基于python的opencv安装及其简单函数方法使用解析。

python+opencv初学一（基于python的opencv安装及其简单函数方法使用解析。2021 3 7）

一、python中的opencv安装

1.前提

1.你的电脑里已经有了pip、numpy（或者你的电脑上有python包管理器anoconda，并且里面有numpy）
2.没有的话先去安装。（有些时候也可能是你的pip版本太低，最好也去更新一下）

2.安装

方法一：进入cmd命令行，直接输入pip install opencv-python 然后回车就可以了。
如果出现以下情况可能是因为国外网站下载太慢导致超时了，可以改用其他下载路径（使用镜像）

指令如下：
①：pip install opencv-contrib-python
或者
②：pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
推荐②
（这个是清华的镜像，有很多库或者插件都可以用这个下载，会快很多）
ps:这里再附一下国内的镜像源，下载成功概率会高很多吧应该。。

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/

豆瓣：http://pypi.douban.com/simple/
————————————————
版权声明：本文为CSDN博主「curiousNinen」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_41627235/article/details/87692748

如果碰到其他安装问题请上网搜索。

二、简单函数方法解析

1.图像读取函数imread()

图像读取函数 cv2.imread(filename, flags)
filename：要读取图片的路径
flags：读取方式的标志，共以下 3 种

cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
cv2.IMREAD_GRAYSCALE：读入灰度图片
cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道

代码例子：
import cv2
img = cv2.imread(‘1.jpg’,cv2.IMREAD_GRAYSCALE)

2.图像保存函数imwrite()

图像保存函数 cv2.imwrite(filename, img, params)
filename：保存的文件名
img：要保存的图像对象
params：可选参数，针对特定的格式。

对JPEG，表示的是图像的质量，用 0 - 100 的整数表示。
对 PNG，表示的是压缩级别，用 0 - 9的整数表示。

代码例子：
cv2.imwrite(‘1.jpg’,img, [int( cv2.IMWRITE_JPEG_QUALITY), 95])
cv2.imwrite(‘1.png’,img, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

3.图像显示函数 imshow()

图像显示函数 cv2.imshow(winname, mat)
winname：显示图像的窗口的名字
mat：要显示的图像（即由 imread 读入的图像），窗口大小自动调整为图片大小

代码例子：
import cv2
img1 = cv2.imread(‘29.jpg’,cv2.IMREAD_GRAYSCALE) # 图像读取
cv2.imshow(‘image’,img1) # 图像显示
cv2.waitKey(0) # 等待键入，参数为 0 表示无限等待。这里是为了方便查看效果，不使用的话，窗口会一闪而逝。
cv2.destroyAllWindows() # 销毁所有显示窗口
#cv2.destroyWindow(wname) # 销毁指定名字的显示窗口

4.翻转图像函数 flip()

翻转图像函数 cv2.flip(src, flipCode)
src：要转换的图像。
flipcode：控制翻转效果。

flipcode = 0：沿x轴翻转
flipcode > 0：沿y轴翻转
flipcode < 0：x, y轴同时翻转

代码例子：
imgflip = cv2.flip(img,1)

5.颜色空间转换函数 cvtColor()

颜色空间转换函数 cvtColor(src, code)
src：要转换的图像。
code：转换的方式代码，形如 cv2.COLOR_X2Y
其中 X,Y 的取值为 RGB, BGR, GRAY, HSV, YCrCb, XYZ, Lab, Luv, HLS

代码例子：
#彩色图像转为灰度图像
img2 = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
#灰度图像转为彩色图像
img3 = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)

6.给图片加文本函数putText()

给图片加文本函数putText(图片对象、文本、像素、字体、字体大小、颜色、字体粗细)

代码例子：
img = cv2.imread(“source/bug.png”, cv2.IMREAD_COLOR)
#图片对象、文本、像素、什么字体、字体大小、颜色、字体粗细
new_img = cv2.putText(
img=img,
text=“OOXX”,
org=(60, 50),
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
fontScale=1,
color=(255, 0, 0),
thickness=2
)
cv2.imwrite(“source/bug-text.png”, new_img)

