openCV学习笔记记录(1)基础知识

1. python的ＩＤＥ
2. CV2的图片格式是BGR
3. 给图像显示的用１个函数代替：

def cv_show(name,img):
    cv2.imsow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

6.img.shape (h,w,c)
4. cv2.imread('cat.jpg",cv2.IMREAD_GARYSCALE)
5. hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
H - 色调（主波长）。
S - 饱和度（纯度/颜色的阴影）。
V值（强度）
7. type(img) numpy.ndarray
8. 读取视频

vc = cv2.VideoCapture('test.mp4')
if vc.isOpened(): 
     oepn, frame = vc.read()
else:
    open = False
while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret == True:
        gray = cv2.cvtColor(frame,  cv2.COLOR_BGR2GRAY)
        cv2.imshow('result', gray)
        if cv2.waitKey(100) & 0xFF == 27:
            break
vc.release()
cv2.destroyAllWindows()

9. 截取部分图像数据，ROI

img=cv2.imread('cat.jpg')
cat=img[0:50,0:200] 
cv_show('cat',cat)

10. 颜色通道提取

b,g,r=cv2.split(img)
img=cv2.merge((b,g,r))#组合

11. 只保留１个通道

# 只保留R
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)

10. 边界填充

top_size,bottom_size,left_size,right_size = (50,50,50,50)

replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)

BORDER_REPLICATE：复制法，也就是复制最边缘像素。
BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba
BORDER_WRAP：外包装法cdefgh|abcdefgh|abcdefg BORDER_CONSTANT：常量法，常数值填充。
2. 数值计算

#相当于% 256
(img_cat + img_cat2)[:5,:,0] 
超过255的变为255
cv2.add(img_cat,img_cat2)[:5,:,0]

3. 图像融合
   shape得一致。

img_dog = cv2.resize(img_dog, (500, 414))　#w,h
res = cv2.resize(img, (0, 0), fx=4, fy=4)
`res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)`

4. 阈值选择

ret, dst = cv2.threshold(src, thresh, maxval, type)¶
src： 输入图，只能输入单通道图像，通常来说为灰度图
dst： 输出图
thresh： 阈值
maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
cv2.THRESH_BINARY 超过阈值部分取maxval（最大值），否则取0
cv2.THRESH_BINARY_INV THRESH_BINARY的反转
cv2.THRESH_TRUNC 大于阈值部分设为阈值，否则不变
cv2.THRESH_TOZERO 大于阈值部分不改变，否则设为0
cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转

5. 图像平滑

# 均值滤波
# 简单的平均卷积操作
blur = cv2.blur(img, (3, 3))

# 方框滤波
# 基本和均值一样，可以选择归一化
box = cv2.boxFilter(img,-1,(3,3), normalize=True)  

# 高斯滤波
# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img, (5, 5), 1)  

中值滤波对过滤噪点效果最好。

# 中值滤波
# 相当于用中值代替
median = cv2.medianBlur(img, 5)  # 中值滤波

# 展示所有的
res = np.hstack((blur,aussian,median))