Opencv速成笔记--核心操作

一.图像的基本操作：

1.1前言：

1. 访问某像素并修改
2. 访问像素属性
3. 设置感兴趣的区域（ROI）
4. 拆分与合并图像

1.2 访问和修改像素值

先来理解一下，图像与一般的矩阵或张量有何不同(不考虑图像的格式，元数据等信息)。首先，一张图像有自己的属性，宽，高，通道数。其中宽和高是我们肉眼可见的属性，而通道数则是图像能呈现色彩的属性。我们都知道，光学三原色是红色，绿色和蓝色，这三种颜色的混合可以形成任意的颜色。常见的图像的像素通道也是对应的R，G，B三个通道，在OpenCV中，每个通道的取值为0～255，。(注：还有RGBA，YCrCb，HSV等其他图像通道表示)。即，一般彩色图像读进内存之后是一个h * w * c的矩阵，其中h为图像高(相当于矩阵的行)，w为图像宽(相当于矩阵列)，c为通道数。
下面展示一个色块：

import numpy as np
import cv2 as cv
ad =r'E:\opencvdoment\pic\pic001.png'
img = cv.imread(ad,1)
print(img.shape)
cv.imshow('001', img)
cv.waitKey(0)
cv.destroyAllWindows()

这里

展示了它是一个2*2大小的3通道图片。
下面是对其像素的访问

print(img[1,1,1]) #[][][]分别为行，列，通道 输出坐标（1，1）,通道为1的的颜色：255

另外，更好的访问像素和编辑图像的方法：

访问：

print(img.item(20,95,2)) # 参数分别为坐标 和通道

修改：

img.itemset((20,95,2),100) #参数分别为 像素位置 和 像素值

1.3访问图像的属性

1.3.1前言：

与一般的numpy.array一样，可以通过 img.shape 访问图像的形状。它返回一组由图像的行、列和通道组成的元组

1.3.2 Shape

print(img.shape) #(225, 212, 3) 注意 如果图像是灰度图像，则返回的元组仅包含行数和列数，因此它是检查加载的图像是灰度图还是彩色图的一种很好的方法

1.3.3 Size

通过 img.size 访问图像的总像素数：

print(img.size)# 143100

1.3.4 Type

图像数据类型可以由 img.dtype 获得：

print(img.dtype)# uint8

1.4 处理图像中感兴趣（想操作）的区域

有时，您将不得不处理某些图像区域。对于图像中的眼部检测，在整个图像上进行第一次面部检测。当获得面部时，我们单独选择面部区域并在其内部搜索眼部而不是搜索整个图像。它提高了准确性（因为眼睛总是在脸上：D）和性能（因为我们在一个小区域搜索）。

import cv2 as cv
ad =r'E:\opencvdoment\pic\001.jpg'
img = cv.imread(ad,1)

print(img.shape)
goal = img[80:111, 57:211] # （50,57)--(111,211) 区域的像素
cv.imshow('001',goal)
cv.imshow('002',img)
cv.waitKey(0)
cv.destroyAllWindows()

效果如下：

1.5拆分与合并图像通道

1.5.1前言

有时您需要在 B，G，R 通道图像上单独工作。在这种情况下，您需要将 BGR 图像分割为单个通道。在其他情况下，您可能需要将这些单独的通道连接到 BGR 图像。
1.5.2 split
可以通过以下方式完成:

b,g,r = cv.split(img) #比较好时

或者 切片操作：

b = img[:,:,0] #比cv.split 块=快
g = img[:,:,1]
r = img[:,:,2] 

1.6 制作图像边界

1.6.1 前言：

1. 将图像周围添加边框
2. 相关函数 cv.copyMakeBorder() 或者一些卷积运算

1.6.2cv.copyMakeBorder() 的相关参数：

1. src : 输入的图像
2. top, bottom, left, right 四个方向上的边界拓宽值

borderType：边框的类型：

1. cv.BORDER_CONSTANT- 添加一个恒定的彩色边框。该值应作为下一个参数value给出。
2. cv.BORDER_REFLECT-边框将是边框元素的镜像反射，如下所示：fedcba|abcdefgh|hgfedcb
3. cv.BORDER_REFLECT_101或者 cv.BORDER_DEFAULT-与上面相同，但略有改动，如下所示： gfedcb |
   abcdefgh | gfedcba
4. cv.BORDER_REPLICATE -最后一个元素被复制，如下所示： aaaaaa | abcdefgh | hhhhhhh
5. cv.BORDER_WRAP-不好解释，它看起来像这样： cdefgh | abcdefgh | abcdefg

value 若边框的类型为cv.BORDER_CONSTANT,则这个值即为要设置的边框颜色
示例：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

red = [255, 0, 0]
ad =r'E:\opencvdoment\pic\001.jpg'
img = cv.imread(ad,1)


