openCV部分基础知识

1.获取图像属性
常用的图像属性包括图像的行(height)、列(width)、通道(channel)、像素点数目、像素点数据类型等
row,col,channel=img.shape   #获取图像的行列通道
pixels=img.size  #图像像素数目
type=img.dtype   #图像的数据类型，常用的为uint8
ROI=img[a:b,c:d] #可以获取某一区域内的像素值

2.图像通道的拆分合并
openCV彩图的三通道分别为(B,G,R),和我们常用的(R,G,B)顺序不一样
    拆分
    b,g,r=cv2.split(img)#比较耗时
    合并
    img=cv2.merge([r,g,b])
 对单一通道进行操作可以采用
    img[:,:,channel]进行索引channel=[0,1,2]
   
3.图像的操作
3.1 扩边（边缘填充）
实例1
若你想在图片边缘再向外扩展（在卷积运算中有时会用到）
函数：cv2.copyMakeBorder(src,top,bottom,left,right,borderType)
(top,bottom,left,righ)对应边界填充数目
borderType:cv2.BORDER_CONSTANT 添加有颜色的常熟边界，需要下一个参数（value）
           cv2.BORDER_REFLECT  边界元素镜像,如fedcbd|abcdefgh|hgfedcb
           cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT  和上面类似，但有改动， gfedcb|abcdegfh|gfedcba
           cv2.BORDER_REPLICATE  重复最后一个元素，aaaaaa|abcdefgh|hhhhhhh
           cv2.BORDER_WRAP  截断，复制  cdefgh|abcdegfh|abcdefg
value,当borderType为cv2.BORDER_CONSTANT时需要输入边界颜色

3.2 图像上的算术运算
包括：加法，减法，位运算等
cv2.add(),cv2.addWidgeted()

3.2.1 图像加法
cv2.add(image1,image2)或者使用numpy,img=img1+img2
注：加法要求做加法的两张图像大小，像素格式必须一致，或者第二张图像只是一个标量值
opencv中的加法运算与numpy加法有所不同
前者是对图像做一种饱和操作，后者是一种模运算
相对图像领域来说，我们更喜欢openCV的加法
实例2

3.3 图像混合
也是一种加法，不过对于加法的元素取不同的权重，给人一种混合或者透明的感觉，计算公式
                    g(x)=(1-alpha)*f0(x)+alpha*f1(x)+gama   (gama为其他信号)
听说通过修改alpha值可以实现非常炫酷的混合(实例3)

3.4 按位运算
常见的按位运算有：AND,OR,NOT,XOR等
有时，我们可以将一张图像中某个特征提取出来，将其显示在另外一张图像中，类似抠图，可以利用按位运算
来实现(实例4，下一节附上，非常好玩实用的技能)

3.5程序性能
3.5.1 获取程序运行时间，默认优化
cv2.getTickCount,  #获取从参考点到该处所花的时钟数
cv2.getTickFrequency   #每秒钟的时钟数
#(timeout-timestart)/frequency

优化默认为开启状态，可以使用cv2.useOptimized()来查看优化是否开启
cv2.setUseOptimized(boolean)来开启

在代码中，尽量避免使用循环，尤其是双层三层循环，尽量使用向量操作，numpy和openCV都对向量操作进行了优化，
没有必要就不要复制数组，使用视图来代替复制

3.6 颜色空间转换
BGR←→GRAY    BGR←→HSV
函数cv2.cvtColor(src,flag)  #flag为转换类型，常用有cv2.COLOR_BGR2GRAY,cv2,COLOR_BGR2HSV  #(H(色度)取值[0,179]S(饱和度)取值[0,255],V(亮度)取值[0,255])
cv2.inRange()
HSV不同的软件使用的值可能不同，进行对比时，记得归一化
查询flag的方法

import cv2
flags=[i for i in dir(cv2) if i.startswith('COLOR_')]#很多种(274)
print(flags)

实例1（扩充边界）

import cv2
import numpy as np
import pylab
from matplotlib import pyplot as plt
pylab.rcParams['figure.figsize'] = (25.0, 12.0) # 显示大小

Blue=[0,0,255]

img=cv2.imread('rectAndPolylines.jpg')

b,g,r=cv2.split(img)
img=cv2.merge([r,g,b])
#不同的扩充方法
replicate=cv2.copyMakeBorder(img,30,10,10,30,cv2.BORDER_REPLICATE)
reflect=cv2.copyMakeBorder(img,30,10,10,30,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,30,10,10,30,cv2.BORDER_REFLECT_101)
wrap=cv2.copyMakeBorder(img,30,10,10,30,cv2.BORDER_WRAP)
constant=cv2.copyMakeBorder(img,30,10,10,30,cv2.BORDER_CONSTANT,value=Blue)

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('Reflect101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('Wrap')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('Constant')
plt.xticks([]),plt.yticks([])

plt.show()

图1 不同的扩充方法实验效果

可以明显看出各种方法的不同之处，Reflect的两种方法效果非常接近，只是在边缘细节的地方不一样，可以根据实际的效果来选择，而wrap则与前者不一样，尤其在边界的效果上，如果需要做到无缝的扩充则是reflect效果好。常数的扩充则在卷积过程中用的较为广泛。reflect和wrap可以做出很漂亮的印花图案（下图）。

实例2（openCV与Numpy的图像加法）

在前面的知识简介中已经作了描述，这里就直接附上效果图。

#区域加法
img1=240*np.ones((50,50,3),np.uint8)
img2=60*np.ones((50,50,3),np.uint8)
addValue=100#可以加上一个常数
#利用opencv的add函数
imgCVAdd=cv2.add(img1,img2)
#直接像素矩阵相加numpy
imgNumpyAdd=img1+img2
imgConstantAdd=cv2.add(img1,addValue)
imgConstantNumpyAdd=img1+addValue

图2 图像加法效果图

OpenCV的加法在图像领域还是要用的广泛，知道这种加法做起来会简便很多。

实例3 做一个可以调节权重的图像混合GUI

通过调节滑动条，我们可以实时控制两张图所占的比例，实现过程如下：

#读取图片
img1=cv2.imread('bob.png')
img2=cv2.imread('edithFinch2.jpg')
#可以在创建滑动条时做的事情，此处没想到可以做什么特别的，可以初始化一些数据
def doNothing(x):
    pass

cv2.namedWindow('AddPictures')
cv2.createTrackbar("weight(%)",'AddPictures',30,100,doNothing)#创建滑动条来控制权重

while(1):
    weight=cv2.getTrackbarPos("weight(%)",'AddPictures')
    #图像融合，根据比例来确定两张图片所占比重
    dstImage=cv2.addWeighted(img1,0.01*weight,img2,0.01*(100-weight),0)#两张图像的大小得一致
    cv2.imshow('AddPictures',dstImage)
    if cv2.waitKey(10) & 0xFF==ord('q'):#按下q,退出程序
        break
cv2.destroyAllWindows()

参考文献：OpenCV官方教程中文版for python