python-opencv 使用小例

读取数据

import numpy as np
import cv2 as cv
img = cv.imread('mdb001.pgm')
img2 = cv.imread('mdb002.pgm')
img3 = cv.imread('test.jpg')
cv.imshow('imageform', img3)
cv.waitKey(0) #暂停窗口

-1

获取像素点

px = img[100,100]
print( px )

[75 64 67]

修改像素点

img [100,100] = [255,255,255]#方式一，多用于修改区域像素点
img.itemset((10,10,2),100)#方式二，多用于修改某一层的某一个像素点
img.item(10,10,2)#展示像素点

100

查看图像尺寸、大小、类型

print("图像尺寸:{}".format(img3.shape))
print("图像大小:{}".format(img3.size))
print("图像类型:{}".format(img3.dtype))

图像尺寸:(684, 1024, 3)
图像大小:2101248
图像类型:uint8

划分或整合色彩通道

b,g,r = cv.split(img)# 划分色彩通道
b = img[:,:,0]#取蓝色通道
img = cv.merge((b,g,r))#整合图像

make border

replicate = cv.copyMakeBorder(img,10,10,10,10,cv.BORDER_CONSTANT,value=[255,0,0])#添加一个边界框，value，是指边界框颜色
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)#边界位置将会被镜像替代，替代方式，fedcba|abcdefgh|hgfedcb
cv.imshow('imageform', replicate)
cv.waitKey(0) #暂停窗口

-1

图像混合

公式：dst=α⋅img1+β⋅img2+γ

dst = cv.addWeighted(img,0.7,img2,0.3,0)
cv.imshow('dst',dst)
cv.waitKey(0)

-1

运行时间计算函数

e1 = cv.getTickCount()
for x in range(5,49,2):
    cc = 2+3
e2 = cv.getTickCount()
t =(e2  -  e1)/ cv.getTickFrequency()
print(t)
#得到的结果是单位为秒

7.505211238282746e-05

色彩空间转换

BGR2HSV： cv.COLOR_BGR2HSV
BGR2GRAY: cv.COLOR_BGR2GRAY
HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用比较广泛，这个模型中颜色的参数分别是：色调（H, Hue），饱和度（S,Saturation），明度（V, Value）

色调H,用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°

饱和度S,饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V，明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）

备注：对于HSV，Hue范围是[0,179]，饱和范围是[0,255]，值范围是[0,255]。不同的软件使用不同的规模 因此，如果要将OpenCV值与它们进行比较，则需要对这些范围进行标准化

hsv = cv.cvtColor(img3,cv.COLOR_BGR2HSV)
cv.imshow('imageform',img3)
cv.waitKey(0) #暂停窗口

-1

lower_red = np.array([0,50,50]）
upper_red = np.array（[60,255,255])
mask = cv.inRange(hsv,lower_blue,upper_blue)
res = cv.bitwise_and（frame，frame，mask = mask）

[[[ 48 213  12]
  [ 48 213  12]
  [ 40 255   9]
  ...
  [ 26  96  37]
  [ 30  75  34]
  [ 30  75  34]]

 [[ 48 196  13]
  [ 48 213  12]
  [ 48 232  11]
  ...
  [ 26 102  35]
  [ 30  77  33]
  [ 30  80  32]]

 [[ 52 187  15]
  [ 52 200  14]
  [ 52 216  13]
  ...
  [ 30  93  33]
  [ 30  80  32]
  [ 30  80  32]]

 ...

 [[166 123 135]
  [167 127 129]
  [168 117 140]
  ...
  [ 44 216  33]
  [ 43 224  41]
  [ 44 206  47]]

 [[169 116 150]
  [169 101 161]
  [170  91 159]
  ...
  [ 41 202  63]
  [ 41 183  82]
  [ 42 173  96]]

 [[171 109 168]
  [172 103 156]
  [173  99 129]
  ...
  [ 41 206  73]
  [ 41 187  97]
  [ 41 174 113]]]