opencv图像基本操作

1、像素点：0~255

     彩色图：RGB三通道

2、数据读取-图像

• cv.2.IMREAD_COLOR:彩色图像
• cv.2.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('cat.jpg')

# 读取灰度图像
img = cv2.imread('cat.jpg',cv2.IMREAD GRAYSCALE)

img.shape

# 图像的显示，也可以创建多个窗口
cv2.imshow('image',img)
# 等待时间，毫秒级，0表示任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()

# 定义一个函数执行以上三行代码
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 保存
cv2.imwrite('mycat.png',img)

 3、数据读取-视频

• cv2.VideoCapture可以捕捉摄像头，用数字控制不同的设备，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')

# 检查是否打开正确
if vc.isOpened():
    open, frame = vc.read()
else:
    open = False

while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret ==True:
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        cv2.imshow('result',gray)
        if cv2.waitKey(10) & 0xFF == 27:    # 退出键
            break
vc.release()
cv2.destroyAllWindows()

# 截取部分图像数据
img = cv2.imread('cat.jpg')
cat = img[0:200,0:200]
cv_show('cat',cat)

# 颜色通道提取
b,g,r = cv2.split(img)

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

# 只保留R    (BGR 012)
cur_img = img.copy()
cur_img[:,:,:0] = 0
cur_img[:,:,:1] = 0
cv_show('R',cur_img)

 4、边界填充

• BORDER_REPLICATE:复制法，即复制最边缘像素
• BORDER_REFLECT:反射法，对感兴趣的图像中的像素在两边进行复制
• BORDER_REFLECT_101:反射法，以最边缘像素为轴
• BORDER_WRAP:外包装法
• BORDER_CONSTANT:常量法，常数值填充

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

replicate = cv2.copyMakeBordor(img,top_size,bottom_size,left_size,right_size,bordorType = cv2.BOREAD_REPLICATE)
reflect = cv2.copyMakeBordor(img,top_size,bottom_size,left_size,right_size,cv2.BOREAD_REFLECT)
#
#
constant = cv2.copyMakeBordor(img,top_size,bottom_size,left_size,right_size,cv2.BOREAD_CONSTANT,value = 0) # value=0即加黑框

import matplotlib.pyplot as plt
plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
####
plt.show()

5、数值计算

6、图像融合

img_cat.shape
    # (414,500,3)
img_dog = cv2.resize(img.dog,(500，414)# 统一图片shape大小
img_dog.shape
    # (414,500,3)

# 0为偏置项，表示提亮多少
res = cv2.addWeighted(img_cat,0.4,img_dog,0.6,0)
plt.imshow(res)

# 依据倍数放大or缩小
res = cv2.resize(img,(0,0),fx=3,fy=1)    # 3和2表示倍数
plt.imshow(res)

7、图像阈值

ret, dst = cv2.threshold(src, thresh, maxval, type)

• src：输入图，只能输入单通道图像，通常为灰度图
• dst：输出图
• thresh：阈值
• maxval：当像素值超过了阈值（or小于阈值，根据type来决定），所赋予的值
• type：二值化操作的类型，包含以下五种类型：

        cv2.THRESH_BINARY；cv2.THRESH_BINARY_INV；cv2.THRESH_TRUNC；cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV；

• cv2.THRESH_BINARY：超过阈值部分取maxval（最大值），否则取0
• cv2.THRESH_BINARY：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

 8、图像平滑处理

# 均值滤波
# 简单的平均卷积操作
blur = cv2.blur(img,(3,3))

cv2.imshow('blur',blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 方框滤波
# 基本和均值一样，可以选择归一化
# -1表示一致
box = cv2.boxFilter(img,-1,(3,3),normalize = True)
# 容易越界（越界值>255则全取为255
box = cv2.boxFilter(img,-1,(3,3),normalize = False)

# 高斯滤波
# 高斯模糊的卷积核里的数值是高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img,(5,5),1)

# 中值函数
# 相当于用中值代替
median = cv2.medianBlur(img,5) # 中值滤波

# 展示所有的
res = np.hstack(blur,aussian,median)    # 横向拼接
# res = np.vstack(blur,aussian,median)    竖向拼接
print (res)
cv2.imshow('median vs averange',res)
cv2.waitKey(0)
cv2.destroyAllWindows()