anaconda安装cv2_Py之cv2：cv2库(OpenCV，opencv-python)的简介、安装、使用方法

Py之cv2：cv2库(OpenCV，opencv-python)的简介、安装、使用方法(常见函数、方法等)最强详细攻略

目录

关于OpenCV简介

OpenCV应用领域

1、计算机视觉领域方向

2、计算机操作底层技术

安装OpenCV的的两种方法

T1、使用whl文件法

T2、直接命令法

T3、Anaconda 环境下安装

OpenCV常见函数、方法

0、基本库函数

1、图像基本运算

2、Image.open 和cv2.imread 的区别及其转换

---

相关文章：
Py之cv2：cv2库(OpenCV)的简介、安装、使用方法(常见函数、方法等)最强详细攻略
CV：计算机视觉图像的基础知识—以python的cv2库来了解计算机视觉图像基础
CV：计算机视觉图像的基础知识—以python的cv2库来了解计算机视觉图像基础—代码实现
CV：计算机视觉图像的基础知识—以python的cv2库来了解计算机视觉图像基础—代码实现—图像基础各种操作(函数及案例)

关于OpenCV简介

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。

在计算机视觉项目的开发中，OpenCV作为较大众的开源库，拥有了丰富的常用图像处理函数库，采用C/C++语言编写，可以运行在Linux/Windows/Mac等操作系统上，能够快速的实现一些图像处理和识别的任务。此外，OpenCV还提供了Java、python、cuda等的使用接口、机器学习的基础算法调用，从而使得图像处理和图像分析变得更加易于上手，让开发人员更多的精力花在算法的设计上。

OpenCV应用领域

1、计算机视觉领域方向

• 1、人机互动
• 2、物体识别
• 3、图像分割
• 4、人脸识别
• 5、动作识别
• 6、运动跟踪
• 7、机器人
• 8、运动分析
• 9、机器视觉
• 10、结构分析
• 11、汽车安全驾驶

2、计算机操作底层技术

1. 图像数据的操作： 分配、释放、复制、设置和转换。 图像是视频的输入输出I/O ，文件与摄像头的输入、图像和视频文件输出）。
2. 矩阵和向量的操作以及线性代数的算法程序：矩阵积、解方程、特征值以及奇异值等。
3. 各种动态数据结构：列表、队列、集合、树、图等。
4. 基本的数字图像处理：滤波、边缘检测、角点检测、采样与差值、色彩转换、形态操作、直方图、图像金字塔等。
5. 结构分析：连接部件、轮廓处理、距离变换、各自距计算、模板匹配、Hough变换、多边形逼近、直线拟合、椭圆拟合、Delaunay 三角划分等。
6. 摄像头定标：发现与跟踪定标模式、定标、基本矩阵估计、齐次矩阵估计、立体对应。
7. 运动分析：光流、运动分割、跟踪。
8. 目标识别：特征法、隐马尔可夫模型：HMM。
9. 基本的GUI：图像与视频显示、键盘和鼠标事件处理、滚动条。
10. 图像标注：线、二次曲线、多边形、画文字。

安装OpenCV的的两种方法

1、几点注意事项：

• 安装的时候是 opencv_python，但在导入的时候采用 import cv2。
• 因为OpenCV依赖一些库，可以在本博客中查找一些依赖库的安装方法，例如安装Numpy方法等，本博客应有尽有！

T1、使用whl文件法

先去官网https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv，下载相应Python版本的OpenCV的whl文件，如本人下载的opencv_python‑3.4.1‑cp36‑cp36m‑win_amd64.whl，然后在whl文件所在目录下，命令 进行安装即可

pip install opencv_python‑3.4.1‑cp36‑cp36m‑win_amd64.whl

​

​

T2、直接命令法

pip install opencv-python

​

最后，检测安装情况

​

哈哈，大功告成！

T3、Anaconda 环境下安装

pip install opencv-python //Anaconda 环境下安装，先打开Anaconda Prompt，再输入本命令进行安装！

​

​

20191128更新记录

​

OpenCV常见函数、方法

Welcome to OpenCV-Python Tutorials’s documentation!
CV：计算机视觉图像的基础知识—以python的cv2库来了解计算机视觉图像基础

