OPENCV笔记 图像基本操作

一、图像基本处理操作

1、图像读取

import cv2
img = cv2.imread( )

imread函数有两参数，第一个参数为读取路径，第二个参数为读取形式（可不写，默认为读取彩色图片）
读取形式有三种
1、cv2.IMREAD_COLOR：加载彩色图片，这个是默认参数，可以直接写1
2、cv2.IMREAD_GRAYSCALE：以灰度模式加载图片，可以直接写0
3、cv2.IMREAD_UNCHANGED：包括alpha，可以直接写-1

2、图像显示

cv2.imshow('显示窗口名称',img)
cv2.waitKey(0)  #按任意键继续
cv2.cv.destroyAllWindows() #清楚缓存

3、图像写入

cv2.imshow(filename,img)

filename为存储后图像的文件名，img为需要存储的图像

4、ROL区域

import cv2
img = cv2.imread('sample.jpg')
#截取部分图像区域
img = img[0:200,0:200]
#颜色通道提取
b,g,r = cv2.split(img)
#3通道合并
img = cv2.merge((b,g,r))
#只保留r通道
r_img = img.copy()
r_img[:,:,0]=0
r_img[:,:,1]=0
#只保留g通道
g_img = img.copy()
g_img[:,:,0]=0
g_img[:,:,2]=0
#只保留b通道
b_img = img.copy()
b_img[:,:,1]=0
b_img[:,:,2]=0
cv2.imshow('initial',img)
cv2.imshow('r',r_img)
cv2.imshow('g',g_img)
cv2.imshow('b',b_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

二、图像属性

1、img.shape

图片的shape属性包含三个数，分别为高度、宽度、通道数

2、img.size

图片的大小，以像素值表示

3、dtype

图像的数据类型

三、视频处理

cap = cv.VideoCapture(0)
while 1:
    ret,frame = cap.read()#从视频中读取一帧图片
    cv.imshow('cap', frame)#显示读取到的图片
    cv.waitKey(1)
    #按退出键退出
    if cv.getWindowProperty('cap', cv.WND_PROP_AUTOSIZE) < 1:
        break
    #按退出键退出
    if 0xFF == 27:
        break
cap.release()#关闭
cv.destroyAllWindows()#清楚缓存

cv.VideoCapture可以读取视频或者打开摄像头,读取视频时直接填写路径即可

四 图片处理

边界填充

import cv2
img = cv2.imread('sample.jpg')
top_size,bottom_size,left_size,right_size = (50,50,50,50)#图片四周填充的长度
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_CONSTANT,value = 0)
cv2.imshow('Original',img)
cv2.imshow('replicate',replicate)
cv2.imshow('reflect',reflect)
cv2.imshow('reflect101',reflect101)
cv2.imshow('wrap',wrap)
cv2.imshow('constant',constant)
cv2.waitKey(0)
cv2.destroyWindow()

BORDER_REPLICATE:复制法，也就是复制最边缘像素。
BORDER_REFLECT:反射法，对感兴趣的图像中的像素在两边进行复制
BORDER_REFLECT_101:反射法，也就是以最边缘像素为轴
BORDER_WRAP:外包装法，以图像的左边界与右边界相连，上下边界相连
BORDER_CONSTANT:常量法，需要填充value值，0表示黑框填充

数值计算

import cv2
img = cv2.imread('sample.jpg')
image = cv2.imread('test.jpg')
print(img[0:5,0:5,0])
print(image[0:5,0:5,0])
#直接加10
img1 = img +10
image1 = image + 10
print(img1[0:5,0:5,0])
print(image1[0:5,0:5,0])
#两图像直接相加,大小需一样
img = cv2.resize(img,(image.shape[1],image.shape[0]))
result1 = img + image
print(result1[0:5,0:5,0])
#通过cv2.add相加，大小需一样
result2 = cv2.add(img,image)
print(result2[0:5,0:5,0])

图像融合

如果直接相加，会报错

#图像融合
import cv2

image = cv2.imread('sample.jpg')
img = cv2.imread('test.jpg')

result = image + img

将两张图片调整到大小一致后就可以融合

#图像融合
import cv2

image = cv2.imread('sample.jpg')
img = cv2.imread('test.jpg')

