这里会给大家介绍如何读取图像,如何显示图像和如何保存图像。
API:cv.imread()
参数:
cv.IMREAD_COLOR
:以彩色模式加载图像,任何图像的透明度都将被忽略。这是默认参数。cv.IMREAD_GRAYSCALE
:以灰度模式加载图像cv.IMREAD_UNCHANGED
:包括alpha通道的加载图像模式。可以使用1、0、-1来替代上面三个标志
参考代码:
import numpy as np
import cv2.cv2 as cv
# 以灰度图的形式读取图像
img = cv.imread('messi5.jpg',0)
注意:如果加载的路径有错误,不会报错,会返回一个None值
API:cv.imshow()
参数:
注意:在调用显示图像的API后,要调用
cv.waitKey()
给图像绘制留下时间,否则窗口会出现无响应情况,并且图像无法显示出来。
另外我们也可使用matplotlib对图像进行展示。
# opencv中显示
cv.imshow('image',img)
cv.waitKey(0) # 0代表永久显示,其他数字的单位为ms
# matplotlib中展示
plt.imshow(img[:,:,::-1])
API:cv.imwrite()
参数:
参考代码:
cv.imwrite('messigray.png',img)
我们通过加载灰度图像,显示图像,如果按’s’并退出则保存图像,或者按ESC键直接退出而不保存。
import numpy as np
import cv2.cv2 as cv
import matplotlib.pyplot as plt
# 1 读取图像
img = cv.imread('messi5.jpg',0)
# 2 显示图像
# 2.1 利用opencv展示图像
cv.imshow('image',img)
# 2.2 在matplotplotlib中展示图像
plt.imshow(img[:,:,::-1])
plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
plt.show()
k = cv.waitKey(0)
# 3 保存图像
cv.imwrite('messigray.png',img)
API:cv.line(img,start,end,color,thickness)
参数:
API:cv.circle(img,centerpoint, r, color, thickness)
参数:
API:cv.rectangle(img,leftupper,rightdown,color,thickness)
参数:
API:cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)
参数:
我们生成一个全黑的图像,然后在里面绘制图像并添加文字
import numpy as np
import cv2.cv2 as cv
import matplotlib.pyplot as plt
# 1 创建一个空白的图像
img = np.zeros((512,512,3), np.uint8)
# 2 绘制图形
cv.line(img,(0,0),(511,511),(255,0,0),5)
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
cv.circle(img,(447,63), 63, (0,0,255), -1)
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
# 3 图像展示
plt.imshow(img[:,:,::-1])
plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
plt.show()
我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像,它返回一个蓝,绿,红值的数组。对于灰度图像,仅返回相应的强度值。使用相同的方法对像素值进行修改。
import numpy as np
import cv2.cv2 as cv
img = cv.imread('messi5.jpg')
# 获取某个像素点的值
px = img[100,100]
# 仅获取蓝色通道的强度值
blue = img[100,100,0]
# 修改某个位置的像素值
img[100,100] = [255,255,255]
图像属性包括行数,列数和通道数,图像数据类型,像素数等。
属性 | API |
---|---|
形状 | img.shape |
图像大小 | img.size |
数据类型 | img.dtype |
有时需要在B,G,R通道图像上单独工作。在这种情况下,需要将BGR图像分割为单个通道。或者在其他情况下,可能需要将这些单独的通道合并到BGR图像。你可以通过以下方式完成。
# 通道拆分
b,g,r = cv.split(img)
# 通道合并
img = cv.merge((b,g,r))
OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种,BGR → → →Gray 和 BGR → → →HSV。
API:cv.cvtColor(input_image,flag)
参数: