【数字图像处理Python OpenCV实战学习笔记（学习地址：腾讯课堂 - 火力教育 - 数字图像处理Python OpenCV实战）--- （持续更新）】
第1章、基础操作
1.1 开发环境搭建
（1）打开jupyter lab，导入三个包：
import numpy as np
import matplotlib
import cv21.2 Jupyterlab使用
（1）命令模式和编辑模式：按“ESC”切换；
（2）向上增加A、向下增加B；按DD删除；
（3）运行：按shift+enter / 按小三角 / ctrl+enter；
（4）Markdown模式：# 后， ctrl +m ， 再点m ， 之后再点击运行；
（5）raw模式（纯字符串模式）：ctrl +m ， 再点r
（6）退出模式：ctrl + m + Y
（7）运行逻辑：按照左边编号来运行；
1.3 Numpy科学计算库
（1）三个重要属性：
1、dtype = data type
常用的：float / uint8 / float32
2、shape （几 X 几 的矩阵）
3、ndim = n dimension
（2）矩阵创建：
1、np.array()来创立
x = np.array([1,3,5])
x
2、unit8来指定类型
y = np.uint8([1,1,1])
y 
3、查看x转换为float型的结果
np.float(x) 
4、np.arange()
np.arange(10)
np.arange(2,10,1.5)
5、np.linspace()
np.linspace(0,10,11)
np.linspace(0,2*np.pi,100)
6、全零矩阵：
np.zeros((2,4),dtype = np.int) 
查看类型：
7、全1矩阵：
np.ones((3,3),dtype = np.float32) 
8、单位矩阵：
np.eye(3) 
np.identity(4) 
9、创建一个随机数字/数组：
np.random.randint(0,256,(10,10),dtype=np.uint8)
（3）矩阵转换：
1、.reshape() --- 重塑
2、.flatten() --- 拉平
3、.ravel() --- 拍扁
4、.T --- 转置
5、.transpose() --- 转置
6、np.hstack([A,B]) --- 水平堆叠在一起
7、np.vstack([A,B]) --- 垂直堆叠在一起
（4）最大值、最小值、平均值：
1、最大值：.max()
2、最小值：.min()
3、平均值：.mean()
或者是：
4、每行最大值：
5、每列最大值：
（5）数学运算：
1、基本运算与线性代数一致；
2、对应元素平方：np.power(B,2)
3、每个元素log
4、相乘：
* ：会先自动把x变为[1,3,5],[1,3,5],[1,3,5]，再和A相乘
@ ：会把x当为列向量，再和A相乘
@ = A.dot(x)
（6）元素获取：
1、取第0行：
2、取第一列：
3、区域切割：
4、取某个元素：
5、某元素赋值：
6、某行赋值：
1.4 OpenCV读写图片
（1）图片读写及显示：
1、首先导入库：
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv2、读、写图片：
3、外界弹出显示图片：
4、内部显示图片（但是颜色不对）：
5、内部显示图片（颜色正确）：
6、外界显示灰色图片：
7、内部显示灰色图片（默认是热力图形式，而不是灰色）：
8、内部显示灰色图片（修改为灰色图）：
9、彩色图片是3维的，灰色图片是2维的，因此定义函数，方便后续打印图片：
def show(img):
if img.ndim == 2:
plt.imshow(img,cmap='gray')
else:
plt.imshow(cv.cvtColor(img,cv.COLOR_BGR2RGB))
plt.show() ##正常显示图片函数使用如下：
1.5 Matplotlib绘图
（1）折线图
（2）稍微复杂点的：
（3）直方图：
第二章、图像基础
2.1 二值图、灰度图、彩色图
（1）基础知识：
简单说明：
真彩色是每一位都是0-255 ，表示红/绿/蓝的程度（24位）；
假彩色与灰度图类似，只不过是用256种取值都是彩色（8位）；
图像处理的运算，是循环运算：比如1-2 =255
2.2 图像的矩阵表示
（1）基础知识：
上图为：2 x 4 的分辨率
上面是红色通道；中间是绿色通道；下面是蓝色通道；
左上角的点，实际上是：（255，127，127） ，彩色图可以拆分为三个通道（R、G、B），每一个通道都相当于是一个灰度图。
有的时候，我们想把一个彩色图转换为一个灰度图，只需要取其中 一个通道即可；或者是如上式那样进行一个加权。上式的权值是根据人眼来调的，取1，0，0也ok。
（2）图像基础练习：
首先导包：
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv定义函数：
def show(img):
if img.ndim == 2:
plt.imshow(img,cmap='gray')
else:
plt.imshow(cv.cvtColor(img,cv.COLOR_BGR2RGB))
plt.show()灰度图如下（但是这个会默认把最小的转为0，最亮的转为255）：
所以我们可以手动修改下最大最小值：
彩色图也是一样的：
8位整型图像：
注意数值转换，都是在0~255之间的
浮点数图像：
通常情况下，我们习惯用0~1之间的数来表示不同灰度的等级
注意这里要把,vmin=0,vmax=255删掉：
（3）通道分离与合并：
b,g,r = cv.split(img) # 分离
img_new = cv.merge([b,g,r]) # 合并
原图是三个通道，分离后只有一个通道（就是个二维矩阵）：
合并下：
（4）彩色图转灰度图：
img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)要将图片最好转换为uint8型，这样好操作
彩色图转灰度图：
（5）图像二值化（灰度图转化为二值图）：
thresh是阈值
_,img_bin = cv.threshold(img_gray,th1,th2,cv.THRESH_BINARY)大于th1的转为th2，小于th1的是0
方法一 - 人工转换：
方法二 - 函数转换：
2.3 图像相加、相减、相乘、相除
（1）基础知识：
img = cv.add(img1,img2)
img = cv.addWeighted(img1,alpha,img2,beta,gamma)
img = cv.subtract(img1,img2)
img = cv.multiply(img1,img2)
img = cv.divide(img1,img2)
（2）练习：
1、相加：
原因：相加后，有的数字会大于255，这样会循环，所以导致这种情况的出现
原因：这种相加是，只要大于255，就默认为255
解决问题，乘权重：下面这个方法是float型 --- 当然可以前面加np.uint8()强制转换
或者是：下面这个方法是uint8型
2、相减：
方法一：直接相减：
减去的结果，最大值应该是255的一半，因为之前*了0.5
方法二：调用函数：
3、相乘：
4、相除：
noise中有很多0，直接÷的话，会有些错误
解决：转化为浮点型，再加1
2.4 图像线性和非线性变换
（1）基础知识：
img = cv.convertScaleAbs(img,alpha=1,beta=0)
左边的图是Gamma的r取不同值时的图像，所以我们在Gamma中，r通常取1。
（2）练习：
线性变换：
方法一：
方法二：
非线性变换：
Gamma变换：
2.5 实例：图像融合
（1）任务要求：将 花、刺猬、mask三张图融合到一起
