目录
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