注意：opencv自带的putText函数无法输出中文字符，需要借助pillow

7.图像二值化函数threshold()，也可用来黑白反色

图像二值化函数threshold(img,150,255,参数)
色彩最高值为255
ps:其中img为图像，150,255为阈值可改动，
函数threshold()的参数说明：
cv.THRESH_BINARY | cv.THRESH_OTSU
#大律法,全局自适应阈值 参数0可改为任意数字但不起作用
cv.THRESH_BINARY | cv.THRESH_TRIANGLE
#TRIANGLE法,，全局自适应阈值, 参数0可改为任意数字但不起作用，适用于单个波峰
cv.THRESH_BINARY
# 自定义阈值为150,大于150的是白色 小于的是黑色
cv.THRESH_BINARY_INV（可用于黑白反色）
# 自定义阈值为150,大于150的是黑色 小于的是白色
cv.THRESH_TRUNC
# 截断 大于150的是改为150 小于150的保留
cv.THRESH_TOZERO
# 截断 小于150的是改为150 大于150的保留

代码例子：
import cv2 as cv
image = cv.imread(“C://1.jpg”)
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
ret, binary= cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)#大律法,全局自适应阈值 参数0可改为任意数字但不起作用
binary = cv2.dilate(dst, None, iterations=1)#腐蚀和膨胀是对白色部分而言的，膨胀，白区域变大，最后的参数为迭代次数
binary = cv2.erode(dst, None, iterations=4)#腐蚀，白区域变小

注意：上述代码中ret可改为retval，image,gray,binary指图片名。

8.边缘提取函数Laplacian()

边缘提取函数Laplacian(Gray,cv2.CV_64F)
代码示例：
import cv2
image=cv2.imread("/home/abhinav/PycharmProjects/untitled1/b.jpg")
Gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
Lappy=cv2.Laplacian(Gray,cv2.CV_64F)
cv2.imshow(“Laplacian”,Lappy)
cv2.imshow(“Original”,Gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

9.边缘提取函数常用的还有Sobel(),Canny()，这里不做介绍。

三、简单实例

完整源代码如下：

运行结果如下：（运行后产生一个窗口，关闭一个窗口后会出现下一个窗口，知道全部窗口产生过）

四、附加相关功能函数解析

这里是转载的相关知识

1.高斯处理

图像处理中，常用的滤波算法有均值滤波、中值滤波以及高斯滤波等。

三种滤波器的对比：
　　滤波器种类 基本原理 特点
　　1.均值滤波 使用模板内所有像素的平均值代替模板中心像素灰度值 易收到噪声的干扰，不能完全消除噪声，只能相对减弱噪声
　　2.中值滤波 计算模板内所有像素中的中值，并用所计算出来的中值体改模板中心像素的灰度值 对噪声不是那么敏感，能够较好的消除椒盐噪声，但是容易导致图像的不连续性
　　3.高斯滤波 对图像邻域内像素进行平滑时，邻域内不同位置的像素被赋予不同的权值 对图像进行平滑的同时，同时能够更多的保留图像的总体灰度分布特征
　　
　　意思就是使你的图像灰度分布更均匀，每个点的像素均为周围按33的矩阵在周围取样求平均值，，标准差取0来处理
blurred = cv2.GaussianBlur(image, (3, 3), 0)
#GaussianBlur图像高斯平滑处理
#(3, 3)表示高斯矩阵的长与宽都是3,意思就是每个像素点按33的矩阵在周围取样求平均值，，标准差取0

2.灰度转换

也叫做二值化处理
　　故名思意就是转换成黑白图像，后面的参数中 cv2.COLOR_BGR2GRAY 其实就是色彩模式，所以函数名为 cvtColor（色彩模式转换）

cvtColor()用于将图像从一个颜色空间转换到另一个颜色空间的转换（目前常见的颜色空间均支持），并且在转换的过程中能够保证数据的类型不变，即转换后的图像的数据类型和位深与源图像一致。

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
　　#颜色模式转换成cv2.COLOR_BGR2GRAY模式下的灰度图像

3.边缘识别提取

这一步是将二值化后的图像提取边缘，50和150分别代表低阈值和高阈值，高阈值用来将物体与背景区分开来，低的用于平滑连接高阈值产生的片段，使图像成一个整体

简明而言就是，小的用于细小的地方处理，大的宏观处理----》大阈值用于分离背景与轮廓，晓得用于拼接细小的轮廓，即可形成一个整体

edge_output = cv2.Canny(gray, 50, 150)
　　#提取上一步中处理好的图像边缘，50和150分别代表低阈值和高阈值，高阈值用来将物体与背景区分开来，低的用于平滑连接高阈值产生的片段，使图像成一个整体
　　
输出即可，小面的函数只是对比学习而已，可以不用。