环境配置地址
- Anaconda:https://www.anaconda.com/download/
- Python_whl:https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
数据读取-图像
cv2.IMREAD_COLOR:彩色图像
cv2.IMREAD_GRAYSCALE:灰度图像
import cv2 #!opencv读取的格式是BGR
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
img=cv2.imread('yellow cat.jpeg')
#输出h,w,c
img.shape
(720, 1080, 3)
#图像的显示,也可以创建多个窗口
cv2.imshow('window name',img)
# 等待时间,毫秒级,0表示任意键终止
cv2.waitKey(0)
# cv2.waitKey(1000) #1000毫秒后消失
cv2.destroyAllWindows()
定义成一个函数
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.IMREAD_COLOR:彩色图像 cv2.IMREAD_GRAYSCALE:灰度图像
img=cv2.imread('yellow cat.jpeg',cv2.IMREAD_GRAYSCALE)
img
array([[117, 114, 113, ..., 168, 167, 166], [110, 107, 104, ..., 168, 167, 167], [ 98, 96, 93, ..., 169, 168, 167], ..., [ 16, 18, 19, ..., 125, 125, 125], [ 17, 18, 20, ..., 124, 124, 124], [ 17, 19, 20, ..., 123, 123, 123]], dtype=uint8)
#输出灰度图
cv_show("only one channel",img)
#保存在当前目录
cv2.imwrite('yellow cat.png',img)
查看数据类型
type(img)
img.dtype
像素点的个数
img.size
数据读取-视频
- cv2.VideoCapture可以捕获摄像头,用数字来控制不同的设备,例如0,1。
- 如果是视频文件,直接指定好路径即可。
vc = cv2.VideoCapture('test.mp4')
是否正常打开
vc.isOpened()
# 检查是否打开正确
if vc.isOpened():
#is_open:是否正常打开
#frame不断读取下一帧,为一张图片
is_open, frame = vc.read()
else:
open = False
while open:
ret, frame = vc.read()
#读不到帧,就跳出循环
if frame is None:
break
if ret == True:
#将彩色的帧转换成灰度图;COLOR_BGR2GRAY把彩色rgb转换成灰度图
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('result', gray)
#waitKey=1时,计算机处理有多快就展示多快
#27为退出键,按推出键esc,进入break,直接跳出循环
#waitKey越大,换一帧的时间就越久
if cv2.waitKey(100) & 0xFF == 27:
break
vc.release()
cv2.destroyAllWindows()
截取部分图像数据
img=cv2.imread('yellow cat.jpeg')
#img是一个ndarray的结构,按数值处理
cat=img[0:500,0:250]
cv_show('cat',cat)
颜色通道提取
#与我们常见(b、r、g)的不同
b,g,r=cv2.split(img)
b,g,r三个通道的大小(形状)都相同
r.shape
img=cv2.merge((b,g,r))
img.shape
只保留R
# 只保留R
cur_img = img.copy()
#将b通道的数据值取0
cur_img[:,:,0] = 0
#将r通道的数据值取0
cur_img[:,:,1] = 0
cv_show('R',cur_img)
只保留G
# 只保留G
cur_img = img.copy()
#把其他两个通道的值置为0
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show('G',cur_img)
边界填充
#指定上、下、左、右填充的大小
top_size,bottom_size,left_size,right_size = (50,50,50,50)
img=cv2.imread('cat.jpg')
#borderType按照什么样的方式进行填充
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
#value=0即拿黑色填充
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)
import matplotlib.pyplot as plt
#展示原图
plt.subplot(231), plt.imshow(img, 'gray'), plt.title('ORIGINAL')
#直接复制边缘的特征来填充
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
#反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefgh|hgfedcb
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
#反射法,也就是以最边缘像素为轴,对称,gfedcb|abcdefgh|gfedcba
#左边填充时以a为轴,右边填充时以h为轴
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
#外包装法abcdefgh|abcdefgh|abcdefg
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')
plt.show()
- BORDER_REPLICATE:复制法,也就是复制最边缘像素。
- BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefgh|hgfedcb
- BORDER_REFLECT_101:反射法,也就是以最边缘像素为轴,对称,gfedcb|abcdefgh|gfedcba
- BORDER_WRAP:外包装法abcdefgh|abcdefgh|abcdefg
- BORDER_CONSTANT:常量法,常数值填充。
数值计算
img_cat=cv2.imread('cat.jpg')
img_dog=cv2.imread('dog.jpg')
# matplotlib应该是按r、g、b通道顺序绘画的,而opencv读取的格式是BGR
#这里采用cv2.COLOR_BGR2RGB解决
img_cat_rgb = cv2.cvtColor(img_cat, cv2.COLOR_BGR2RGB)
plt.subplot(121),plt.imshow(img_cat_rgb)
img_cat_rgb2=img_cat_rgb+10
#太白的本身像素值很高,再加10越界跑到数值小的那边了,所以本身特别白的地方变黑了
plt.subplot(122),plt.imshow(img_cat_rgb2)
#me:数值越大,图像越白
img_cat2= img_cat +10
img_cat[:5,:,0]
#对越界的相当于% 256
(img_cat + img_cat2)[:5,:,0]
#越界直接取255
cv2.add(img_cat,img_cat2)[:5,:,0]
图像融合
#不同shape,没办法直接相加
img_cat + img_dog
img_dog = cv2.resize(img_dog, (500, 414))
img_dog.shape
0.4为img_cat的权重,0.6为img_dog的权重,最后一个参数0为偏置值
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)
长乘4倍,宽乘4倍
res = cv2.resize(img_cat, (0, 0), fx=4, fy=4)
plt.imshow(res)