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()