t1 = cv.copyMakeBorder(img, 10, 10, 10, 10, cv.BORDER_CONSTANT, value=red)
t2 = cv.copyMakeBorder(img, 40, 40, 40, 40, cv.BORDER_REFLECT)
t3 = cv.copyMakeBorder(img, 40, 40, 40, 40, cv.BORDER_REFLECT_101)
t4 = cv.copyMakeBorder(img, 40, 40, 40, 40, cv.BORDER_REPLICATE)
t5 = cv.copyMakeBorder(img, 40, 40, 40, 40, cv.BORDER_WRAP)

plt.subplot(231),plt.imshow(img,'gray'),plt.title('origin')
plt.subplot(232),plt.imshow(t1,'gray'),plt.title('t1')
plt.subplot(233),plt.imshow(t2,'gray'),plt.title('t2')
plt.subplot(234),plt.imshow(t3,'gray'),plt.title('t3')
plt.subplot(235),plt.imshow(t4,'gray'),plt.title('t4')
plt.subplot(236),plt.imshow(t5,'gray'),plt.title('t5')
plt.show()

效果：

二.图像的算数运算

2.1前言

1. 图像的运算：加，减，位运算等
2. 相关函数：cd.add(), cv.addWeight()等

2.2图像的加法

您可以通过 OpenCV 函数，cv.add()或简单地通过 numpy 操作将两个图像相加，res = img1 + img2。两个图像应该具有相同的深度和类型，或者第二个图像可以是像素值，比如(255,255,255)，白色值。

注意 OpenCV 相加操作和 Numpy 相加操作之间存在差异。OpenCV 添加是饱和操作，而 Numpy 添加是模运算。要注意的是，两种加法对于结果溢出的数据，会通过某种方法使其在限定的数据范围内。

示例：

import numpy as np
import cv2 as cv

x = np.uint8([250])
y = np.uint8([10])

print(x+y)#  [4]
print(cv.add(x,y))# [[255]]

2.3图像混合

将图像相加，但是对图像赋予不同的权重，从而给出混合感或透明感。图像按以下等式添加"
通过在(0,1)之间改变的值, 可以用来对两幅图像或两段视频产生时间上的 画面叠化 （cross-dissolve）效果.
示例：

import numpy
import cv2 as cv
import matplotlib.pyplot as plt

ad1 =r'E:\opencvdoment\pic\005.jpg'
ad2 =r'E:\opencvdoment\pic\006.jpg'

img1 =cv.imread(ad1,1)
img2 = cv.imread(ad2,1)

res = cv.addWeighted(img1, 0.6, img2, 0.4, 1)

# cv.imwrite(r'E:\opencvdoment\pic\007.jpg',res)
cv.imshow('res', res)
cv.waitKey(0)
cv.destroyAllWindows()

效果：
------------------------------------------------

2.4按位操作

2.4.1相关操作：

1. AND
2. OR
3. NOT
4. XOR

2.4.2说明：

假如我想加一个OpenCV的 logo在一个图像上，如果只是简单的将两张图像想加，则会改变叠加处的颜色。如果进行上面所说的混叠操作，则会得到一个有透明效应的结果，但我希望得到一个不透明的logo。如果logo是一个矩形logo，那可以用上节所讲的ROI来做。但是OpenCV的logo是不规则形状的，所以用下面的bitwise操作来进行。
示例：

三.性能测量和改进技术

3.1goal：

1. 衡量代码的性能
2. 一些提高代码性能的技巧
3. 相关函数：cv.getTickCount() , cv.getTickFrequency()

除了 OpenCV 之外，Python 还提供了一个时间模块，有助于记录代码执行时间。另一个模块配置文件有助于获取有关代码的详细报告，例如代码中每个函数花费的时间，调用函数的次数等。

3.2使用Opencv测量性能

3.2.1 cv.getTickCount()

该函数函数返回参考事件（如机器开启时刻）到调用此函数的时钟周期数。因此，如果在函数执行之前和之后调用它，则会获得用于执行函数的时钟周期数。

3.2.2 cv.getTickFrequency()

该函数返回时钟周期的频率，或每秒钟的时钟周期数。因此，要在几秒钟内找到执行时间，您可以执行以下操作
示例：

import cv2 as cv
import numpy as np

t1 = cv.getTickCount()
t2 = cv.getTickCount()
time = (t2-t1)/cv.getTickFrequency()
print(time)

3.3Opencv中的默认优化
3.3.1前言：
许多 OpenCV 功能都使用 SSE2，AVX 等进行了优化。它还包含未经优化的代码。因此，如果我们的系统支持这些功能，我们应该利用它们（几乎所有现代处理器都支持它们）。优化功能在编译时是默认启用的，因此，OpenCV 在启用时运行优化代码，否则运行未优化代码。
3.3.2相关函数：
cv.useOptimized()：用于检查某优化是否开启
cv.setOptimized():开启或者关闭
示例：