0、基本库函数

cv2.imread(filepath,flags) #读入一张图像

• filepath：要读入图片的完整路径
• flags：读入图片的标志
  • cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
  • cv2.IMREAD_GRAYSCALE：读入灰度图片
  • cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道

cv2.imshow(wname,img) #显示图像

• 第一个参数是显示图像的窗口的名字
• 第二个参数是要显示的图像（imread读入的图像），窗口大小自动调整为图片大小

cv2.imshow('image',img) cv2.waitKey(0) #等待键盘输入，单位为毫秒，即等待指定的毫秒数看是否有键盘输入，若在等待时间内按下任意键则返回按键的ASCII码，程序继续运行。 #若没有按下任何键，超时后返回-1。参数为0表示无限等待。不调用waitKey的话，窗口会一闪而逝，看不到显示的图片。 cv2.destroyAllWindow() #销毁所有窗口 cv2.destroyWindow(wname) #销毁指定窗口

cv2.imwrite(file，img，num) #保存一张图像

• 第一个参数是要保存的文件名
• 第二个参数是要保存的图像。可选的第三个参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95。
• 第三个参数表示的是压缩级别。默认为3.

img.copy() #图像复制

cv2.cvtColor() #图像颜色空间转换

• img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY) #灰度化：彩色图像转为灰度图像
• img3 = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB) #彩色化：灰度图像转为彩色图像
• # cv2.COLOR_X2Y，其中X,Y = RGB, BGR, GRAY, HSV, YCrCb, XYZ, Lab, Luv, HLS

cv2.resize(image, image2,dsize) #图像缩放：(输入原始图像，输出新图像，图像的大小)cv2.flip(img,flipcode) #图像翻转，flipcode控制翻转效果。

• flipcode = 0：沿x轴翻转；flipcode > 0：沿y轴翻转；flipcode < 0：x,y轴同时翻转

cv2.warpAffine(img, M, (400, 600)) #图像仿射变换 ：平移；裁剪、剪切、旋转、仿射变换，
M、M_crop、M_shear、M_rotate

cv2.putText(img,'text',(50,150) #图像添加文字：(照片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细)

cv2.putText(image, caption, (b[0], b[1] - 10), cv2.FONT_HERSHEY_PLAIN, 1, (255, 0, 0), 1) cv2.putText(I,'there 0 error(s):',(50,150),cv2.FONT_HERSHEY_COMPLEX,6,(0,0,255),25)

cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2) #画出矩行：img原图、(x，y)是矩阵的左上点坐标、(x+w，y+h)是矩阵的右下点坐标、(0,255,0)是画线对应的rgb颜色、2是所画的线的宽度。

cv2.boundingRect(img) #返回图像的四值属性：img是一个二值图，即是它的参数； 返回四个值，分别是x，y，w，h； x，y是矩阵左上点的坐标，w，h是矩阵的宽和高。

​

1、图像基本运算

图像的基本运算有很多种，比如两幅图像可以相加、相减、相乘、相除、位运算、平方根、对数、绝对值等；图像也可以放大、缩小、旋转，还可以截取其中的一部分作为ROI（感兴趣区域）进行操作，各个颜色通道还可以分别提取及对各个颜色通道进行各种运算操作。
bitwise_and、bitwise_or、bitwise_xor、bitwise_not四个按位操作函数，是将基础数学运算应用于图像像素的处理中。

bitwise_and、bitwise_or、bitwise_xor、bitwise_not这四个按位操作函数。 void bitwise_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 & src2 void bitwise_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 | src2 void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 ^ src2 void bitwise_not(InputArray src, OutputArray dst,InputArray mask=noArray());//dst = ~src

• bitwise_and()：是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0
• bitwise_or()：是对二进制数据进行“或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“或”操作，1|1=1，1|0=0，0|1=0，0|0=0
• bitwise_xor()：是对二进制数据进行“异或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“异或”操作，1^1=0,1^0=1,0^1=1,0^0=0
• bitwise_not()：是对二进制数据进行“非”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“非”操作，~1=0，~0=1

2、Image.open 和cv2.imread 的区别及其转换

Image.open 打开来的图像格式，cv2.imread 读出来是像素格式。

# 1、PIL.Image转换成OpenCV格式：
import cv2
from PIL import Image
import numpy
 
path = 'F:/File_Python/Resources/face_images/LZT01.jpg'
img = Image.open(path).convert("RGB")#.convert("RGB")可不要，默认打开就是RGB
img.show()
#转opencv
#img = cv2.cvtColor(numpy.asarray(image),cv2.COLOR_RGB2BGR)
img = cv2.cvtColor(np.array(img),cv2.COLOR_RGB2BGR)
cv2.imshow("OpenCV",img)
cv2.waitKey()
 
# 2、OpenCV转换成PIL.Image格式
import cv2
from PIL import Image
import numpy
 
img = cv2.imread('F:/File_Python/Resources/face_images/LZT01.jpg') # opencv打开的是BRG
cv2.imshow("OpenCV",img)
image = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
image.show()
cv2.waitKey()

相关应用：CV：利用python的cv2库实现图像数据增强—随机裁剪、随机旋转、随机hsv变换、随机gamma变换代码实现

参考文章
OpenCV之bitwise_and、bitwise_not等图像基本运算及掩膜
模块cv2的用法