Opencv基本操作(1)--cv2.imread,cv2.imshow,cv2.imwrite,cv2.cvtColor,cv2.split,cv2.merge,cv2.calcHist

目录

1.读入图像：cv2.imread(filename,flags)

2.显示图像：cv2.imshow(winname,mat)

3.保存图像：cv2.imwrite(filename,img,params)

4.灰度转化等：cv2.cvtColor(src,code,dst,dstcn)

5.通道分离：cv2.split(m,mv=None):将彩色图像，分为b,g,r3个单通道图像，方便我们对BGR三个通道分别进行操作

6.通道合并：cv2.merge(mv,dst=None)：通道分离为B、G、R后，对单独通道进行修改，最后将修改后的三通道合并为彩色图像

7.图像直方图：cv2.calcHist(images,channels,mask,histSize,ranges):对图像像素的统计分布，统计了每个像素的数量

---

安装方式：pip install opencv-contrib-python

1.读入图像：cv2.imread(filename,flags)

第一个参数为待读路径；第二个参数为读取方式，常见读取方式有三种：

（1）cv2.IMREAD_COLOR:数字表示为1，为默认值，加载一张彩色图片，忽视透明度

（2）cv2.IMREAD_GRAYSCALE：数字表示为0，表示加载一张灰度图

（3）cv2.IMREAD_UNCHANGED：数字表示为-1，加载图像，包括它的Alpha通道

#0代表灰度图形式打开，1代表彩色形式打开
img = cv2.imread('split.jpg',1)

2.显示图像：cv2.imshow(winname,mat)

第一个参数为窗口的名字，第二个参数为图像数据矩阵名

#读取图像，读取方式为彩色读取
img = cv2.imread('split.jpg',1)
#
cv2.imshow('photo',img)

3.保存图像：cv2.imwrite(filename,img,params)

第一个参数是要保存的文件名，第二个参数是要保存的图像。可选的第三个参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95;对于png ,第三个参数表示的是压缩级别。默认为3.

#导入opencv依赖库
import cv2

#读取图像，读取方式为彩色读取
img = cv2.imread('split.jpg',1)
#
cv2.imshow('photo',img)
k = cv2.waitKey(0)
if k == 27:   # 输入ESC键退出
    cv2.destroyAllWindows()
elif k == ord('s'): # 输入S键保存图片并退出
    cv2.imwrite('split_.jpg',img)
cv2.destroyAllWindows()

4.灰度转化等：cv2.cvtColor(src,code,dst,dstcn)

第一个参数为待转换图像的像素矩阵，第二个参数flag就是转换模式，cv2.COLOR_BGR2GRAY：彩色转灰度，cv2.COLOR_GRAY2BGR:单通道转三通道，cv2.COLOR_BGR2RGB：BGR和RGB的转化

第三个参数为输出图像，与输入图像具有相同大小和深度，第四个参数是目标图像中的通道数；默认参数为0，从src和code自动导出通道

#导入opencv
import cv2 
#读入原始图像，使用cv2.IMREAD_UNCHANGED
img = cv2.imread("girl.jpg",cv2.IMREAD_UNCHANGED)
#查看打印图像的shape
shape = img.shape
print(shape)
#判断通道数是否为3通道或4通道
if shape[2] == 3 or shape[2] == 4 :
    #将彩色图转化为单通道图
    img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    cv2.imshow("gray_image",img_gray)
cv2.imshow("image", img)
cv2.waitKey(1000)
cv2.destroyAllWindows()

公式转化为：GRAY=B*0.114+G*0.587+R*0.299

img=img[:,",::-1]也可实现BGR2RGB的转化，逆序

5.通道分离：cv2.split(m,mv=None):将彩色图像，分为b,g,r3个单通道图像，方便我们对BGR三个通道分别进行操作

参数1为待分离通道的图像

#加载opencv
import cv2
src=cv2.imread('split.jpg')
cv2.imshow('before',src)
#调用通道分离
b,g,r=cv2.split(src)
#三通道分别显示
cv2.imshow('blue',b)
cv2.imshow('green',g)
cv2.imshow('red',r)
cv2.waitKey(0)
cv2.destroyAllWindows()

6.通道合并：cv2.merge(mv,dst=None)：通道分离为B、G、R后，对单独通道进行修改，最后将修改后的三通道合并为彩色图像

第一个参数为待合并的通道，以list的形式输入

#加载opencv
import cv2
src=cv2.imread('split.jpg')
cv2.imshow('before',src)
#调用通道分离
b,g,r=cv2.split(src)
#将Blue通道数值修改为0
g[:] = 0
#合并修改后的通道
img_merge=cv2.merge([b,g,r])
cv2.imshow('merge',img_merge)
cv2.waitKey(0)
cv2.destroyAllWindows()

7.图像直方图：cv2.calcHist(images,channels,mask,histSize,ranges):对图像像素的统计分布，统计了每个像素的数量

第一个参数为待统计图像，需要用中括号括起来；第二个参数为待计算的通道；第三个参数为mask，这里没有使用，所以用None；第四个参数histSize，表示直方图分成多少份；第五个参数是表示直方图中像素值的范围。

from matplotlib import pyplot as plt
import cv2
import numpy as np
img = cv2.imread('girl.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

plt.imshow(img_gray, cmap=plt.cm.gray)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])


plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.xlim([0, 256])
plt.show()

from matplotlib import pyplot as plt
import cv2
girl = cv2.imread("girl.jpg")
cv2.imshow("girl", girl)
color = ("b", "g", "r")
#使用for循环遍历color列表，enumerate枚举返回索引和值
for i, color in enumerate(color):
    hist = cv2.calcHist([girl], [i], None, [256], [0, 256])
    plt.title("girl")
    plt.xlabel("Bins")
    plt.ylabel("num of perlex")
    plt.plot(hist, color = color)
    plt.xlim([0, 260])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()