【Opencv】【Python】Python中opencv模块cv2一些函数用法及简介
前言
最近在做卡片上的数字识别。调用caffe模块，直接用的mnist模型，不过这篇文章不讲caffe。
需要先对图片进行一系列预处理，把卡片上的数字分离出来，有点OCR的感觉。
我把这次使用到的所有opencv函数简单写一下。
1. 读取视频 cv2.VideoCapture()
参数1：可以是数字，对应摄像头编号。可以是视频名。
如果用的摄像头，下面要用循环来不断读帧。
c = cv2.VideoCapture(0)
while 1:
ret, image = c.read()
cv2.imshow("Origin", image) # 显示画面
cv2.waitKey(1) # 一定要搭配这句才出画面2. 等待 cv2.waitKey()
参数1：等待时间，单位毫秒。
一般与cv2.imshow()搭配使用
另一个实用的功能就是通过按键进入if条件语句
比如下面按ESC关闭窗口，退出循环，结束程序。
c = cv2.VideoCapture(0)
while 1:
ret, image = c.read()
cv2.imshow("Origin", image)
key = cv2.waitKey(1)
if key == 27:
cv2.destroyAllWindows()
break3. 图像加文字cv2.putText()
参数1：图像
参数2：文字内容
参数3：坐标位置
参数4：字体
参数5：字号
参数6：颜色
参数7：字体粗细
c = cv2.VideoCapture(0)
while 1:
ret, image = c.read()
cv2.putText(image,‘HandsomeHans’,(220,130),cv2.FONT_HERSHEY_SIMPLEX,4,(127,127,255),2)
cv2.imshow("Origin", image)
key = cv2.waitKey(1)
if key == 27:
cv2.destroyAllWindows()
break4. 图像加框 cv2.rectangle()
参数1：图像
参数2：左上角坐标
参数3：右下角坐标
参数4：框的颜色
参数5：框的粗细
5. 提取图像轮廓 cv2.findContours()
参数1：图像
参数2：提取规则。cv2.RETR_EXTERNAL：只找外轮廓，cv2.RETR_TREE：内外轮廓都找。
参数3：输出轮廓内容格式。cv2.CHAIN_APPROX_SIMPLE：输出少量轮廓点。cv2.CHAIN_APPROX_NONE：输出大量轮廓点。
输出参数1：图像
输出参数2：轮廓列表
输出参数3：层级
contours_map, contours, hierarchy = cv2.findContours(image,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)6. 画出轮廓 cv2.drawContours()
参数1：图像
参数2：轮廓列表
参数3：轮廓索引，如果负数则画出所有轮廓。
参数4：轮廓颜色
参数5：轮廓粗细
cv2.drawContours(image,contours,-1,(0,0,255),2)7. 判断像素点是否在某一轮廓内 cv2.pointPolygonTest()
参数1：某一轮廓列表
参数2：像素点坐标
参数3：如果为True则输出该像素点到轮廓最近距离。如果为False，则输出为正表示在轮廓内，0为轮廓上，负为轮廓外。
result = cv2.pointPolygonTest(biggest, (w,h), False)8. 求轮廓面积 cv2.contourArea()
参数1：某一轮廓
area = cv2.contourArea(contours[i])9. 求包含轮廓的最小方框 cv2.minAreaRect()
参数1：某一轮廓
输出参数1：四个角点坐标和偏移角度
求最小方框并将其画出：
rect = cv2.minAreaRect(contours[i])
box = np.int0(cv2.boxPoints(rect)) # boxPoints()是opencv3的函数
cv2.drawContours(image,[box],0,(0,255,255),2)10. 求包含轮廓的正方框 cv2.boundingRect()
参数1：某一轮廓
x, y, w, h = cv2.boundingRect(contours[i])11. 图像颜色转换 cv2.cvtColor()
参数1：图像
参数2：转换方式。cv2.COLOR_BGR2GRAY：转换为灰度图。cv2.COLOR_BGR2HSV：转换为HSV颜色空间。
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)12. 高斯平滑滤波 cv2.GaussianBlur()
参数1：图像
参数2：滤波器大小
参数3：标准差
gray = cv2.GaussianBlur(gray,(3,3),0) #模糊图像13. 中值滤波 cv2.medianBlur()
参数1：图像
参数2：滤波尺寸
gray = cv2.medianBlur(gray,5) # 填充白色噪点14. 图像二值化 cv2.threshold()
参数1：灰度图像
参数2：阈值
参数3：最大值
参数4：转换方式 cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO、cv2.THRESH_TOZERO_INV
ret, thres = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)15. 扩充图像 cv2.copyMakeBorder()
参数1：图像
参数2：top扩充长度
参数3：down扩充长度
参数4：left
参数5：right
参数6：边界类型：
BORDER_CONSTANT:常量，增加的变量通通为value色 [value][value] | abcdef | [value][value][value]
BORDER_REFLICATE:直接用边界的颜色填充， aaaaaa | abcdefg | gggg
BORDER_REFLECT:倒映，abcdefg | gfedcbamn | nmabcd
BORDER_REFLECT_101:倒映，和上面类似，但在倒映时，会把边界空开，abcdefg | egfedcbamne | nmabcd
BORDER_WRAP:类似于这种方式abcdf | mmabcdf | mmabcd
参数7：常量数值
iimgg = cv2.copyMakeBorder(num_thres,top,down,left,right,cv2.BORDER_CONSTANT,value=0)16. 旋转图像 cv2.getRotationMatrix2D()
参数1：旋转中心点
参数2：旋转角度
参数3：缩放大小
输出参数1：旋转矩阵
rotateMatrix = cv2.getRotationMatrix2D(center=(thres.shape[1]/2, thres.shape[0]/2), angle = rect[2], scale = 1)
rotImg = cv2.warpAffine(thres, rotateMatrix, (thres.shape[1], thres.shape[0]))