opencv-python 小白笔记（5）

（一）颜色通道提取(cv2.split)

这里需要用到cv2.split()函数，只需要传入需要分离通道的图片

import cv2
import numpy as np

img = cv2.imread("cat.jpg")
print(img.shape)

b,g,r=cv2.split(img)

print(b.shape)
print(g.shape)
print(r.shape)


cv2.imshow("img",img)

cv2.waitKey(0)

相信小伙伴们已经注意到，被分离出的b,g,r，它们都变成了单通道。这是可能会有小伙伴想，如果我们此时分别显示b,g,r,会不会分别得到原图的蓝色图，绿色图，红色图呢？试试吧

import cv2
import numpy as np

img = cv2.imread("cat.jpg")

b,g,r=cv2.split(img)

cv2.imshow("b",b)
cv2.imshow("g",g)
cv2.imshow("r",r)

cv2.waitKey(0)

是不是很意外，结果是三张灰度图，我们将RGB图像三通道拆分的过程实际上是先拆分出来，再形成了R/G/B的单通道的图像，而单通道图像就是灰度图（这就是解释，没办法，虽然有点绕，但这就是解释）。那有没有什么办法得到三通道的单独图像呢，当然有，如果想把它变成红色/绿色/蓝色的通道图，可以做通道合并（但其它通道分量为零）

import cv2
import numpy as np

img = cv2.imread("cat.jpg")
##############
R = img.copy()  #复制img图片，为了避免我们改变原图的通道信息
R[:,:,0] = 0
R[:,:,1] = 0  #让图片R的B通道和G通道为0
##############
G = img.copy()
G[:,:,0] = 0
G[:,:,2] = 0  #让图片R的B通道和R通道为0
#############
B = img.copy()
B[:,:,1] = 0
B[:,:,2] = 0  #让图片R的G通道和R通道为0
#############
cv2.imshow('R',R)
cv2.imshow('G',G)
cv2.imshow('B',B)

cv2.waitKey(0)

（二）颜色通道的融合(cv2.merge)

图像通道的融合，需要用到cv2.merge()函数
看代码

import cv2
import numpy as np

img = cv2.imread("cat.jpg")

b,g,r=cv2.split(img)

img1=cv2.merge((b,g,r))

cv2.imshow("img1",img1)

cv2.waitKey(0)

我们先将原图拆分成b,g,r三个通道，然后再用cv2.merge()对图像进行合成

（三）图像融合(img1+img2,cv2.add,cv2.addWeighted)

两副图像的融合，有两种方法cv2.add与cv2.addWeighted。事实上，挖煤也可以利用numpy的数组功能，因为图像本身就是矩阵，所以我们直接将图片想加就可以得到结果（但是图片的通道和维度信息必须相同）

下面我们将直接将lena和小猫直接相加，对比几种不同的方法

我们先用numpy的数组功能，直接将图片的矩阵相加

import cv2
import numpy as np

cat=cv2.imread('cat.jpg')#(500,414,3)
lena=cv2.imread('lena.jpg')#(261,261,3)

img_cat=cat.copy()#这里我们先将小猫的图片copy一下，方便后面显示

img_cat = cv2.resize(img_cat, (263, 263))#图片的长宽信息不同，先将它们的维度统一
print(img_cat.shape)
print(lena.shape)
res=img_cat+lena

cv2.imshow("img_cat",img_cat)
cv2.imshow("lena",lena)
cv2.imshow("res",res)

cv2.waitKey(0)

结果是不是和想的不一样，因为numpy数组只是将图片相加，数值可能会超过255，因此图片显示出现了异常

再看看cv2.add（）

import cv2
import numpy as np

cat=cv2.imread('cat.jpg')#(500,414,3)
lena=cv2.imread('lena.jpg')#(261,261,3)

img_cat=cat.copy()#这里我们先将小猫的图片copy一下，方便后面显示

img_cat = cv2.resize(img_cat, (263, 263))#图片的长宽信息不同，先将它们的维度统一

res=cv2.add(img_cat,lena)

cv2.imshow("img_cat",img_cat)
cv2.imshow("lena",lena)
cv2.imshow("res",res)

cv2.waitKey(0)

使用cv2.add()将两个图像相加，该函数会将图片进行截断，就是像素值相加超过255的一律取255，进行截断

我们再看看cv2.addWeighted()函数。cv2.addWeighted(img1, 0.5, img2, 0.5, 0)
第一个0.5表示第一张图片的权重，第二个0.5表示第二张图片的权重，最后的图片表示图片的重叠偏置，读者可以多试试

import cv2
import numpy as np

cat=cv2.imread('cat.jpg')#(500,414,3)
lena=cv2.imread('lena.jpg')#(261,261,3)

img_cat=cat.copy()#这里我们先将小猫的图片copy一下，方便后面显示

img_cat = cv2.resize(img_cat, (263, 263))#图片的长宽信息不同，先将它们的维度统一

res=cv2.addWeighted(img_cat,0.5,lena,0.5,0)

cv2.imshow("img_cat",img_cat)
cv2.imshow("lena",lena)
cv2.imshow("res",res)

cv2.waitKey(0)

（四）透射变换(cv2.getPerspectiveTransform,cv2.warpPerspective)

这需要使用到cv2.warpPerspective()函数，在变换前后直线还是直线。需要在原图上找到4个点，以及他们在输出图上对应的位置，这四个点中任意三个都不能共线，可以有函数cv2.getPerspectiveTransform()构建，然后这个矩阵传给函数cv2.warpPerspective()。可能你还不理解我要实现什么功能，不要急，看代码和运行结果

import cv2
import numpy as np

img = cv2.imread("page.jpg")

width,height = 500,700 #这里是预设提取出的图片大小

pts1 = np.float32([[371,351],[2153,466],[401,2985],[2365,2776]]) #这里是提取目标的四个坐标点
pts2 = np.float32([[0,0],[width,0],[0,height],[width,height]]) #这里是定义上面四个点在像新窗口中的对应位置
matrix = cv2.getPerspectiveTransform(pts1,pts2)  #这里是通过cv2.getPerspectiveTransform得到变换矩阵，等一会传入cv2.warpPerspective函数
imgOutput = cv2.warpPerspective(img,matrix,(width,height))

img1=cv2.resize(img,None,fx=0.25,fy=0.25,interpolation=cv2.INTER_AREA)#应为原图太大了，所以缩小一下，对比实验结果
cv2.imshow("Image",img1)
cv2.imshow("Output",imgOutput)

cv2.waitKey(0)

不理解，看不懂？那就多看几遍，还不行，那就百度看看。你可能会问我，原图中目标的四个坐标怎么得到的，很简单，利用电脑自带的画图软件打开图片，移动鼠标到想要的位置，就能的到目标点的位置信息。你可能觉得这种方法很low，当然有更高级的方法，不要急，后面会讲到。

（五）结语

学习opencv有很多的方法，我的建议是你可以加一些群，可以充分利用B站，CSDN，和百度。

在我的博客中，我不会讲解opencv的算法实现（当然我也不太会），我只会讲解一些函数的调用，不理解就多改一些参数，多尝试尝试，慢慢你就理解来。相信你总有一天可以说opencv不过“Ctrl+C，Crtl+V”

如果有什么错误的地方，还请大家批评指正，最后，希望小伙伴们都能有所收获。