Python+OpenCV图像处理！PS对于图像处理来说简直小儿科！

序

简介： OpenCV（Open Source Computer Vision Library）是一个跨平台的计算机视觉库。

应用领域：

OpenCV可用于解决如下领域的问题：

• 增强现实

• 人脸识别

• 手势识别

• 人机交互

• 动作识别

• 运动跟踪

• 物体识别

• 图像分割

• 机器人

---

作为一个游离在编程大门之外的小白，我开始了艰难的自学之路，在被泛函分析、数值分析折磨之余，敲敲代码学习一下Python，咸鱼就是这么犹豫，永远不知道自己究竟想干什么，管他呢，想得多，烦恼多。开始整理

---

图像读取

代码如下：

1. '''

2. 目的：读取一幅图像

3. 实现方式：opencv

4. '''

5.  

6. import cv2 # 引入模块

7.  

8. img = cv2.imread("E://image//12.jpg") # 读取图像

9.  

10.  

11. # 定义一个函数显示图像

12.  

13. def cv_show(name, img):

14. cv2.imshow(name, img)

15. cv2.waitKey(0)

16. cv2.destroyAllWindows()

17.  

18.  

19. cv_show('image', img)

转换颜色空间

代码：

1. '''

2. 目的：转换图片的颜色空间

3. 实现方式：opencv

4. '''

5.  

6. import cv2 # 引入模块

7.  

8. img = cv2.imread('E:\\image\\street.jpg')

9.  

10.  

11. # 定义显示函数

12. def cv_show(name, img):

13. cv2.imshow(name, img)

14. cv2.namedWindow(name, 0)

15. cv2.resizeWindow(name, 1000, 600)

16. cv2.waitKey(0)

17. cv2.destroyAllWindows()

18.  

19.  

20. # 转换颜色空间

21. img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

22. cv_show('picture', img_gray)

23. img_ycbcr = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)

24. cv_show('YCBCR', img_ycbcr)

25. img_ntsc = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)

26. cv_show('NTSC', img_ntsc)

获取图片矩阵数据

代码：

1. '''

2. 目的：打印图片矩阵数据

3. 实现方式：opencv

4. '''

5.  

6. ## 引入模块

7. import cv2

8. import numpy as np

9.  

10. ## 读取图片

11. img = cv2.imread('E:\image\tower Japan.jpg')

12.  

13. ## 相应变量

14. img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

15. img_ntsc = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)

16. img_ycbcr = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)

17.  

18. ## 定义打印数值函数

19. def mdata(name, img):

20. data = np.array(img)

21. print(data)

22.  

23. ## 调用函数

24. mdata('img', img)

25.  

26. ## writfile('img',img)

27. mdata('img_gray', img_gray)

28. mdata('img_ntsc', img_ntsc)

29. mdata('img_ycbcr', img_ycbcr)

30.  

31. ## 打印图片的行数和列数

32. h, w, _ = img.shape

33. print('行数%d,列数%d' % (h, w))

截取部分显示

代码：

1. '''

2. 目的：实现图片的部分显示

3. 实现方式：opencv

4. '''

5.  

6. ## 引入模块

7. import cv2

8. img = cv2.imread('E:\image\12.jpg')

9.  

10. ## 定义一个分割函数实现部分图片的显示

11. def cut_image(p):

12. image = p[100:500, 200:600]

13. cv2.imshow('picture', image)

14. cv2.waitKey(0)

15. cut_image(img)

直方图均衡化

代码：

1. '''

2. 目标：实现灰度图片的直方图均衡化

3. 实现方式：opencv与numpy

4. '''

5. import cv2# 引入模块

6. import numpy as np

7. from matplotlib import pyplot as plt

8. img = cv2.imread("E:\image\12.jpg", 0)

9. plt.hist(img.ravel(), 256, [0, 256])

10. plt.axis('off')

11. plt.show()# 获取图像的直方图

12. #直方图均衡化（全局）

13. equ = cv2.equalizeHist(img)

14. res = np.hstack((img, equ)) # 并排叠加图片

15. cv2.imshow('', equ)

16. cv2.waitKey(0)

17.  

18. ## 直方图均衡化（部分） ps：这种办法局部细节丢失较少

19. '''clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))

20. cl1 = clahe.apply(img)

21. cv2.imshow('p',cl1)

22. cv2.imshow('k',img)

23. cv2.waitKey(0)

24. plt.figure()

25. plt.hist(cl1.ravel(), 256, [0, 256])

26. plt.axis('off')

27. plt.show()'''

总结：

其实这些很简单，但是自己也学了好久，加油吧。

以上代码都是在conda环境里跑的，毕竟我是一个懒人，什么都懒得配置。 以前一直觉得学习编程应该不算很难，但真的当自己开始学习时才会感到，原来它们这么麻烦，有的算法原理很简单，但在计算机上让人实现就会感到很头疼。