OpenCV中图像处理的基本操作
OpenCV中图像处理的基本操作
1 图像的IO操作
1.1 读取图像
1.API
cv.imread()
参数：
-
要读取的图像
-
读取方式的标志
- cv.IMREAD*COLOR：以彩色模式加载图像，忽略图像透明度
- 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来代替上面三个标志
2.参考代码
import numpy as np
import cv2 as cv
# 以灰度图的形式读取图像
img = cv.imread('yy.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
1.2 显示图像
1.API
cv.imshow
参数：
- 显示图像的窗口名称，以字符串类型表示
- 要加载的图像
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
另外我们也可使用matplotlib对图像进行展示
2.参考代码
# opencv中显示
cv.imshow('YangYang', img)
cv.waitKey(0)
# matplotlib中显示
plt.imshow(img[:,:,::-1])
1.3 保存图像
1.API
cv.imwrite()
参数：
* 文件名，要保存在哪里
* 要保存的图像
2.参考代码
cv.imwrite('newImage.jpg',img)
1.4 总结
代码参考如下：
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1.以灰度图的形式读取图像
# 要读取的图像
# 读取方式的标志
img0 = cv.imread('yy.jpg', 1)
# 2.1在opencv中显示图像
# 显示图像的窗口名称，以字符串类型表示
# 要加载的图像
cv.imshow('YangYang', img0)
# 2.2在matplotlib中显示图像
# plt.imshow(img0[:, :, ::-1])
# plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
# plt.show()
# 调用cv.waitKey()给图像绘制留下时间
k = cv.waitKey(0)
# 3.保存图像
cv.imwrite('newImage.png', img0)
2 绘制几何图形
2.1 绘制直线
cv.line(img,start,end,color,thickness)
参数：
* img：要绘制直线的图像
* start，end：直线的起点和终点
* color：线条的颜色
* thickness：线条宽度
2.2 绘制圆形
cv.circle(img,centerpoint,r,color,thickness)
参数：
* img：要绘制圆形的图像
* centerpoint，r：圆心和半径
* color：线条的颜色
* thickness：线条宽度，为-1时生成闭合图案并填充颜色
2.3 绘制矩形
cv.rectangle(img,leftupper,rightdown,color,thickness)
参数：
* img：要绘制矩形的图像
* leftupper，rightdown：矩形的左上角和右下角坐标
* color：线条的颜色
* thickness：线条宽度
2.4 向图像中添加文字
cv.putText(img,text,station,font,fontsize,color,thickness,cv.LINE_AA)
参数：
* img：图像
* text：要写入的文本数据
* station：文本的放置位置
* font：字体
* fontsize：字体大小
2.5 效果展示
参考代码如下：
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# 1 创建一个空白的图像(矩阵大小，类型（无符号整形数据）)
img0 = np.zeros((512, 512, 3), np.uint8)
# 2 绘制图像
cv.line(img0, (0, 0), (511, 511), (0, 255, 0), 3)
cv.rectangle(img0, (384, 0), (510, 128), (255, 0, 255), 3)
cv.circle(img0, (447, 63), 63, (0, 0, 255), -1)
font = cv.FONT_HERSHEY_TRIPLEX
cv.putText(img0, 'OpenCV', (10, 500), font, 4, (255, 255, 255), 2, cv.LINE_AA)
# 3 图像展示
plt.imshow(img0[:, :, ::-1])
plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
plt.show()
运行效果图如下：
3 获取并修改图像中的像素点
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。
参考代码如下：
import numpy as np
import cv2 as cv
img = cv.imread('yy.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]
4 获取图像的属性
图像属性包括行数，列数和通道数，图像数据类型，像素数等。
形状：img.shape
图像大小：img.size
数据类型：img.dtype
5 图像通道的拆分与合并
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。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))
6 色彩空间的改变
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：
- input_image：进行颜色空间转换的图像
- flag：转换类型
- cv.COLOR_BGR2GRAY：BGR<—>Gray
- cv.COLOR_BGR2HSV：BGR<—>HSV
注：以上数据来自b站黑马程序员视频，点击跳转