图像处理OpenCV(2)——OpenCV基本操作之图像的基础操作

2.OpenCV基本操作

2.1 图像的IO操作

2.1.1 读取图像

1. API

   cv.imread()
   

   参数：

   • 要读取的图像

   • 读取方式的标志：

     • cv.UMREAD*COLOR:以彩色模式加载图像，任何图像的透明度都将被忽略，这是默认参数

     • cv.IMREAD*GRAYSCALE:以灰度模式加载图像

     • cv.IMREAD_UNCHANGED:包括alpha通道的加载图像模式

       可以使用1、0或者-1来代替上面三个标志

   • 参考代码：

     import numpy as np
     import cv2 as cv
     # 以灰度图的形式读取图像
     img = cv.imread('1.png',0)
     

​ 注意：如果加载的路径有错误，不会报错，会返回一个None值，因此要确保图像是存在的，图片路径是对的。

2.1.2 显示图像

1. API

   cv.imshow()
   

   参数：

   • 显示图像的窗口名称，以字符串类型表示
   • 要加载的图像

   注意：在调用显示图像的API后，要调用cv.waitKey()个图像绘制留下时间，否则窗口会出现无响应的情况，并且图像无法显示出来。

   另外，我们也可以使用matplotlib对图像进行展示。

   参考代码：

   # opencv中显示
   cv.imshow('image',img)
   cv.waitKey(0)
   # matplotlib中展示
   plt.imshow(img[:,:,::-1])
   

2.1.3 保存图像

1. API

   cv.imwrite()
   

   参数：

   • 文件名，要保存在哪里
   • 要保存的图像

2. 参考代码

   cv.imwrite('test.png',img)
   

2.1.4总结

我们通过加载灰度图像，显示图像，如果按’s’并退出则保存图像，或者按ESC键直接退出而不保存。

参考代码：

• 显示彩色图像：

  import numpy as np
  import cv2 as cv
  import matplotlib.pyplot as plt
  # 1.读取图像
  img = cv.imread('1.png')
  # 2.显示图像
  # 2.1利用opencv展示图像
  cv.imshow('image',img)
  cv.waitKey(0)
  cv.destroyAllWindows()
  

• 显示灰色图像

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1.读取图像
img = cv.imread('1.png',0)
# 按照灰度图进行展示
plt.imshow(img,cmap=plt.cm.gray)
# plt.title('匹配结果'),plt.xticks([]),plt.yticks([])
plt.show()

• 保存图像

  # 3.保存图像,注意保存路径中不能有中文路径
  cv.imwrite('./1_IOtest.png',img)
  

2.2 绘制几何图形

2.2.1 绘制直线

cv.line(img,start,end,color,thickness)

• 参数：
  • img:要绘制直线的图像
  • Start,end:直线的起点和终点
  • color:线条的颜色
  • thickness:线条宽度

2.2.2绘制圆形

cv.circle(img,centerpoint,r,color,thickness)

• 参数：
  • img:要绘制图形的图像
  • centerpoint,r:圆心和半径
  • color:线条的颜色
  • thickness:线条宽度，为-1时生成闭合图案并填充颜色

2.2.3绘制矩形

cv.rectangle(img,leftupper,rightdown,color,thickness)

• 参数：
  • img:要绘制矩形的图像
  • leftupper,rightdown:举行的左上角和右下角坐标
  • color:线条的颜色
  • thickness:线条宽度

2.2.4向图像中添加文字

cv.putText(img,text,station,font,fontsize,color,thickness,cv.LINE_AA)

• 参数：
  • img:图像
  • text:要写入的文本数据
  • station:文本的放置位置
  • font:字体
  • fontsize:字体大小

2.2.5效果显示

生成一个全黑的图像，然后再里面绘制图像并添加文字

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 创建一个空白的图像
# 生成全黑的图像即为np.zeros
img = np.zeros((512,512,3),np.uint8)
# 绘制图形
cv.line(img,(0,0),(511,511),(255,0,0),5)
cv.rectangle(img,(128,128),(384,384),(0,255,0),3)
cv.circle(img,(256,256),63,(0,0,255),-1)
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500),font,4,(255,255,255),2,cv.LINE_AA)
# 3.图像显示
plt.imshow(img[:,:,::-1])
# plt.imshow(img)
plt.title('hello'),plt.xticks([]),plt.yticks([])
plt.show()

效果：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-B4wlv6iR-1647516243400)(C:\Users\23642\AppData\Roaming\Typora\typora-user-images\image-20220317171053140.png)]

2.3获取并修改图像中的像素点

我们可以通过行和列的坐标获取该像素点的像素值。对于BGR图像，它返回一个蓝、绿、红值得数组。对于灰度图像，仅返回相应的强度值，使用相同的方法对像素值进行修改。

import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv
img = cv.imread('/images/1.png')
# 创建全黑的图像
img = np.zeros((256,256,3),np.uint8)
plt.imshow(img[:,:,::-1])
print(img[100, 100])
print(img[100, 100, 0])
img[100,100]=(0,0,255)
print(img[100, 100])
plt.imshow(img[:,:,::-1])
plt.show()

2.4获取图像的属性

图像属性包括行数、列数和通道数，图像数据类型、像素数等。

属性	API
形状	img.shape
图像大小	img.size
数据类型	img.dtype

代码演示：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# img = cv.imread('/images/1.png')
img = np.zeros((256,256,3),np.uint8)
print(img.shape) # (256, 256, 3)
print(img.dtype) # uint8
print(img.size) # 196608

2.5图像通道的拆分与合并

有时需要在B、G、R通道图像上单独工作。在这种情况下，需要将RGB图像分割为单个通道，或者在其他情况下，可能需要将这些单独的通道合并到RGB图像，可以通过以下方式完成：

# 通道拆分
b,g,r=cv.split(img)
# 通道合并
img = cv.merge((b,g,r))

2.6色彩空间的改变

OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种，BGR<->Gray和BGR<->HSV

API：

cv.cvColor(input_image,flag)

参数：

• input_image:进行颜色空间转换的图像
• flag:转换类型
  • cv.COLOR_BGR2GRAY ：BGR<->Gray
  • cv.COLOR_BGR2HSV ：BGR<->HSV

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img= cv.imread('images/1.png')
plt.imshow(img[:,:,::-1])
plt.show()
b,g,r=cv.split(img)
plt.imshow(b,cmap=plt.cm.gray)
plt.show()
img2 = cv.merge((b,g,r))
plt.imshow(img2[:,:,::-1])
plt.show()
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
plt.imshow(gray,cmap=plt.cm.gray)
plt.show()
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
plt.imshow(hsv)
plt.show()
# print(b,g,r)

效果：