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]]]