2.THRESH_TOZERO：低阈值零处理

cv2.THRESH_TOZERO_INV：超阈值零处理

其他

imread：读取图片

img = cv2.imread("test.jpg")

imshow：展示图片

img = cv2.imread("test.jpg")
cv2.imshow("test", img)

resize：图片等比例缩放

# src：原图像
# dsize：指定输出图像所需宽高，跟fx，fy可以二选一，进行比例调整
# fx：沿水平轴的比例因子，0.6：x轴按0.6的比例缩小
# fy：沿垂直轴的比例因子，0.6：y轴按0.6的比例缩小
# interpolation：插值方式

img = cv2.imread("test1.jpg")

# 指定宽高
x = int(img.shape[1] * 0.4)
y = int(img.shape[0] * 0.4)
img1 = cv2.resize(img, (x, y))
cv2.imshow("img1", img1)

# 指定比例
img2 = cv2.resize(img, None, fx=0.4, fy=0.4)
cv2.imshow("img2", img2)

split：获取所有像素的颜色值

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

merge：根据颜色值合成图片

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

VideoCapture：读取指定的摄像头或视频

# VideoCapture入参：
# 0, 1 ,2: 代表多摄像头时，调取的是哪个摄像头。只有一个摄像头时，输入0
# test.mp4: 指定读取 test.mp4 这个视频
vc = cv2.VideoCapture(0)
while True:
    flag, frame = vc.read()
    if flag is True:
        cv2.imshow("frame", frame)
        if ord("q") == cv2.waitKey(0):
            break
    else:
        break
vc.release()

addWeighted：融合两副大小和通道数相等的图像

# src1, src2：需要融合相加的两副大小和通道数相等的图像
# alpha：src1的权重
# beta：src2的权重
# gamma：gamma修正系数，不需要修正设置为0
# dst：可选参数，输出结果保存的变量，默认值为None，如果为非None，输出图像保存到dst对应实参中，其大小和通道数与输入图像相同，图像的深度（即图像像素的位数）由dtype参数或输入图像确认
# dtype：可选参数，输出图像数组的深度，即图像单个像素值的位数（如RGB用三个字节表示，则为24位），选默认值None表示与源图像保持一致。
# 返回值：融合相加的结果图像
img = cv2.imread("test.png")
cv2.imshow("png", img)

background = cv2.imread("background.jpg")
background = cv2.resize(background, (400, 400))
cv2.imshow("background", background)

merge = cv2.addWeighted(background, 0.5, img, 0.5, 0)
cv2.imshow("merge", merge)

add：两张图片像素值做加法

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
cv2.imshow("img", img)

layer1 = numpy.zeros_like(img)
layer1[:,:] = (60, 60, 60)
# 增加亮度
img2 = cv2.add(img, layer1)
cv2.imshow("img2", img2)

b、g、r 都增加了60个像素值，图像亮度变亮。

subtract：两张图片像素值做减法

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
cv2.imshow("img", img)

layer1 = numpy.zeros_like(img)
layer1[:,:] = (60, 60, 60)
# 降低亮度
img3 = cv2.subtract(img, layer1)
cv2.imshow("img3", img3)

b、g、r 都增加了60个像素值，图像亮度变暗

mutiply：两张图片像素值做乘法

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
cv2.imshow("img", img)

layer1 = numpy.zeros_like(img)
layer1[:, :] = (2.8, 2.8, 2.8)
img3 = cv2.multiply(img, layer1)
cv2.imshow("img3", img3)

b、g、r 像素值都乘上2.8，b、g、r之间差值变大，图像对比度提高

divide：两张图片像素值做乘法

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
cv2.imshow("img", img)

layer1 = numpy.zeros_like(img)
layer1[:, :] = (2.8, 2.8, 2.8)
img4 = cv2.divide(img, layer1)
cv2.imshow("img4", img4)

b、g、r 像素值都除以2.8，b、g、r之间差值变小，图像对比度降低

equalizeHist：直方图均衡器

img = cv2.imread("background.jpg")
img = cv2.resize(img, (0, 0), fx=0.4, fy=0.4)
cv2.imshow("img", img)

b, g, r = cv2.split(img)
bH = cv2.equalizeHist(b)
gH = cv2.equalizeHist(g)
rH = cv2.equalizeHist(r)

img1 = cv2.merge((bH, gH, rH))
cv2.imshow("img1", img1)

使得模糊的图片，每个点都能模拟出相同照明条件，使得图片的对比度提升，让模糊的图片内容会变的清晰

threashold：图像阈值化处理

cv2.THRESH_BINARY：二值化阈值处理

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
cv2.imshow("img", img)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

# 二值化阈值处理
ret, thresh1 = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv2.imshow("THRESH_BINARY", thresh1)
print(gray)
print(thresh1)

上面代码，将灰度图像素值在 [127, 255] 之间的值转换为 255，不在范围内的转换为 0。

cv2.THRESH_BINARY_INV：反二值化阈值处理

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
# cv2.imshow("img", img)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

ret2, thresh2 = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("THRESH_BINARY_INV", thresh2)
print(gray)
print(thresh2)

上面代码，刚好与 cv2.THRESH_BINARY 相反，将灰度图像素值在 [127, 255] 之间的值转换为 0，不在范围内的转换为 255。

cv2.THRESH_TRUNC：截断阈值化处理

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
# cv2.imshow("img", img)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

ret3, thresh3 = cv2.threshold(gray, 127, 255, cv2.THRESH_TRUNC)
cv2.imshow("THRESH_TRUNC", thresh3)
print(gray)
print(thresh3)

上面代码，将灰度图像素值大于 127 的值转换为 127，小于 127 的值保持不变。

cv2.THRESH_TOZERO：低阈值零处理

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
# cv2.imshow("img", img)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

ret6, thresh6 = cv2.threshold(gray, 127, 255, cv2.THRESH_TOZERO)
cv2.imshow("THRESH_TOZERO", thresh6)
print(gray)
print(thresh6)

上面代码，将灰度图像素值大于 127 的值保持不变，小于 127 的值转变为0。

cv2.THRESH_TOZERO_INV：超阈值零处理

img = cv2.imread("test1.jpg")
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
# cv2.imshow("img", img)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

ret7, thresh7 = cv2.threshold(gray, 127, 255, cv2.THRESH_TOZERO_INV)
cv2.imshow("THRESH_TOZERO_INV", thresh7)
print(gray)
print(thresh7)

上面代码，将灰度图像素值大于 127 的值转变为0，小于 127 的值保持不变。