【课程笔记】OpenCV（1）基本操作

---

前言

课程学习笔记，BV1PV411774y

---

pip install opencv-python
pip install opencv-contrib-python

计算机眼中的图像

① 在计算机眼中，图像被分成很多很多个小方格，每一个小格叫做一个像素点

② 彩色图像：每个像素点有 RGB 三个通道，每个通道的值在 0-255 之间，0 表示黑的，255 表示非常亮

③ 灰度图(或黑白图)只用一个通道来表示它的亮度

图像的读取与显示

图像读取入口参数：

• cv2.IMREAD_COLOR：彩色图像
• cv2.IMREAD_GRAYSCALE：灰度图像

import cv2 # opencv-python
import matplotlib.pyplot as plt # matplotlib库用于绘图展示
import numpy as np   # numpy数值计算工具包
%matplotlib inline  
# 魔法指令，直接展示图，Jupyter notebook 特有 

img = cv2.imread('01_Picture/01_cat.jpg') 

#img    # uint8 的取值范围在 0-255 之间

# opencv 读取默认是 BGR 格式，用其他库展示图片需要通道转换
cv2.imshow('image_cat',img)  

# 等待时间，毫秒级，0表示任意键终止，5000表示5s
cv2.waitKey(0)  

# 销毁图像窗口
cv2.destroyAllWindows()

上述绘图显示可封装为函数

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()  

读取灰度图

img_gray = cv2.imread('01_Picture/01_cat.jpg',cv2.IMREAD_GRAYSCALE)
cv_show('gray_cat',img_gray)

图像保存

cv2.imwrite('01_Picture/02_cat_gray.jpg',img_gray)

类型查看

img.shape   # 图像维度：[h,w,c]

type(img)   # numpy.ndarray

img.size    # 像素点的个数

img.dtype   # dtype('uint8')

HSV空间显示

• H - 色调(主波长)
• S - 饱和度(纯度/颜色的阴影)
• V - 强度

img_hsv = cv2.imread('01_Picture/01_cat.jpg', cv2.COLOR_BGR2HSV) 
cv_show('hsv_cat',img_hsv)

视频数据读取

① cv2.VideoCapture 函数可以捕获摄像头，或读取视频文件。

② cv2.VideoCapture 函数入口参数：

• 用数字来控制不同的设备(摄像头)，例如 0、1。
• 如果是视频文件，直接指定好路径即可。

vc = cv2.VideoCapture('02_Video/00_Scenery.mp4')

# 检查是否打开正确
if vc.isOpened():   
    open, frame = vc.read() # 这里的 vc.read() 相当于读取图像的第一帧
                            # 若循环不断的执行 vc.read，则不断的读取第二帧、第三帧....
else:
    open = False

while open: # 如果正常打开，则不停循环读取,这里可替换成 i 值，来确定读取 i 帧     
    ret, frame = vc.read()
    if frame is None:   # 视频读完以后的下一帧为空
        break
    if ret == True:
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 读取的图片转换成黑白的   
        cv2.imshow('result',gray)
        if cv2.waitKey(10) & 0xFF == 27:    # cv2.waitKey(10)为等多少时间执行下一帧，0xFF为退出键ESC
            break
vc.release()    # release()完成与 open() 相反的工作.释放 open() 向内核申请的所有资源
cv2.destroyAllWindows() # 销毁所有窗口