OpenCV-python 注意总结，都是一些常见的坑

OpenCV注意总结

4.1 读入图像

就算图像的路径是错的，OpenCV也不会提醒你的，但是当你使用命
令print(img)时得到的结果是None。

cv2.waitKey()

cv2.waitKey() 是一个键盘绑定函数。需要指出的是它的时间尺度是毫秒级。函数等待特定的几毫秒，看是否有键盘输入。特定的几毫秒之内，如果按下任意键，这个函数会返回按键的ASCII码值，程序将会继续运行。如果没有键盘输入，返回值为-1，如果我们设置这个函数的参数为0，那么它将会无限期的等待键盘输入。

k值

如果你用的是64位系统,你需要将 k = cv2.waitKey(0) 改成
k = cv2.waitKey(0)&0xFF。

4.4 使用 Matplotlib绘图

彩色图像使用OpenCV加载时是BGR模式。但是Matplotib是RGB模式。所以彩色图像如果已经被OpenCV读取，那它将不会被Matplotib正
确显示。

6.6 在图像上添加文字

所有的绘图函数的返回值都是None，所以不能使用img=cv2.line(img,(0,0),(511,511),(255,0,0),5)

9.1 获取并修改像素值

Numpy是经过优化了的进行快速矩阵运算的软件包。所以我们不推荐
逐个获取像素值并修改，这样会很慢，能有矩阵运算就不要用循环。

上面提到的方法被用来选取矩阵的一个区域,比如前5行的后3列。对于获取每一个像素值，也能使用Numpy的array.item()和 array.itemset()会更好。但是返回值值是标量。如果你想获得所有 B、G、R的值，你可以使用array.item()分割他们。

9.2 获取图像属性

如果图像是灰度图，返回值仅有行数和列数。所以通过检查这个返回值
就可以知道加载的是灰度图还是彩色图。

9.4 拆分和合并图像通道

cv2.split() 是一个比较耗时的操作。只有真正需要时才用它，能用
Numpy索引就尽量用。

10.1 图像加法

OpenCV 中的加法与 Numpy 的加法是有所不同的。OpenCV 的加法
是一种饱和操作，而 Numpy 的加法是一种模操作。

11.1 使用opencv计算程序效率

使用time模块实现上面的功能。 但是使用的函数是
time.time() 。而不是cv2.getTickCount。t = (e2 - e1) / cv2.getTickFrequency()

11.2 opencv的优化

Python的标量运算比Nump的标量运算快。对于仅包含一两个
元素的操作Python标量比Numpy的数组快。但是当数组稍微大一点时
Numpy就会胜出了。

13.1 转换颜色空间

在OpenCV的HSV格式中,H(色彩/色度)的取值范围是[0,179], S(饱和度)的取值范围 [0，255]，V（亮度）的取值范围 [0，255]。但是不同的软件使用的值可能不同。所以当你需要拿OpenCV的HSV值与其他软件的HSV值进行对比时，一定要记得归一化。

14.2 平移

dst = cv2.warpAffine(img, M, (cols, rows))
函数cv2.warpAffine()的第三个参数的是输出图像的大小，它的格式
应䖔是图像的（宽，高）。应该记住的是图像的宽对应的是列数，gap对应的是行数。

16 图像平滑

对2D图像实施低通滤波（LPF），高通滤波
（HPF）等。

LPF帮助我们去噪音，模糊图像。

HPF帮助我们找到图像的边缘。

欢迎大家交流学习，任何问题都可以留言