opencv 常用函数总结

一、图像的读入、显示和保存

1.1 读入图像

1.1.1 imread()：读入图像

使用 imread() 函数，用于读入图像
调用格式：
retval = cv2.imread(文件名[，显示控制参数])
函数说明：
① 文件名：是包含(绝对或相对)路径的文件名(包含文件后缀名)。
② 控制参数(可选)：可以指定图像显示的类型(更多参数参见官网文档)
a) cv2.IMREAD_UNCHANGED：会原样读入图像的格式，不添加则会将所有读入的图像转换为BGR彩色图像(即使读入的是灰度图像)
b) cv2.IMREAD_GRAYSCALE
c) cv2.IMREAD_COLOR
③ 该函数返回，图像的矩阵对象

---

1.2 显示图像

1.2.1 imshow()：在图像窗口中显示图像

使用 imshow() 函数，用于在图像窗口中显示图像
调用格式：
None= cv2.imshow(窗口名，图像名)
函数参数说明：
① 窗口名：对应 创建图像窗口是的自命名的名称
② 图像名：对应于 imread()获取的图像
③ 该函数没有返回值

---

1.2.2 waitKey()：设置图像显示的时间

使用 waitKey() 函数，用于设置图像显示的时间
调用格式：
retval = cv2.waitKey(,[delay])
函数参数说明：
① delay(可选)：表示 图像显示的时间(传入数字型数据)
a) delay > 0 等待delay毫秒
b) delay < 0 等待键盘单击
c) delay = 0 无限等待（一般传入的值，可手动关闭窗口）
② 该函数没有返回值

---

1.2.3 destoryAllWindows()：删除所有的图像窗口

使用 destoryAllWindows() 函数，用于删除所有的图像窗口(删除内存中数据)
调用格式：
cv2.destoryAllWindows()

---

1.3 保存图像

1.3.1 imwrite()：保存图像

使用 imwrite() 函数，用于保存图像
调用格式：
retval = cv2.inwrite(文件地址，文件名)
函数参数说明：
① 文件地址：需要传入 绝对路径并精确到保存的 文件名.后缀名
② 文件名：传入要保存的图像变量
③ 该函数没有返回值

# eg
import cv2
cv2.imwrite('D:\\test.jpg',img)

---

二、像素处理

2.1 使用opencv常规方式进行像素处理

2.1.1 对单个像素进行读取、修改操作

使用 “像素 = 图像[行索引，列索引]”(注意：行、列索引均从0开始计数) 可以访问图像中的 指定像素，也可以通过该形式对像素值进行修改

# 对于灰度图像
p = img[88,142] # 读取指定位置的像素值
print(p)
img[88,99] = 255 # 对指定位置的像素进行赋值

# 对于BGR图像
bule = img[78,125,0] # 获取读取指定位置的像素BGR中蓝色通道的值
green = img[78,125,1] # 获取读取指定位置的像素BGR中绿色通道的值
red = img[78,125,2] # 获取读取指定位置的像素BGR中红色通道的值
# 或
p = img[78,125] # 获取读取指定位置的像素值，此处返回的是三维列表
img[88,99] = [255,255,255] # 对指定位置的像素进行赋值

---

2.1.2 对连续的多个像素进行读取、修改操作

使用 “像素 = 图像[行起始索引：行结束索引，列起始索引：列结束索引]”(注意：行、列索引均从0开始计数，结束索引为实际截取的后一个索引) 可以访问图像中的 指定像素，也可以通过该形式对像素值进行修改

# 获取指定区域内的所有像素序列
p = img[0:5,0:5] # 获取图像左上角 5*5 区域的 3维像素序列

# 修改指定区域内的所有像素的值
p = img[0:5,0:5] = 0 # 对于彩色图像传入三维序列（即指定为BGR值），将会对该区域每一个像素均赋值为[0,0,0]

---

2.2 使用numpy进行像素处理

2.2.1 item()：读取像素

使用 item() 函数，用于读取像素
调用格式：
图像.item(行索引，列索引)
函数参数说明：
① 行索引：对应像素的行号（从0开始）
② 列索引：对应像素的列号（从0开始）
③ 该函数返回对应像素的值(灰度图为int,彩色图为元素为int的tuple)

