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]]]
以下是使用PythonOpenCV实现卡尔曼滤波的示例代码: ```python import numpy as np import cv2 # 初始化卡尔曼滤波器 kalman = cv2.KalmanFilter(4, 2) kalman.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float32) kalman.transitionMatrix = np.array([[1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 1, 0], [0, 0, 0, 1]], np.float32) kalman.processNoiseCov = np.array([[1, 0, 0, 0], [0, 1, 0, 0], [0, 0, 1, 0], [0, 0, 0, 1]], np.float32) * 0.03 kalman.measurementNoiseCov = np.array([[1, 0], [0, 1]], np.float32) * 0.1 # 初始化视频捕捉 cap = cv2.VideoCapture(0) while True: # 读取一帧 ret, frame = cap.read() # 对帧进行预处理 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray, (5, 5), 0) # 检测边缘 edges = cv2.Canny(gray, 50, 150, apertureSize=3) # 检测直线 lines = cv2.HoughLinesP(edges, 1, np.pi/180, 100, minLineLength=100, maxLineGap=10) # 如果检测到直线 if lines is not None: for line in lines: x1, y1, x2, y2 = line[0] # 使用卡尔曼滤波器估计下一帧的线段 prediction = kalman.predict() measurement = np.array([[np.float32(x1)], [np.float32(y1)]]) kalman.correct(measurement) # 绘制估计线段 x1p, y1p, x2p, y2p = np.int32(prediction) cv2.line(frame, (x1p, y1p), (x2p, y2p), (0, 255, 0), 2) # 显示结果 cv2.imshow('frame', frame) # 按下Esc键退出 if cv2.waitKey(1) == 27: break # 清理 cap.release() cv2.destroyAllWindows() ``` 这段代码使用OpenCV捕获实时视频流,并使用卡尔曼滤波器对检测到的直线进行估计。卡尔曼滤波器的参数在初始化时设置。首先,我们设置卡尔曼滤波器的状态向量和观测向量的维数(在本例中为4和2)。然后,我们设置测量矩阵、转移矩阵和过程噪声协方差矩阵。最后,我们设置测量噪声协方差矩阵。在每一帧中,我们使用卡尔曼滤波器来估计下一帧的线段,并绘制估计线段。
评论
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