OpenCV入门

OpenCV入门

1.1读图、展示和保存新图

主要用到三个函数cv2.imread()、cv2.imshow()、cv2.imwrite().
代码示例

import cv2 as cv
image=cv.imread("D:/picture/9.jpg")
cv.namedWindow("picture",cv.WINDOW_AUTOSIZE)
print(f"width:{image.shape[1]} pixels")
print(f"height:{image.shape[0]} pixels")
print(f"height:{image.shape[2]}")
cv.imshow("picture",image)
cv.waitKey(0)
cv.imwrite("new_image.jpg",image)
cv.destroyAllWindows()

运行结果

注

上述代码，用cv.imread()读入图像，两个参数(1)简单的传入一个图像的地址参数，并返回一个代表图片的Numpy数组.(2)读取图片返回的形式，有三种选择：cv2.IMRE AD_COLOR、cv2.IMREAD_GRAYSCALE和cv2.IMREAD_UNCHANGED，其中IMREAD_UNCHANGED表示不变，比如有alpha通道，它会读取。alpha通道的作用是按比例将前景像素和背景像素进行混合，来衡量图像的透明度。也可以使用数字来表达读图模式，比如1，0或-1分别表示COLOR、GRAYSCALE和UNCHANGED
OpenCV采用的格式为HWC，即高度宽度通道数，通道数顺序为BGR,与Python的Pillow库(RGB)不同。
imshow()函数有两个参数(1)第一个参数为窗口名字的字符串，(2)第二个参数为OpenCV读入图片返回的Numpy对象。waitKey(0)表示停止图片显示，执行后续语句，数字0表示按键后0毫秒执行。
imwrite()函数表示保存为新的图片，参数为保存地址和图像对象。

1.2像素点及局部图像

局部图像

import cv2 as cv
image=cv.imread("D:/picture/9.jpg")
x=image.shape[0]
y=image.shape[1]
hh=image[0:330,0:330]
cv.namedWindow("picture",cv.WINDOW_AUTOSIZE)
cv.imshow("picture",image)
cv.imshow("hh",hh)
print("x=",x)
print("y=",y)
cv.waitKey(0)
cv.destroyAllWindows()

结果

修改后图像

import cv2 as cv
image=cv.imread("D:/picture/9.jpg")
x=image.shape[0]
y=image.shape[1]
hh=image[0:330,0:330]
image[0:33,0:30]=(255,0,255)
cv.namedWindow("picture",cv.WINDOW_AUTOSIZE)
cv.imshow("picture",image)
cv.imshow("hh",hh)
print("x=",x)
print("y=",y)
cv.waitKey(0)
cv.destroyAllWindows()

结果

2.3基本线条操作

import cv2 as cv
import numpy as np
pit=np.zeros((700,600,3),dtype='uint8')
for _ in range(0,25):
    radius=np.random.randint(5,200)
    color=np.random.randint(0,256,size=(3,)).tolist()
    pt=np.random.randint(30,200,size=(2,))
    cv.circle(pit,tuple(pt),radius,color,-1)
cv.imshow('canvas',pit)
cv.waitKey(0)

注

pit=np.zeros((700,600,3),dtype='uint8')

调用zeros()方法，生成700*300的全零数组(3个700行600列的全零矩阵)，dtype定义数据类型为uint8,(默认numpy.float64)，

for _ in range(0,25):

调用range()函数，函数原型：range(start， end， scan)：起始，终止，步长。从0到24.

 radius=np.random.randint(5,200)

函数原型numpy.random.randint(low, high=None, size=None, dtype='l')size表示返回数的类型（默认为none,表示返回单数值）。

 color=np.random.randint(0,256,size=(3,)).tolist()

返回3个随机数，randint—产生[low,high)中的随机整数

 cv.circle(pit,tuple(pt),radius,color,-1)

函数原型:circle(img, center, radius, color, thickness=None, lineType=None, shift=None)详解:链接:https://blog.csdn.net/kun1280437633/article/details/84540849
结果：

1.4平移

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/5.jpg')
M=np.float32([[1,1,25],[0,1,50]])
shift_pit=cv.warpAffine(image,M,(image.shape[1],image.shape[0]))
cv.imshow('gg',shift_pit)
cv.imshow('first',image)
cv.waitKey(0)
cv.destroyAllWindows()

注

M=np.float32([[1,1,25],[0,1,50]])

