OpenCV轻松入门读书笔记（五）

a.在OpenCV中测试RGB色彩空间中不同颜色的值转换到HSV色彩空间后的对应值

import cv2
import numpy as np

imgBlue = np.zeros([1, 1, 3], dtype=np.uint8)
imgBlue[0, 0, 2] = 255
blue = imgBlue
blueHSV = cv2.cvtColor(blue, cv2.COLOR_BGR2HSV)
print("blue=\n", blue)
print("bluehsv=\n", blueHSV)

b.

编辑切换为居中

添加图片注释，不超过 140 字（可选）

编辑切换为居中

添加图片注释，不超过 140 字（可选）

使用函数cv2.inRange0将某个图像内的在[100,200]内的值标注出来

import cv2
import numpy as np

img = np.random.randint(0, 256, size=[5, 5], dtype=np.uint8)
min = 100
max = 200
mask = cv2.inRange(img, min, max)
print("img=\n", img)
print("mask=\n", mask)

.c.正常显示某个图像内的感兴趣区域(ROI)，而将其余区域显示为黑色

import cv2
import numpy as np

img = np.ones([5, 5], dtype=np.uint8) * 9
mask = np.zeros([5, 5], dtype=np.uint8)
mask[0:3, 0] = 1
mask[2:5, 2:4] = 1
roi = cv2.bitwise_and(img, img, mask=mask)
print("img=\n", img)
print("mask=\n", mask)
print("roi=\n", roi
      )

HSV色彩空间从心理学和视觉的角度出发，提出人眼的色彩知觉主要包含三要素:

H:色调(Hue，也称为色相)。

S:饱和度(Saturation)。

V:亮度(Value)。

d.设计程序，使用函数cv2.resize0对一个数组进行简单缩放

import cv2
import numpy as np

img = np.ones([2, 4, 3], dtype=np.uint8)
size = img.shape[:2]
rst = cv2.resize(img, size)
print("img.shape=\n", img.shape)
print("img=\n", img)
print("rst.shape=\n", rst.shape)
print("rst=\n", rst)

编辑

添加图片注释，不超过 140 字（可选）

e.设计程序，使用函数cv2.resize()完成一个简单的图像缩放

import cv2

img = cv2.imread("th.jfif")
rows, cols = img.shape[:2]
size = (int(cols * 0.9), int(rows * 0.5))
rst = cv2.resize(img, size)
print("img.shape=\n", img.shape)
print("rst.shape=\n", rst.shape)

f.设计程序，控制函数cv2.resize0的参数f参，完成图像缩放。

import cv2

img = cv2.imread("th.jfif")
rst = cv2.resize(img, None, fx=2, fy=0.5)


print("img.shape=\n", img.shape)
print("rst.shape=\n", rst.shape)

g.

编辑切换为居中

添加图片注释，不超过 140 字（可选）

设计程序，使用函数cv2.flip0完成图像的翻转

import cv2

img = cv2.imread("th.jfif")
x = cv2.flip(img, 0)
y = cv2.flip(img, 1)
xy = cv2.flip(img, -1)
cv2.imshow("a", img)
cv2.imshow("b", x)
cv2.imshow("av", y)
cv2.imshow("ax", xy)
cv2.waitKey()
cv2.destroyAllWindows()

h.设计程序，利用自定义转换矩阵完成图像平移。

import numpy as np

import cv2

img = cv2.imread("th.jfif")
height, width = img.shape[:2]
x = 100
y = 200
M = np.float32([[1, 0, x], [0, 1, y]])
move = cv2.warpAffine(img, M, (width, height))
cv2.imshow("origineal", img)
cv2.imshow("move", move)

cv2.waitKey()
cv2.destroyAllWindows()

i.

编辑切换为居中

添加图片注释，不超过 140 字（可选）

设计程序，完成图像旋转

import numpy as np

import cv2

img = cv2.imread("th.jfif")
height, width = img.shape[:2]
M = cv2.getRotationMatrix2D((width / 2, height / 2), 45, 0.6)
rotate = cv2.warpAffine(img, M, (width, height))
cv2.imshow("origineal", img)
cv2.imshow("move", rotate)

cv2.waitKey()
cv2.destroyAllWindows()

编辑切换为居中

添加图片注释，不超过 140 字（可选）

j.Python 中的集合是什么？

集合是项目的无序集合。每个元素都是唯一的（没有重复项），并且必须是不可变的（不能更改）。

但是，集合本身是可变的。我们可以在其中添加或删除项目。

集合可用于执行数学集合运算，例如并集，交集，对称差等。

可以使用add()方法添加单个元素，使用update()方法添加多个元素。update()方法可以采用元组，列表，字符串或其他集合作为其参数。在所有情况下，都避免重复。可以使用 discard() 和 remove() 方法从集合中删除特定项目。

两者之间的唯一区别是，如果使用 discard()，而项目不存在于集合中，则它保持不变。但是 remove() 在这种情况下会引发错误。

集合相交

A 和 B 的交集是在这两个集合中共有的一组元素。

交点使用 & 运算符执行。使用 intersection() 方法可以完成相同的操作。

集合差异

A 和 B 的差 A - B 是仅在 A 中但不在 B 中的一组元素。类似地，B - A 是 B 中但不在 A 中的一组元素。

差异是使用 - 运算符执行的。使用 difference() 方法可以完成相同的操作。

集合对称差异

A 和 B 的对称差异是 A 和 B 中的一组元素，但两者中的元素相同。

对称差使用 ^ 运算符执行。使用 symmetric_difference() 方法可以完成相同的操作。

k.输入一个非空集合my_set，输出my_set中最大的元素。

my_set = eval(input())
# write your code here
print(max(my_set))

l.给你三个集合my_dict1、my_dict2和my_dict3，输出在前两个集合中都存在，但不在第三个集合中的元素个数

set1=my_set1.intersection(my_set2)
set2=set1.difference(my_set3)
print(len(set2))

m.集合中绝对值小于 10 的元素之和

sum=0
for i in my_set:
    if abs(i)<10:#abs () 函数返回数字的绝对值
        sum+=i
print(sum)

n.给你一个字典my_dict，输出my_dict中有多少个不同的 value。

my_dict = eval(input())
# write your code here
# 首先需要获取字典中的value值，通过dict.values()方法可以得到一个 value 集合的伪列表。
# 题目要求找到不同的value，想到了集合具有元素互异性，故使用set（）将其转换成集合，
#就只留下了互异（不同）的value，统计该集合的长途
#集合是项目的无序集合。每个元素都是唯一的（没有重复项）
print(len(set(my_dict.values())))

o.给你两个字典my_dict1和my_dict2，请你将其合并成一个字典，输出合并后的字典的大小。

my_dict1.update(my_dict2)
print(len(my_dict1))

p.给你一个字典 my_dict 和一个非空列表 nums，将 nums 中的元素替换成 my_dict 中对应的 value，输出替换后的 nums。

保证 nums 中的元素均出现在 my_dict 的 key 中。

for i in range (0,len(nums)):
    nums[i]=my_dict.get(nums[i])
print(nums)