Python-OpenCV 的基本属性和操作

基本属性

1. cv2.imread(文件名，属性) 读入图像 
   属性：指定图像用哪种方式读取文件 
   
   • cv2.IMREAD_COLOR：读入彩色图像，默认参数，Opencv 读取彩色图像为BGR模式 ！！！注意
   • cv2.IMREAD_GRAYSCALE：读入灰度图像。
2. cv2.imshow(窗口名，图像文件) 显示图像 
   可以创建多个窗口
3. cv2.waitKey() 键盘绑定函数 
   函数等待特定的几毫秒，看是否由键盘输入。
4. cv2.namedWindow(窗口名，属性) 创建一个窗口 
   属性:指定窗口大小模式 
   
   • cv2.WINDOW_AUTOSIZE：根据图像大小自动创建大小
   • cv2.WINDOW_NORMAL：窗口大小可调整
5. cv2.destoryAllWindows(窗口名) 删除任何建立的窗口

代码实例：

    import cv2
    img=cv2.imread('test.py',cv2.IMREAD_COLOR)
    cv2.namedWindow('image',cv2.WINDOW_NORMAL)
    cv2.imshow('image',img)
    cv2.waitKey(0)
    cv2.destoryAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7

1. cv2.imwrite(保存图像名，需保存图像) 保存图像

代码实例：

    import cv2
    img=cv2.imread('test.png',0)
    cv2.imshow('image',img)
    k=cv2.waitKey(0)
    if k==27:    #等待 ESC 键
        cv2.destoryAllWindows()
    elif k==ord('s') #等待 's' 键来保存和退出
        cv2.imwrite('messigray.png',img)
        cv2.destoryAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

对于图像的一些操作

0x01. 获取图片属性

import cv2
img=img.imread('test.png')
print img.shape
#(768,1024,3)
print img.size
#2359296  768*1024*3
print img.dtype
#uint8

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

0x02. 输出文本

在处理图片时，将一些信息直接以文字的形式输出在图片上 
cv2.putText(图片名，文字，坐标，文字颜色)

0x03. 缩放图片

实现缩放图片并保存，在使用OpenCV时常用的操作。cv2.resize()支持多种插值算法，默认使用cv2.INTER_LINEAR，缩小最适合使用：cv2.INTER_AREA，放大最适合使用：cv2.INTER_CUBIC或cv2.INTER_LINEAR。 
res=cv2.resize(image,(2*width,2*height),interpolation=cv2.INTER_CUBIC) 
或者： 
res=cv2.resize(image,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC) 
此处None本应该是输出图像的尺寸，因为后边设置了缩放因子

0x04. 图像平移

cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) 
平移就是将图像换个位置，如果要沿(x,y)方向移动，移动距离为(tx,ty),则需要构建偏移矩阵M。 

例如 平移图片(100,50）

    import cv2
    img=cv2.imread('test.png',1)
    rows,cols,channel=img.shape
    M=np.float32([[1,0,100],[0,1,50]])
    dst=cv2.warpAffine(img,M,(cols,rows))
    cv2.imshow('img',dst)
    cv2.waitKey(0)
    cv2.destoryALLWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

其中 (cols,rows)代表输出图像的大小，M为变换矩阵，100代表x的偏移量，50代表y的偏移量，单位为像素。

0x05. 图像旋转

OpenCV中首先需要构造一个旋转矩阵，通过cv2.getRotationMatrix2D获得。

import cv2
img=cv2.imread('test.png',0)
rows,cols=img.shape
#第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)
#第三个参数为图像的尺寸中心
dst=cv2.warpAffine(img,M,(2*cols,2*rows))
cv2.imshow('img',dst)
cv2.waitKey(0)
cv2.destoryALLWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

0x06. 仿射变换

在仿射变换中，原图中所有的平行线在结果图像中同样平行。为了创建偏移矩阵，需要在原图像中找到三个点以及它们在输出图像中的位置。然后OpenCV中提供了cv2.getAffineTransform创建2*3的矩阵，最后将矩阵传给函数cv2.warpAffine。

import cv2
import matplotlib.pyplot as plt
import numpy as np
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[50,50],[200,50],[50,200]])
pts2=np.float32([[10,100],[200,50],[100,250]])
M=cv2.getAffineTransform(pts1,pts2)
dst=cv2.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

0x07. 透视变换

视角变换，需要一个3*3变换矩阵。在变换前后要保证直线还是直线。构建此矩阵需要在输入图像中找寻4个点，以及在输出图像中对应的位置。这四个点中的任意三个点不能共线。变换矩阵OpenCV提供cv2.getPerspectiveTransform()构建。然后将矩阵传入函数cv2.warpPerspective。

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('test.png')
rows,cols,ch=img.shape
pts1=np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2=np.float32([[0,0],[300,0],[0,300],[300,300]])
M=cv2.getPerspectiveTransform(pts1,pts2)
dst=cv2.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

0x09. 图像 regions of Interest

有时需要对一副图像的特定区域进行操作，ROI使用Numpy索引来获得的。

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

image=cv2.imread('test.png')
rows,cols,ch=image.shape
tall=image[0:100,300:700]
image[0:100,600:1000]=tallall
cv2.imshow("image",image)
cv2.waitKey(0)
cv2.destoryALLWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

0x10. 通道的拆分/合并处理

有时需要对BGR三个通道分别进行操作。这时需要将BGR拆分成单个通道。同时有时需要把独立通道的图片合并成一个BGR图像。 
使用OpenCV库函数版本

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

image=cv2.imread('pitt1.jpg')
rows,cols,ch=image.shape
#拆分通道，cv2.split()是一个比较耗时的操作。只有需要时使用，尽量Numpy
b,g,r=cv2.split(image)
print b.shape
#(768,1024)
#合并通道
image=cv2.merge(b,g,r)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

使用Numpy索引版本：

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

image=cv2.imread('pitt1.jpg')
rows,cols,ch=image.shape
#直接获取
b=img[:,:,0]