M中的参数[1,1,25]表示向[1,1]方向移动25个像素。[0,1,50]同理,表示向下移动50像素。

shift_pit=cv.warpAffine(image,M,(image.shape[1],image.shape[0]))

image要平移的图像，M平移矩阵。image[],高度和宽度。根据平移矩阵进行仿射变换。

结果

1.5旋转

代码

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/5.jpg')
(h,w,_)=image.shape[:3]
center=(w/3,h/2)
M=cv.getRotationMatrix2D(center,180,2.0)
Rotated_image=cv.warpAffine(image,M,(h,w))
cv.imshow('Rotated_image',Rotated_image)
cv.imshow('first',image)
cv.waitKey(0)
cv.destroyAllWindows()

注

(h,w,_)=image.shape[:3]

调用shape函数返回3个元素

center=(w/3,h/2)

定义旋转中心点（像素点）

M=cv.getRotationMatrix2D(center,180,2.0)

创建旋转矩阵M，cv.getRotationMatrix2D有三个参数：第一个为旋转时固定的点；第二个为旋转角度；第三个为图片缩放尺度。

Rotated_image=cv.warpAffine(image,M,(h,w))

根据旋转矩阵进行仿射变换

结果

1.6缩放

缩放使用cv2.resize()函数。

代码

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/5.jpg')
new_w,new_h=1000,200
resized_image=cv.resize(image,(new_w,new_h),interpolation=cv.INTER_AREA)
cv.imshow('resized_image',resized_image)
cv.imshow('first',image)
cv.waitKey(0)
cv.destroyAllWindows()

注

resized_image=cv.resize(image,(new_w,new_h),interpolation=cv.INTER_AREA)

cv.resize()函数可使用三个参数，第一个图像对象，第二个参数为缩放尺寸，第三个参数为插值选项，(关于插值选项：https://blog.csdn.net/guyuealian/article/details/85097633)使用cv.INTER_AREA插值方式，将原图image缩放为1000px*200px的新图。
简要说明一下，缩小就是删除其中某些像素，直接达到需要缩小的目标尺寸，所以存在信息丢失的现象，放大就是在图像中添加一些像素，使图像变大到目标尺寸。插值就是寻找最优删除或添加像素的放法。
对于OpenCV而言，官方建议缩小使用cv.INTER_AREA,放大使用cv.INTER_LINEAR。cv.INTER_CUBIC相对较慢。cv.resize会默认使用cv.INTER_LINEAR插值公式.

1.7翻转

翻转分为水平翻转和垂直翻转，API为cv.flip()，第二个参数1表示水平翻转，0表示垂直翻转，-1表示水平加垂直翻转。

代码

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/5.jpg')
second_image=cv.flip(image,0)
thrid_image=cv.flip(image,1)
four_image=cv.flip(image,-1)
cv.imshow('first_image',image)
cv.imshow('second_image',second_image)
cv.imshow('thrid_image',thrid_image)
cv.imshow('four_image',four_image)
cv.imshow('first',image)
cv.waitKey(0)
cv.destroyAllWindows()

结果

1.8裁剪

代码

import cv2 as cv
import numpy as np
image=cv.imread('D:/picture/2.jpg')
print(image.shape)
cropped_image=image[0:1000,0:1000]
cv.imshow('cropped_image',cropped_image)
cv.waitKey(0)
cv.destroyAllWindows()

cropped_image=image[0:1000,0:1000]

裁剪坐标为[x1:x2, y1:y2],即左上角为坐标原点。

结果

1.9 为位操作

代码

import numpy as np
import cv2 as cv
rectangle=np.zeros((300,300),dtype='uint8')
cv.rectangle(rectangle,(30,30),(60,60),255,-1)
cv.imshow("Rectangle",rectangle)
circle=np.zeros((300,300),dtype='uint8')
cv.circle(circle,(45,45),19,255,-1)
cv.imshow('circle',circle)
bitwisedAnd=cv.bitwise_and(rectangle,circle)
cv.imshow("And",bitwisedAnd)
bitwisedOr=cv.bitwise_or(rectangle,circle)
cv.imshow("bitwise0r",bitwisedOr)
bitwiseXor=cv.bitwise_xor(rectangle,circle)
cv.imshow("bitwiseXor",bitwiseXor)
bitwiseNot=cv.bitwise_not(rectangle,circle)
cv.imshow('bitwiseNot',bitwiseNot)
cv.waitKey(0)
cv.destroyAllWindows()

注

cv.rectangle(rectangle,(30,30),(60,60),255,-1)

定义矩形，(30,30)为起始点，(60,60)为矩形对角线上的点，255为线条颜色(255,0,0)，-1为填充效果，为正数时数值越大线条越粗。

cv.bitwise_xor，cv.bitwise_and，cv.bitwise_or，cv.bitwise_not

对两张图片分别做了交集(And)，并集(Or)，异或(Xor)，对园做了一次非(Not)操作。
OpenCV 按位bitwise运算、掩膜mask运算详解 表格+图解 Python代码实例详解 基础实用款

结果