# 获取灰度图像的像素
p = img.item(78,125)
print(p)

# 获取彩色图像的像素
blue = img.item(78,125,0)
green = img.item(78,125,1)
red = img.item(78,125,2)

---

2.2.2 itemset()：修改像素

使用 函数，用于修改像素值
调用格式：
图像名.itemset((行索引，列索引)，新值)
函数参数说明：
① 行索引：对应像素的行号（从0开始）
② 列索引：对应像素的列号（从0开始）
注意：行、列索引构成一个元组，使用该元组作为实参传入函数
③ 新增：对应传入需要变成的新像素值
④ 该函数没有返回值

# 灰度图像设置像素值
img.itemset((88,99),0)

# 彩色BGR图像设置像素值
img.itemset((88,99,0),255) # 设置蓝色通道的值
img.itemset((88,99,1),255) # 设置绿色通道的值
img.itemset((88,99,2),255) # 设置红色通道的值

---

2.3 对比 opencv访问像素 与 numpy访问像素

• opencv的单个像素访问方式的速度是很慢的，该方法主要用于 访问区域内的像素组(类似于序列中的切片操作)，比如前5行和后3列等。
• 为了访问单个像素，numpy有特别的方法，array.item()和array.itemset()。但是，他们无法返回向量，numpy方式适用于对单个像素进行操作

---

三、获取图像属性

3.1 形状：行、列、通道数

shape：可获取图像的形状

使用 shape 属性，用于获取图像的形状，返回包含 行数，列数，通道数的元组
注意：
①灰度：返回 行数 与 列数的 tuple
②彩色：返回 行数 与 列数，通道数的 tuple

调用格式：
图像名.shape

# eg
import cv2
# 读入灰度图像
img1 = cv2.imread('灰度图像')
print(img1.shape) # 输出(512,512)

# 滴入彩色图像
img2 = cv2.imread('彩色图像')
print(img2.shape) # 输出 (512,512,3)

---

3.2 像素数目

3.2.1 size：可以获取图像的像素数目

使用 size 属性，用于 获取图像的像素数目
注意：
①灰度：返回 行数*列数的int型数据
②彩色：返回 行数*列数*通道数的int型数据

调用格式：
图像名.size

# eg
import cv2
img = cv2.imread('图像名')
print(img.size) # 返回一个整数型的值

---

3.3 图像的数据类型

3.3.1 dtype：可以获取图像的数据类型

使用 dtype 属性，用于 获取图像的数据类型

调用格式：
图像名.dtype

# eg
import cv2
img = cv2.imread('图像名称')
print(img.dtype) # 对应的类型(uint8,uint16等)

---

四、图像的基础操作

4.1 图像ROI

4.1.1 图像ROI理论介绍

• ROI(region of interest)，感兴趣区域
• 从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域
• 可以通过使用各种算子(Operator) 和 函数来求得感兴趣区域 ROI，并进行图像的下一步处理

---

4.1.2 图像ROI的具体实现

import cv2
img = cv2.imread('图像名称')
# 获取图像中感兴趣区域
face = img[200:400,200:400]
# 将感兴趣的图像赋值到另一个区域
img[400:600,400:600] = face

import cv2
dir = 'E:\\python_opencv\\images\\test\\2020.9.2\\'
img = cv2.imread(dir + 'Fig0638(a)(lenna_RGB).tif', cv2.IMREAD_UNCHANGED)
# b = np.ones((101,101,3))
b = img[220:400, 250:350]
img[0:180, 0:100] = b
cv2.imshow('roi', img)
print(b.shape)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

4.2 通道拆分与合并

4.2.1 split()：拆分通道

• 使用opencv的常规方式实现拆分

import cv2
img = cv2.imread('图像名')
b = img[:,:,0] #获取蓝色通道
g = img[: