一.软件使用与基础入门

软件使用：
实例：学会使用anaconda，spyder，opencv
**

1.读取图像

**
imread(filename,flag)
filename:完整的图像文件名；
flag：读取标记来控制读取文件的类型；默认值是1（IMREAD_COLOR）
imread可以读取到几乎所有格式的图像文件
例子：读取一副图像
import cv2
#以unchange读取color.png文件
img = cv2.imread（“color.jpg”，-1）

**

2.图像显示

2.1 namedWindow(winname，para):用来指定名称的窗口，winname即窗口名，para是窗口的标识，一般默认为WINDOW_AUTOSIZE，设置为WINDOW_NORMAL可以显示为可调整大小的窗口。
2.2 imshow(winname，mat),winname是要创建的窗口名，mat是要显示的图像。
例子：接着1中的例子，将读取到图像进行显示。
import cv2
#读取图像
img = cv2.imread(“color.jpg”)
#创建窗口
cv2.namedWindow(“lesson1”,cv2.WINDOW_NORMAL)
#显示图像到窗口
cv2.imshow(“lesson1”,img)

也可以不创建窗口，直接把图像显示到窗口
cv2.imshow(winname,picture)

cv2.waitKey(0)
cv2.destroyAllWindows()

2.3waiKey()函数
函数 cv2.waitKey（）用来等待按键，当用户按下键盘后，该语句会被执行，并获取返回值。
retval=cv2.waitKey（[delay]）
式中：
● retval表示返回值。如果没有按键被按下，则返回−1；如果有按键被按下，则返回该按键的ASCII码。
● delay 表示等待键盘触发的时间，单位是 ms。当该值是负数或者零时，表示无限等待。该值默认为0。
2.4 destroyWindow函数
函数cv2.destroyWindow（）用来释放（销毁）指定窗口，其语法格式为：
None=cv2.destroyWindow（winname）
其中，winname是窗口的名称。
2.5destroyAllWindows函数
函数cv2.destroyAllWindows（）用来释放（销毁）所有窗口，其语法格式为：
None=cv2.destroyAllWindows（）
**
**

3.保存图像

cv2.imwrite（），用来保存图像，
retval=cv2.imwrite（filename,img[,params]）
式中：
● retval是返回值。如果保存成功，则返回逻辑值真（True）；如果保存不成功，则返回逻辑值假（False）。
● filename是要保存的目标文件的完整路径名，包含文件扩展名。
● img是被保存图像的名称。
● params是保存类型参数

**
**

4.图像处理基础

4.1图像的基本表示方法
在计算机中，通过一个栅格状排列的数据集来表示和处理图像，将图像划分为一个个小方块，每一个小方块就是一个独立的处理单位，成为像素点。

4.1.1二值图像：仅仅包含黑色和白色两种颜色的图像。在处理时，将黑色像素点处理为0，白色像素点处理为1。

4.1.2灰度图像：数值255表示纯白，数值0表示纯黑，其余的数值表示从纯白到纯黑不同级别的灰度。

注意：有些情况下，也会使用8位二进制值来表示一幅二值图像。这种情况下，使用灰度值255表示白色、灰度值0表示黑色。此时，该二值图像内仅有数值0和数值255两种类型的灰度值（灰度级），不存在其他灰度值的像素点。

4.1.3彩色图像：在 RGB 色彩空间中，存在 R（red，红色）通道、G（green，绿色）通道和 B（blue，蓝色）通道，共三个通道。每个色彩通道值的范围都在[0,255]之间，我们用这三个色彩通道的组合表示颜色。通常用一个三维数组来表示一幅RGB色彩空间的彩色图像。
注意：opencv中，通道的顺序不是RGB而是BGR。第1通道保存B通道信息，第2通道保存G通道信息，第3通道保存R通道信息。

4.2 像素处理
4.2.1二值图像与灰度图像
需要说明的是，在OpenCV中，最小的数据类型是无符号的8位数
在OpenCV中实际上并没有二值图像这种数据类型，二值图像经常是通过处理得到的，然后使用0表示黑色，使用255表示白色。
分析可知，可以将图像理解为一个矩阵，在面向Python的OpenCV（OpenCV for Python）中，图像就是 Numpy 库中的数组。一个 OpenCV 灰度图像是一个二维数组，可以使用表达式访问其中的像素值。例如，可以使用image[0,0]访问图像image第0行第0列位置上的像素点。第0行第0列位于图像的左上角，其中第1个索引表示第0行，第2个索引表示第0列。
例子1：
import cv2 as cv
import numpy as np

#定义一个图像8*8
img = np.zeros((10000,10000),dtype =np.uint8)
#show this img
cv.imshow(“one”,img)
#修改图像 黑改为白
img[0,3] = 255
cv.imshow(“two”,img)

cv.waitKey(0)
cv.destroyAllWindows()

例子2：读取一个灰度图像并对其进行访问修改
import cv2 as cv
import numpy as np

#读取图像
img = cv.imread(“moliniao.jpg”,0)
#修改图像
for i in range(10,100):
for j in range(80,100):
img[i,j] = 255
#显示修改完的图像
cv.imshow(“window”,img)

cv.waitKey(0)
cv.destroyAllWindows()


4.2.2彩色图像
RGB模式的彩色图像在读入OpenCV内进行处理时，会按照行方向依次读取该RGB图像的B通道、G通道、R通道的像素点，并将像素点以行为单位存储在ndarray的列中。

img[0,0,0]：访问的是B通道内第0行第0列上的像素点
img[0,0,1]：访问的是G通道内第0行第0列上的像素点
img[0,0,2]：访问的是R通道内第0行第0列上的像素点
img[0,0]：访问图像img第0行第0列像素点的BGR值。

例子：使用Numpy生成三维数组，用来观察三个通道值的变化情况。

**import cv2 as cv
import numpy as np

#creat blue
blue = np.zeros((300,300,3),dtype = np.uint8)
#将通道blue设置为255，其他两色为初始值0
blue[:,:,0] = 255
print(“blue =\n”,blue)
cv.imshow(“blue”,blue)
#以上就是一副蓝色图片

#creat green
green = np.zeros((300,300,3),dtype = np.uint8)
#将通道blue设置为255，其他两色为初始值0
green[:,:,1] = 255
print(“green =\n”,green)
cv.imshow(“green”,green)
#以上就是一副绿色图片

#creat red
red = np.zeros((300,300,3),dtype = np.uint8)
#将通道blue设置为255，其他两色为初始值0
red[:,:,2] = 100
print(“red =\n”,red)
cv.imshow(“red”,red)
#以上就是一副绿色图片

cv.waitKey(0)
cv.destroyAllWindows()

4.3使用numpy.array访问像素

numpy.array提供了item（）****和itemset（）****函数来访问和修改像素值，而且这两个函数都是经过优化处理的，能够更大幅度地提高处理效率。

函数item（）能够更加高效地访问图像的像素点，该函数的语法格式为：
item（行，列）
函数itemset（）可以用来修改像素值，其语法格式为：itemset（索引值，新值）

4.3.1二值图像与灰度图像
使用 Numpy 生成一个二维随机数组，用来模拟一幅灰度图像，并对其像素进行访问、修改。
使用Numpy中的random.randint可以生成一个随机数组，该随机数组对应一幅灰度图像。

例子1：随机生成一个灰度图
import cv2 as cv
import numpy as np

#生成0-256范围内数值的256*256的矩阵
img = np.random.randint(0,256,size = [256,256],dtype = np.uint8)
print(“img=\n”,img)
print(“读取像素点img.item(3,2)=”,img.item(3,2))
cv.imshow(“demo”,img)
print(“img=\n”,img)
print(“读取像素点img.item(3,2)=”,img.item(3,2))

cv.waitKey(0)
cv.destroyAllWindows()

例子2：读取一幅灰度图像，并对其像素值进行访问、修改。

import cv2 as cv
import numpy as np

img = cv.imread("moliniao.jpg",0)
cv.imshow("demo0",img)
print("img = \n",img)
#读取，修改单个像素点
print("读取像素点img.item(3,2) = \n",img.item(3,2))
img.itemset((3,2) ,255)
print("修改后的像素点img.item(3,2) = img.item(3,2)",img.item(3,2))
cv.imshow("demo1",img)

#测试修改一个区域
for i in range(10,100):
    for j in range(50,100):
        img.itemset((i,j),255)

cv.imshow("demo2",img)
cv.waitKey(0)
cv.destroyAllWindows()  

4.3.2彩色图像
函数item（）访问RGB模式图像的像素值时，其语法格式为：
item（行，列，通道）
函数itemset（）修改（设置）RGB模式图像的像素值时，其语法格式为：
itemset(（行，列，通道），（目标值）)

注意：需要注意，针对 RGB 图像的访问，必须同时指定行、列以及行列索引（通道）
例子1：
#使用Numpy生成一个由随机数构成的三维数组，用来模拟一幅RGB色彩空间的彩色图像，并使用函数item（）和itemset（）来访问和修改它。
import cv2 as cv
import numpy as np
#creat img
img = np.random.randint(10,99,size = [2,4,3],dtype = np.uint8)
print(“img =\n”,img)
print(“读取像素点img[1,2,0]=\n”,img.item(1,2,0))
print(“读取像素点img[0,1,2]=\n”,img.item(0,1,2))
print(“读取像素点img[1,0,2]=\n”,img.item(1,0,2))
#修改
img.itemset((1,2,0),255)
img.itemset((0,1,2),255)
img.itemset((1,0,2),255)

print(“修改后读取像素点img[1,2,0]=”,img.item(1,2,0))
print(“修改后读取像素点img[0,1,2]=”,img.item(0,1,2))
print(“修改后读取像素点img[1,0,2]=”,img.item(1,0,2))

例子2：生成一幅彩色图像，让其中的像素值均为随机数。
#生成一幅彩色图像，让其中的像素值均为随机数。
import cv2 as cv
import numpy as np

BGR_img = np.random.randint(0,256,size =[256,256,3],dtype = np.uint8)
cv.imshow(“BGR_IMG”,BGR_img)

cv.waitKey(0)
cv.destroyAllWindows()

例子3：读取一幅彩色图像，并对其像素进行访问、修改。
#读取一幅彩色图像，并对其像素进行访问、修改。
import cv2 as cv
import numpy as np

img = cv.imread(“color.jpg”)
print(“img.item(0,0,0)= \n”,img.item(0,0,0))
print(“img.item(0,0,1)= \n”,img.item(0,0,1))
print(“img.item(0,0,2)= \n”,img.item(0,0,2))
cv.imshow(“before”,img)

for i in range(100,200):
for j in range(100,200):
for k in range(0,3):
img.itemset((i,j,k),0)#黑色
cv.imshow(“black”,img)

for i in range(100,200):
for j in range(100,200):
for k in range(0,3):
img.itemset((i,j,k),255)#白色
cv.imshow(“white”,img)

**

4.4感兴趣的区域（region of interest,ROI）

**
在图像处理过程中，我们可能会对图像的某一个特定区域感兴趣，该区域被称为感兴趣区域（Region of Interest,ROI）。在设定感兴趣区域ROI后，就可以对该区域进行整体操作。例如，将一个感兴趣区域A赋值给变量B后，可以将该变量B赋值给另外一个区域C，从而达到在区域C内复制区域A的目的。
操作：a = img[200:400,200:400]
img[200:400,400:600] =a
就可复制a到区域

例子1：获取图像内的区域，在新窗口显示

import cv2 as cv
import numpy as np

img = cv.imread("color.jpg")
face = img[80:240,100:300]

cv.imshow("original",img)
cv.imshow("face",face)
       
cv.waitKey(0)
cv.destroyAllWindows()

例子2：对上例中脸部打码
import cv2 as cv
import numpy as np

img = cv.imread(“color.jpg”)
cv.imshow(“original”,img)
face = img[80:240,100:300]
mask = np.random.randint(0,256,size = (160,200,3),dtype = np.uint8)
img[80:240,100:300] = mask
cv.imshow(“aftermask”,img)

cv.waitKey(0)
cv.destroyAllWindows()

**

4.5通道操作

4.5.1通道拆分
1.通过索引拆分
B = [:,:,0]
G = [:,:,1]
R = [:,:,2]
**
例子1：编写程序，演示图像通道拆分及通道值改变对彩色图像的影响
import cv2 as cv
import numpy as np

img = cv.imread(“color.jpg”)
cv.imshow(“original”,img)

b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2]

cv.imshow(“b”,b)
cv.imshow(“g”,g)
cv.imshow(“r”,r)

img[:,:,0] = 0
cv.imshow(“imgb0”,img)

img[:,:,1] = 0
cv.imshow(“imgg0”,img)

img[:,:,2] = 0
cv.imshow(“imgr0”,img)

cv.waitKey(0)
cv.destroyAllWindows()
2.通过函数拆分
函数cv2.split（）能够拆分图像的通道。
b,g,r = cv2.split(img)
等价写法：
b=cv2.split（a）[0]
g=cv2.split（a）[1]
r=cv2.split（a）[2]

例子2：编写程序，使用函数cv2.split（）拆分图像通道。
import cv2 as cv
import numpy as np

img = cv.imread(“color.jpg”)
cv.imshow(“original”,img)

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

cv.imshow(“b”,b)
cv.imshow(“g”,g)
cv.imshow(“r”,r)
cv.waitKey(0)
cv.destroyAllWindows()

4.5.2通道合并
函数cv2.merge（）可以实现图像通道的合并
实现的语句为：
bgr=cv2.merge（[b,g,r]）
例子1#编写程序，演示使用函数cv2.merge（）合并通道。
import cv2 as cv
import numpy as np

img = cv.imread(“color.jpg”)
b,g,r = cv.split(img)

bgr = cv.merge([b,g,r])
rgb = cv.merge([r,g,b])
gbr = cv.merge([g,b,r])

cv.imshow(“bgr”,bgr)
cv.imshow(“rgb”,rgb)
cv.imshow(“gbr”,gbr)

cv.waitKey(0)
cv.destroyAllWindows()

**

4.6获取图像的属性

常用的属性：
● shape：如果是彩色图像，则返回包含行数、列数、通道数的数组；如果是二值图像或者灰度图像，则仅返回行数和列数。通过该属性的返回值是否包含通道数，可以判断一幅图像是灰度图像（或二值图像）还是彩色图像。
**● size：**返回图像的像素数目。其值为“行×列×通道数”，灰度图像或者二值图像的通道数为1。
**● dtype：**返回图像的数据类型。
**
例子：编写程序，观察图像的常用属性值。

import cv2 as cv
import numpy as np

img = cv.imread("color.jpg",1)

print("图像属性：\n")
print("shape = ",img.shape)
print("size = ",img.size)
print("dtype = ",img.dtype)

下一篇将学习视频相关的操作