opencv基础简洁版（python）一

图像简单介绍

 

rgb ：光的三原色，也即红绿蓝Red、Green、Blue,它们的最大值是255，相当于100%

hvs：色调（H）饱和度（S）明度（V）

灰度：只有亮度 阈值0~255  0代表暗 255代表亮

H表示图片的宽，W表示图片的高，C表示图片的通道数  

rgb是三通道  灰度图是单通道只有亮度

加载图片

第一个代码

import cv2
import matplotlib.pyplot as plt# 导入 maplotlib
img = cv2.imread("D:/23.png")
cv2.imshow('First',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 需要改成你的文件路径和名字和格式

img = cv2.imread("文件路径/名字.格式")

 为了方便我定义了一个专门显示的窗口

def cv_show(neme,img):
    cv2.imshow(neme,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

我后面调用只需要cv_show()这个函数即可

import cv2
import matplotlib.pyplot as plt# 导入 maplotlib
def cv_show(neme,img):
    cv2.imshow(neme,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return None
img = cv2.imread("D:/23.png")
cv_show('First',img)

print(img.shape)打印加载图片的hwc

print(type(img))  打印类型  

print(img.size) 打印像素点个数

cv2.IMREAD_COLOR:彩色图像

cv2.lMREAD GRAYSCALE:灰度图像

或者0代表灰度 1代表彩色

加载视频

import cv2
video = cv2.VideoCapture("D:/talou.mp4",)

# 检查是否打开正确
if video.isOpened():
    # 我们都知道视频和游戏其实都是由图像组成的，通过访问图像的帧数连贯形成的，这里也是一样
    # video.read() 一帧一帧地读取
    # open 得到的是一个布尔值，就是 True 或者 False
    # frame 得到当前这一帧的图像
    open, frame = video.read()
else:
    open = False

while open:
    ret, frame = video.read()
    # 如果读到的帧数不为空，那么就继续读取，如果为空，就退出
    if frame is None:
        break
    if ret == True:
        # 转换为灰度图
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        cv2.imshow("video",gray)
        # 这里使用 waitKey 可以控制视频的播放速度，数值越小，播放速度越快
        # 这里等于 27 也即是说按下 ESC 键即可退出该窗口
        if cv2.waitKey(10) & 0xFF == 27:
            break
video.release()
cv2.destroyAllWindows()

原理将视频处理成一帧一帧的图片  逐桢读

图像修剪

用来自瞄中间板块 会经常用到只取图像的一部分

img =img[0:200,0:200] #宽0~200   长0~200的意思

 颜色通道提取

B0  G1  R2  python列表

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

cat =ing.copy()

cat [:,:,0] =0

cat [:,:,1] =0

边界填充

cv2.copyMakeBorder()函数

top_size,bottom_size,left_size,right_size =(50,50,50,50)

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:

BORDER_REFLECT_101:反射法，也就是以最边缘像素为轴，对称，

BORDER_CONSTANT:常量法，常数值填充。

fuzhi =cv2.copyMakeBorder(img,top_size, bottom_size,left_size,right_size,borderType =cv2.BORDER_REPLICATE)

图像融合

import cv2 as cv
import matplotlib.pyplot as plt

img = cv.imread("./1.jpg")
img_cat = cv.imread("./2.jpg")
# 设置与 img 一样的数值
img_cat = cv.resize(img_cat,(721,300))

# 设置宽度值
res = cv.addWeighted(img,0.4,img_cat,0.6,0)

# 图像显示
plt.imshow(res)
plt.show()

图像阈值

cv2.THRESH_BINARY 超过阈值部分取maxval(最大值)，否则取O

cv2.THRESH_BINARY_INV THRESH_BINARY的反转

cv2.THRESH_TRUNC大于阈值部分设为阈值，否则不变

cv2.THRESH_TOZERO大于阈值部分不改变，否则设为0

cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转

ret, thresh = cv.threshold(img, 127, 255, cv.THRESH_BINARY)

图像平滑处理

卷积矩阵

均值滤波 

3  5  7一般

blur =cv2.blur(img,(3,3))

平均值 

方框滤波

box = cv2.boxFilter(img,-1,(3,3),normalize=True)

 和均值滤波一样  normalize=True要做归一化  normalize=False不做归一化（可能越界 越界部分全部为255）

高斯滤波

aussian = cv2.GaussianBlur (img,(5,5),1)

 越靠近 像素越重要 权重系数越大

中值滤波

median = cv2.medianBlur (img,5)

 5代表5x5 25个值按从小到大排序 取中值13的值

同时展示值     

res =np.vstack(?,?,median)
cv_show('First',res)

 hstack可以改成vstack

形态学—腐蚀操作

kernel = np. ones ((5,5) , np.uint8)
erosion = cv2.erode(img, kernel,iterations = 6)

去掉一些细小的特征 会使整张图片变的模糊  (5,5)代表卷积矩阵 iterations = 6代表迭代次数6次

形态学—膨胀操作

kernel = np. ones ((5,5) , np.uint8)
dig_dilate = cv2.dilate(erosion, kernel,iterations = 1)

开运算与闭运算 

开运算

kernel = np. ones ((5,5) , np.uint8)
opening =cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
cv_show('First',opening)
print(img)

闭运算

kernel = np. ones ((5,5) , np.uint8)
closing =cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
cv_show('First',closing)
print(img)

 开运算  先腐蚀再膨胀  ///  闭运算  先膨胀再腐蚀

梯度运算

kernel = np. ones ((7,7) , np.uint8)
gradient =cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
cv_show('First',gradient)

梯度 =膨胀 -腐蚀

礼帽与黑帽子

kernel = np. ones ((7,7) , np.uint8)
tophat =cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
cv_show('First',tophat)

礼帽：原始输入-开运算结果

kernel = np. ones ((7,7) , np.uint8)
blackhat =cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
cv_show('First',blackhat)

黑帽子：闭运算-原始输入

图像梯度—Sobel

sobelx = cv2.Sobel(img, cv2.CV_64F,1,0,ksize=3)
cv_show('First',sobelx)

ddepth:图像的深度

dx和dy分别表示水平和竖直方向

ksize是Sobel算子的大小