一文教会你OpenCV图像处理！OPenCV教程/OPenCV物体识别/OPenCV图像处理

01前言
计算机视觉基础首先是处理图像、视频这些非结构化的数据，

而图像处理库比较常用和强大的有 PIL、OpenCV 模块，

本项目主要讲述 OpenCV 的具体用法

02内容目录
主要介绍了opencv模块在图像处理方面的一些常用操作。

• 图像文件操作

• 图像基本操作

• 绘图功能

• 轨迹栏做调色板

• 图像阈值

• 图像平滑

• 边缘检测

• 轮廓检测

• 颜色空间转换及目标追踪

• 图像增强

人工智能学习路径总览，压箱底的小白学习路径！
我整理了一份关于pytorch、python基础，图像处理opencv\自然语言处理、机器学习、数学基础等资源库，想学习人工智能或者转行到高薪资行业的，大学生都非常实用，无任何套路免费提供,，加我裙:361598961
也可以领取的内部资源，人工智能题库，大厂面试题 学习大纲 自学课程大纲还有200G人工智能资料大礼包免费送哦~
导入模块

import cv2
import numpy as np
import pandas as pd
import warnings
import seaborn as sns
import matplotlib.pyplot as plt
warnings.filterwarnings(‘ignore’)
%matplotlib inline
Matplotlib is building the font cache using fc-list. This may take a moment.

定义图像路径

path = ‘…/work/CV/tx3.jpg’
path2 = ‘…/work/CV/cap.jpg’

图像文件操作

1.读取图像

im = cv2.imread(path)

print(im)

im = cv2.imread(path)

print(im)

2.显示图像

cv2.imwrite(‘testSave_1.jpg’, im)
一文带你体验OpenCV强大图像处理功能

3.保存图像

cv2.imwrite(‘testSave_1.jpg’, im)
True

图像基本操作

1.图像属性查看

im.shape 返回(行数、列数、通道数)

im.size 返回像素总值 = 行数 x 列数 x 通道数

im.dtype 返回类型

print(">>>图像维度：", im.shape)
print(">>>图像像素总数：", im.size)
print(">>>图像数据类型：", im.dtype)

2.截取ROI(感兴趣)区域

一般都是rgb，opencv默认是bgr

分割

b, g, r = cv2.split(im)
b, g, r
一文带你体验OpenCV强大图像处理功能
3.通道分割合并及像素直方图分析

3.1.分割与合并

一般都是rgb，opencv默认是bgr

分割

b, g, r = cv2.split(im)
b, g, r
(array([[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

…,

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255]], dtype=uint8),

array([[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

…,

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255]], dtype=uint8),

array([[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

…,

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255],

[255, 255, 255, …, 255, 255, 255]], dtype=uint8))

合并

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

array([[[255, 255, 255],

[255, 255, 255],

[255, 255, 255],

…,

[255, 255, 255],

[255, 255, 255],

[255, 255, 255]],

[[255, 255, 255],

[255, 255, 255],

[255, 255, 255],

…,

[255, 255, 255],

[255, 255, 255],

[255,