OpenCV——图片的加载、显示、保存(python)

本小节,我们将学习在Python语言中利用OpenCV库来实现图片的读取、显示、保存,所有的这些图片都是一个numpy.ndarray,这三种操作都过cv2.imread()、cv2.imshow()、cv2.imwrite()三个函数来实现,同时在文末,简要介绍了使用Matplotlib来显示图片。本文所使用opencv为opencv3.2版本,图片如下:

这里写图片描述

1. 读取图片

在OpenCV中使用cv2.imread()函数来加载图片,该函数的形式如下:

cv2.imread(path, flags)

参数意义如下:

  • path: 该参数制定图片的路径,可以使用相对路径,也可以使用绝对路径;
  • flags:指定以何种方式加载图片,有三个取值:
    1. cv2.IMREAD_COLOR:读取一副彩色图片,图片的透明度会被忽略,默认为该值,实际取值为1;
    2. cv2.IMREAD_GRAYSCALE:以灰度模式读取一张图片,实际取值为0
    3. cv2.IMREAD_UNCHANGED:加载一副彩色图像,透明度不会被忽略。

如果给定的图片路径不对,该函数不会抛出异常,而是返回一个None,如果给定正确的图片路径,将返回一个[height, width, channel]的numpy.ndarray对象,height表示图片高度,width表示图片宽度,channel表示图片的通道。

import numpy as np
import cv2

img = cv2.imread("pic.jpg")
# img = cv2.imread("pic.jpg", cv2.IMREAD_COLOR)
# img = cv2.imread("pic.jpg", cv2.IMREAD_GRAYSCALE)
# img = cv2.imread("pic.jpg", cv2.IMREAD_UNCHANGED)

cv2.imshow("image", img) # 显示图片,后面会讲解
cv2.waitKey(0) #等待按键

效果如下:

这里写图片描述这里写图片描述这里写图片描述
cv2.IMREAD_COLORcv2.IMREAD_GRAYSCALEcv2.UNCHANGED

2. 显示图片

使用cv2.imshow()函数在一个窗口中显示图片,这个窗口自适应图片的大小,其形式如下:

cv2.imshow(winname, mat)

参数意义如下:

1. winame:一个字符串,表示创建的窗口名字,每一个窗口必须有一个唯一的名字;
2. mat:是一个图片矩阵,numpy.ndarray类型

在图片显示的过程中,通常会伴随几个其他的函数,他们分别是:

  • cv2.waitKey()
  • cv2.destroyAllWindows()
  • cv2.destroyWindow()
  • cv2.namedWindow()

因为我们的程序是顺序执行,如果没有cv2.waitKey()函数,图像不会显示(也许是一闪而过,我们人眼观察不到),cv2.waitKey()函数是一个键盘绑定函数(相当于让程序在这里挂起暂停执行),他接受一个单位为毫秒的时间,它等待指定时间的键盘事件,在指定时间内发生了键盘事件,程序继续执行,否则必须等到时间结束才能继续执行,参数如果为0表示等待无限长的事件。

cv2.destroyAllWindows()用来销毁所有已经创建的窗口, 如果需要销毁指定窗口使用cv2.destroyWindow()函数,他接受一个表示窗口名字的名字。

在这里我们直接用cv2.imshow()创建的窗口是自动适应图片大小的,不能缩放,如果我们想放大缩小窗口,必须单独用cv2.namedWindow(),并通过flag参数指定窗口模式为cv2.WINDOW_NORMAL,默认为cv2.WINDOW_AUTOSIZE.

下面是一个窗口可以发达缩小的显示图片的例子:

import numpy as np
import cv2

img = cv2.imshow('picture.jpg')
cv2.namedWindow('image')
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 保存图片

使用cv2.imwrite()函数来保存图片,形式如下:

cv2.imwrite(filename, img)

参数意义如下:

  • filename: 保存文件的路径名
  • img: 表示图像的numpy.ndarray对象

4. 一个完整程序

import numpy as np
import cv2

img = cv2.imread('messi5.jpg',0)
cv2.imshow('image',img)
k = cv2.waitKey(0)
## k = cv2.waitKey(0) & 0xFF  # 64位机器
if k == 27:         # 按下esc时,退出
    cv2.destroyAllWindows()
elif k == ord('s'): # 按下s键时保存并退出
    cv2.imwrite('messigray.png',img)
    cv2.destroyAllWindows()

5. 使用matplotlib显示图片

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('messi5.jpg',0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])  # 隐藏x、y轴
plt.show()

因为opencv以BGR模式加载图片,而matplotlib以RGB模式显示图片,所以用opencv加载的彩色图片,在matplotlib中不能正确显示,解决方案

6. C++语法

以上都是在python语言中的介绍,用C++语言其实采用同样的函数,只是写法不一样而已,比如:

import cv2 -> inclue<opencv2/core/core2.hpp>
cv2.imread() -> cv2::imread()
cv2.imshow() -> cv2::imshow()
cv2.imwrite() -> cv2::imwrite()

参考资料

Getting Started with Images

  • 51
    点赞
  • 300
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
机器学习水果识别是一种利用机器学习算法和图像处理技术对水果进行自动识别的方法。其中,使用Python中的OpenCV库实现物体特征提取是一种常见的实现方式。 OpenCV是一个强大的开源计算机视觉库,提供了许多用于图像处理和分析的函数和工具。它可以辅助我们实现水果识别所需要的特征提取步骤。 首先,我们需要准备水果图像数据集。这些图像可以是不同种类的水果,每个水果都有多个不同视角的图像。接下来,我们使用OpenCV库中的函数加载和处理这些图像。 在特征提取中,我们可以使用很多不同的技术。其中,最常用的方法是使用图像的颜色和纹理特征。在处理图像时,我们可以使用OpenCV中的函数计算这些特征。 例如,我们可以使用OpenCV中的函数提取图像的颜色直方图。这可以帮助我们了解图像中不同颜色的比例和分布情况。在水果识别中,不同水果的颜色特征往往是不同的。 此外,我们还可以使用OpenCV中的纹理特征提取方法,比如局部二值模式(Local Binary Patterns)。这可以帮助我们分析图像中的纹理信息,如图像的细节和纹理变化。这些纹理特征在识别不同类型的水果时也是有用的。 最后,我们可以使用机器学习算法,如支持向量机(SVM)或卷积神经网络(CNN),来训练一个分类模型。这个模型可以根据提取的特征来判断输入图像是否为某种水果。 总之,使用Python中的OpenCV库实现水果识别中的物体特征提取是一种非常有效的方法。通过提取图像的颜色和纹理特征,并使用机器学习算法进行分类,我们可以实现一个准确和高效的水果识别系统。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值