opencv基本操作[数字图像处理实验]

1 图像的IO操作
这里我们会给大家介绍如何读取图像，如何显示图像和如何保存图像。
1.1 读取图像
1. API
cv.imread()
参数：
○ 要读取的图像 ‘路径’
○ 读取方式的标志
○ cv.IMREAD_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来替代上面三个标志
• 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(‘messi5.jpg’,0)

注意：如果加载的路径有错误，不会报错，会返回一个None值

读取图片但是不立马灰度化

	# 读取图片，不要立马灰度化
	img=cv.imread('./opencv_learn/sky.png')
	# 灰度化
	gray=cv.cvtColor(img,cv.COLOR_RGB2GRAY)
	
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()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来。
		另外我们也可使用matplotlib对图像进行展示。
	a. 参考代码

	# opencv中显示

cv.imshow(‘image’,img)
cv.waitKey(0) # 表示按任意键关闭图片
使用plt
import matplotlib.pyplot as plt
plt.imshow(img[:,:,::-1])
plt.title(‘匹配结果’), plt.xticks([]), plt.yticks([])# 去掉横、纵坐标
plt.show()

	plt.figure(figsize=(10,8),dpi=100)
	plt.subplot(121),plt.imshow(image_bankCard,cmap=plt.cm.gray),plt.title('pic')
	plt.xticks([]), plt.yticks([])
	plt.show()
	

	
1.3 保存图像
		i. API

cv.imwrite()

		ii. 参数：
		§ 文件名，要保存在哪里
		§ 要保存的图像
		iii. 参考代码
		cv.imwrite('messigray.png',img)
	
	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。
		import numpy as np

import cv2 as cv
import matplotlib.pyplot as plt

1 读取图像

img = cv.imread(‘messi5.jpg’,0)

2 显示图像

2.1 利用opencv展示图像

cv.imshow(‘image’,img)

2.2 在matplotplotlib中展示图像

plt.imshow(img[:,:,::-1])
plt.title(‘匹配结果’), plt.xticks([]), plt.yticks([])
plt.show()
k = cv.waitKey(0)

3 保存图像

cv.imwrite(‘messigray.png’,img)
绘制几何图形

	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 绘制圆形
		cv.circle(img,centerpoint, r, color, thickness)
			参数：
			□ img:要绘制圆形的图像
			□ Centerpoint, r: 圆心和半径
			□ color: 线条的颜色
			(0,255,0) 不可以是字符串
			□ Thickness: 线条宽度，为-1时生成闭合图案并填充颜色
	2.3 绘制矩形
		leftupper,rightdown 必须是int类型的不然会报错，新版的opencv会遇到这样的问题
		cv.rectangle(img,leftupper,rightdown,color,thickness)
			参数：
			□ img:要绘制矩形的图像(矩阵)
			□ Leftupper, rightdown: 矩形的左上角和右下角坐标
			□ color: 线条的颜色
			□ Thickness: 线条宽度
	2.4 向图像中添加文字
		 cv2.putText(img=rgb_frame,
		                                text=str(predicted),#显示的文字
		                                org=(25,25),#坐标必须int类型
		                                fontFace=cv2.FONT_HERSHEY_SIMPLEX,
		                                 fontScale=1, # 字体大小
		                                color=(0, 0, 255),
								 thickness=1)#字体粗细
		
			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 必须是浮点数，整数什么也不显示
		字体类型：
		 fontFace=cv2.FONT_HERSHEY_SIMPLEX
		 fontFace=cv2.FONT_HERSHEY_PLAIN,
		fontFace=cv2.FONT_HERSHEY_COMPLEX
		fontFace=cv2.FONT_HERSHEY_TRIPLEX,
		 fontFace=cv2.FONT_HERSHEY_COMPLEX_SMALL,
		 fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,
		 fontFace=cv2.FONT_HERSHEY_SCRIPT_COMPLEX
		fontFace=cv2.FONT_ITALIC,
		
	2.5 效果展示
			我们生成一个全黑的图像，然后在里面绘制图像并添加文字
			import numpy as np

import cv2 as cv
import matplotlib.pyplot as plt

1 创建一个空白的图像

img = np.zeros((512,512,3), np.uint8)

2 绘制图形

cv.line(img,(0,0),(511,511),(255,0,0),5)
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
cv.circle(img,(447,63), 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 图像展示

plt.imshow(img[:,:,::-1])
plt.title(‘匹配结果’), plt.xticks([]), plt.yticks([])
plt.show()

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值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。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 numpy as np

import cv2 as cv
img = cv.imread(‘messi5.jpg’)

获取某个像素点的值

px = img[100,100]

仅获取蓝色通道的强度值

blue = img[100,100,0]

修改某个位置的像素值

img[100,100] = [255,255,255]

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。
	
	

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BGR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BGR图像。你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))

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.cvtColor(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
	总结：
			
			1) 图像IO操作的API：

cv.imread(): 读取图像
cv.imshow()：显示图像
cv.imwrite(): 保存图像
2) 在图像上绘制几何图像
cv.line(): 绘制直线
cv.circle(): 绘制圆形
cv.rectangle(): 绘制矩形
cv.putText(): 在图像上添加文字
3) 直接使用行列索引获取图像中的像素并进行修改
4) 图像的属性
5)
6) 拆分通道：cv.split()
通道合并：cv.merge()
7) 色彩空间的改变
cv.cvtColor(input_image，flag)
边界填充

	borderType的属性值
	
		
		import cv2 as cv
		import matplotlib.pyplot as plt
		img = cv.imread('opencv_learn/rain.png')
		if type(img) != None:
		    top_size,bottom_size,left_size,right_size=(100,0,50,50)
		    replicate = cv.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv.BORDER_CONSTANT,value=0)
		    plt.figure(figsize=(10,8),dpi=100)
		    plt.subplot(121),plt.imshow(img,cmap=plt.cm.gray),plt.title('org')
		    plt.xticks([]), plt.yticks([])
		    plt.subplot(122),plt.imshow(replicate,cmap = plt.cm.gray),plt.title('after')
		    plt.xticks([]), plt.yticks([])
		    plt.show()
		
图像阈值  ----
	要么黑色，要么白色，将灰色的变成黑色的
		
			cv2.THRESH_OTSU    转换二值图
			
			
OSTU滤波-------滤灰度图像(双峰图像)----转换成二值图像
	什么是双峰图---统计直方图中
		
	代码实现
	# THRESH_OTSU会自动寻找适合的阈值，适合双峰，需要把阈值参数设置为0
	ret,thresh= cv2.threshold(img,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)
	
	
	
	
示例代码
	import cv2 as cv
	import matplotlib.pyplot as plt
	img = cv.imread('opencv_learn/rain.png')
	ret,thresh1 = cv.threshold(img,127,50,cv.THRESH_BINARY)
	if True:
	    plt.figure(figsize=(10,8),dpi=100)
	    plt.subplot(121),plt.imshow(img,cmap=plt.cm.gray),plt.title('org')
	    plt.xticks([]), plt.yticks([])
	    plt.subplot(122),plt.imshow(thresh1,cmap = plt.cm.gray),plt.title('after')
	    plt.xticks([]), plt.yticks([])
	    plt.show()