OpenCV 图像处理 显示

PIL、 matplotlib 和 OpenCV的存储方式不一样，前两者是（ R, G, B ），后者是（B , G, R ）
因此最好不要用matplotlib （plt）显示OpenCV处理的图像

OpenCV显示

cv2.imshow(" name", image)  #name是显示窗口的名称
cv2.waitKey(0)  			#按键盘时，鼠标要落在显示窗口上
cv2.destroyAllWindows()

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import matplotlib.pyplot as plt

#cv2.IMREAD_COLOR：读入一副彩色图像，图像的透明度会被忽略
#cv2.IMREAD_GRAYSCALE：以灰度模式读入图像

#读取和保存图像
#img = cv2.imread("tmp.jpg")
#cv2.imwrite("tmp.png",img)  #" "内为保存的图像名称

#高斯滤波
def GausBlur(img):
    gaus = cv2.GaussianBlur(img,(5,5),2)   #(5, 5)表示高斯矩阵的长与宽都是5，标准差取2    
    return gaus

#imread 读的彩色图按照BGR像素存储，如果转换成RGB则需要用cvtColor函数进行转换
src = cv2.imread("tmp.jpg")
src_rgb = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)
src_gray = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY) #由于是BGR存储，所以不是灰色
cv2.imshow("src", src)
cv2.imshow("srcsrc_rgb", src_rgb)
cv2.imshow("gray", src_gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

guas = GausBlur(src_gray)
cv2.imshow("guas", guas)
cv2.waitKey(0)
cv2.destroyAllWindows()

#imread读取的图片按照Hight,Weight,Channel 格式存储
print("src shape: ",src.shape)
print("src_gray shape: ",src_gray.shape)

#gray = 0.3*R+0.59*G+0.11*B
(B, G, R) = cv2.split(src) #分离图像的BGR分量
(R1, G1, B1) = cv2.split(src_rgb) 

# 把灰度处理过的图片二值化, 调节阈值可以查看二值化的程度
# 这个函数有四个参数, 第一个原图像src_gray, 第二个进行分类的阈值148, 
# 第三个是高于（低于）阈值时赋予的新值255, 第四个是一个方法选择参数
# cv2.THRESH_BINARY为（）黑白二值）
# cv2.THRESH_BINARY_INV（）为反过来的黑白二值
ret , binary = cv2.threshold(src_gray ,148 , 255 , cv2.THRESH_BINARY_INV)  
cv2.imshow("binary", binary)
cv2.imshow("~binary",~binary)
cv2.waitKey(0)
cv2.destroyAllWindows()