Python深度学习：OpenCV图像处理实战 HSV处理，图像旋转平移（读书笔记）

今天我们就来继续看一看OpenCV的使用。

今天使用的图如下：

一、图片的自由缩放以及边缘裁剪

# 1、对于图片的扩缩，OpenCV提供了一个简单的函数：cv2.resize
img = cv2.imread("2.jpg")
dst = cv2.resize(img,(300,300))
cv2.imshow("test",dst)
cv2.waitKey()

我们首先是读取了这张图片，之后对齐进行重新构造（基于矩阵），所以图片的整体是没有变化的，只是外形发生变化：

那么我们也可以进行截取：

# 截取：
img2 = cv2.resize(img,(300,300))
patch_tree = img2[50:200,50:200]
cv2.imshow("test2",patch_tree)
cv2.waitKey()

（这里就是截取了重新构造之后的图片）

二、图像色调的调整

CV2也可以对图片进行色彩和亮度上的调整，也就是所谓的HSV（H是指色调，S是饱和度，V是明暗度）
至于具体的数值，H的取值是[0，180]，其他两个都是[0，255]
我们来看一下它们的影响：

色调H

用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,紫色为300°；

饱和度S

饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V

明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

现在我们在程序中具体的看一看把黄色削减：

img = cv2.imread("2.jpg")
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

turn_green_hsv = img_hsv.copy()
# 下面这一行十分的关键 注意对180的取余
turn_green_hsv[:,:,0] = (turn_green_hsv[:,:,0] - 30) % 180
# 中括号里0表示选择的是色调，1是饱和度，2是明暗度
turn_green_hsv = cv2.cvtColor(turn_green_hsv,cv2.COLOR_HSV2BGR)
cv2.imshow("test",turn_green_hsv)
cv2.waitKey()

结果如图：

如果减去120，就是这样：

那么我们再来看看饱和度和明暗度的调整：

img = cv2.imread("2.jpg")
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
less_color_hsv = img_hsv.copy()
less_color_hsv[:,:,1] = less_color_hsv[:,:,1] * 0.6
turn_img = cv2.cvtColor(less_color_hsv,cv2.COLOR_HSV2BGR)
cv2.imshow("test",turn_img)
cv2.waitKey()

目前是改变了图片的饱和度，明暗度的调整也是同理，把参数改称2就可以了。

三、图像的旋转、平移和翻转

OpenCV中图像的变换主要通过仿射变换矩阵和函数warpAffine()完成。
（可参考博客：仿射变换warpAffine）

img = cv2.imread("2.jpg")
M_copy_img = np.array([
    [0,0.8,-100],
    [0.8,0,-12]
],dtype=np.float32)
img_change = cv2.warpAffine(img,M_copy_img,(300,300))
cv2.imshow("test",img_change)
cv2.waitKey()

其中M_copy_img是仿射变换矩阵，这里前两个矩阵的作用是缩小图形为原来的80%，之后又逆时针旋转90度，再向左平移100个像素单位，并向下平移12个像素单。

四、使用OpenCV扩大图像数据库

1、色彩的随机变换

img = cv2.imread("2.jpg")
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
turn_green_hsv = img_hsv.copy()
turn_green_hsv[:,:,0] = (turn_green_hsv[:,:,0] + np.random.random()) % 180
turn_green_hsv[:,:,1] = (turn_green_hsv[:,:,1] + np.random.random()) % 180
turn_green_hsv[:,:,2] = (turn_green_hsv[:,:,2] + np.random.random()) % 180
turn_green_img = cv2.cvtColor(turn_green_hsv,cv2.COLOR_HSV2BGR)
cv2.imshow("test",turn_green_img)
cv2.waitKey()

2、对鼠标的监控

使用鼠标在生成的图片上标记出目标位置，是最基本的数据处理内容。鼠标操作属于用户接口操作，在OpenCV中同样有相关的函数可以实现，主要由mouse_event实现。
mouse_event函数的功能是监控鼠标操作，对鼠标的点击、移动以及放开做出反应，根据不同的操作进行处理。
对鼠标的监控一共有十种事件：

# define CV_EVENT_MOUSEMOVE 0      滑动
# define CV_EVENT_LBUTTONDOWN 1    左键点击
# define CV_EVENT_RBUTTONDOWN 2    右键点击
# define CV_EVENT_MBUTTONDOWN 3    中键点击
# define CV_EVENT_LBUTTONUP 4      左键释放
# define CV_EVENT_RBUTTONUP 5      右键释放
# define CV_EVENT_MBUTTONUP 6      中键释放
# define CV_EVENT_LBUTTONDBLCLK 7  左键双击
# define CV_EVENT_RBUTTONDBLCLK 8  右键双击
# define CV_EVENT_MBUTTONDBLCLK 9  中键释放

当函数的事件完成后，会返回所在的x、y值，分别代表事件发生时的（x，y）坐标。窗口默认左上为原点，右边为x轴，向下为y轴。

使用示例（按‘q’退出）：

img = cv2.imread("2.jpg")
rect_start = (0, 0)
rect_end = (0, 0)
def on_mouse(event,x,y,flags,param):

    # 鼠标左键按下，抬起，双击
    if event == cv2.EVENT_LBUTTONDOWN:
        rect_start = (x,y)
    elif event == cv2.EVENT_LBUTTONUP:
        rect_end = (x,y)
cv2.rectangle(img,rect_start,rect_end,(0,255,0),2)
cv2.namedWindow('test')
cv2.setMouseCallback("test",on_mouse)
while(1):
    cv2.imshow("test",img)
    if cv2.waitKey(1) & 0xff == ord('q'):
        break
cv2.destroyAllWindows()

这个就是不停的展出图片。