OpenCV学习过程(1)

目录

1.数据读取图像

显示图像

显示图像大小

转换为灰度图像

保存图像

显示图像类型

显示图像的像素点

显示图像的数据类型 

截取部分图像

颜色通道提取

2.数据读取：视频

3.边界填充

4.数值计算

---

1.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 numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
img = cv2.imread('image/cat.jpg')

显示图像

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

显示图像大小

img.shape  #(312, 312, 3)

转换为灰度图像

img=cv2.imread('image/cat.jpg',cv2.IMREAD_GRAYSCALE)  #  转换为灰度图像

保存图像

cv2.imwrite('image/cat.jpg',img)

显示图像类型

type(img)  #numpy.ndarray

显示图像的像素点

img.size  #97344

显示图像的数据类型 

img.dtype  #dtype('unit8')

截取部分图像

img=cv2.imread('image/cat1.jpg')
cat = img[0:200,0:200]  #用切片指定一个区域进行截取
cv_show('cat',cat)

颜色通道提取

一张彩色图像就是由R,G,B这三个颜色通道组成，因此它们的大小都是一样的。

把图像分成三个通道

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

但由于OpenCV读取的格式是B，G，R ,我们需要将图片以这种形式进行融合

img=cv2.merge([b,g,r])  #三个通道进行融合

只保留R,其他颜色通道不填即可

cur_img = img.copy()  #拷贝一张图像，防止原图像变样
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

2.数据读取：视频

vc=cv2.VideoCapture('image/test.mp4')
#  检查是否打开正确
if vc.isOpened():
    open, frame = vc.read()  #open显示bool值，frame显示读取视频里的图片
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:
            break
vc.release()
cv2.destroyAllWindows() 

3.边界填充

• 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cdefgh|abcdefgh|abcdefg  
  BORDER_CONSTANT：常量法，常数值填充。

• 最后那张图像，我用value=0进行填充，所以周围会填充黑色

top_size,bottom_size,left_size,right_size = (50,50,50,50)  #上下左右填充的尺寸大小

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)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)

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.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')

plt.show()

 4.数值计算

img_cat = cv2.imread('image/cat1.jpg')
img_dog = cv2.imread('image/dog.jpg')
img_cat2 = img_cat + 10
img_cat[:5,:,0]  #指定打印前五行数据

img_cat2[:5,:,0]

(img_cat+img_cat2)[:5,:,0]  #大于255的数据，会与255进行取余
#cv2.add(img_cat,img_cat2)[:5,:,0]  #大于255的取255，小于255的取自身
#OpenCV的计算方法

从上面三幅图可以看到它们之间实现了数值的相加

5.图像的融合

当你融合两张图片为一张图片时，必须确保两张图片的shape是一致的，否则会报错

如果两张图片不一致，我们可以用resize重新修改一张图片，与另一张图片的shape保持一致

img_cat = cv2.resize(img_cat,(1280,853))
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)
plt.imshow(res)

这里0.4,0.6是两张图片各自的权重值，0是偏置，这里涉及一个计算，设猫图片为x1,狗图片为x2，目标值=0.4*x1+0.6*x2+0 

根据比例调整图片大小

img_dog = cv2.resize(img, (0,0), fx=1, fy=0.5)
plt.imshow(img_dog)  #把目标值设为0，根据比例来调整图像大小