#将两张图片调整为大小一致
img = cv2.resize(img,(image.shape[1],image.shape[0]))

result = image + img
cv2.imshow('1',result)
cv2.waitKey(0)
cv2.destroyAllWindows() 

使用函数融合

#图像融合
import cv2

image = cv2.imread('sample.jpg')
img = cv2.imread('test.jpg')
#将两张图片调整为大小一致
img = cv2.resize(img,(image.shape[1],image.shape[0]))
result = cv2.addWeighted(image, 0.5, img, 0.5, 0)
cv2.imshow('1',result)
cv2.waitKey(0)
cv2.destroyAllWindows()

阈值操作

ret,dst = cv2.threshold(src,thresh,maxval,type)

src:输入图，只能输入单通道图像，一般使用灰度图
dst:输出图
thresh:阈值
maxval:当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
type:二值化操作的类型，包含以下5中类型：
cv2.THRESH_BINARY:超过阈值部分取maxval（最大值），否则取0
cv2.THRESH_BINARY_INV:cv2.THRESH_BINARY的反转
cv2.THRESH_TRUNC:大于阈值的部分设为阈值，否则不变
cv2.THRESH_TOZERO:大于阈值的部分不变，否则设为0
cv2.THRESH_TOZERO_INV:cv2.THRESH_TOZERO的反转

import cv2
image = cv2.imread('sample.jpg')
img_Gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret1,thresh1 = cv2.threshold(img_Gray, 127, 255, cv2.THRESH_BINARY)
ret2,thresh2 = cv2.threshold(img_Gray, 127, 255, cv2.THRESH_BINARY_INV)
ret3,thresh3 = cv2.threshold(img_Gray, 127, 255, cv2.THRESH_TRUNC)
ret4,thresh4 = cv2.threshold(img_Gray, 127, 255, cv2.THRESH_TOZERO)
ret5,thresh5 = cv2.threshold(img_Gray, 127, 255, cv2.THRESH_TOZERO_INV)

title = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'THRESH_TOZERO_INV']
images = [image, thresh1,thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    cv2.imshow(title[i],images[i])

cv2.waitKey(0)
cv2.destroyAllWindows()

图像平滑

生成椒盐噪声

import cv2
import numpy as np

#椒盐噪声生成函数
def noise(img,snr):
    h=img.shape[0]
    w=img.shape[1]
    img1=img.copy()
    sp=h*w   # 计算图像像素点个数
    NP=int(sp*(1-snr))   # 计算图像椒盐噪声点个数
    for i in range (NP):
        randx=np.random.randint(1,h-1)   # 生成一个 1 至 h-1 之间的随机整数
        randy=np.random.randint(1,w-1)   # 生成一个 1 至 w-1 之间的随机整数
        if np.random.random()<=0.5:   # np.random.random()生成一个 0 至 1 之间的浮点数
            img1[randx,randy]=0
        else:
            img1[randx,randy]=255
    return img1

image=cv2.imread("sample.jpg")
img_gray=imGray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
noiseimage=noise(img_gray,0.99)   # 将信噪比设定为0.99
cv2.imshow("image",image)
cv2.imshow("img_gray",img_gray)
cv2.imshow("noiseimage",noiseimage)

cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

均值滤波

#均值滤波
#简单的平均卷积操作
blur = cv2.blur(noiseimage, (3, 3)) #3*3的卷积操作，一般为奇数
cv2.imshow('blur', blur)

方框滤波

#方框滤波
#基本和均值一样，可以选择归一化
box = cv2.boxFilter(noiseimage, -1, (3,3), normalize=True)
cv2.imshow('box', box)

#方框滤波
#基本和均值一样，不选择归一化，容易超阈值
box = cv2.boxFilter(noiseimage, -1, (3,3), normalize=False)
cv2.imshow('box', box)

高斯滤波

#高斯分布
#高斯模糊的卷积核里的数值是高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(noiseimage, (5, 5), 1 )
cv2.imshow('aussian', aussian)

中值滤波

#中值滤波
#相当于用中值代替
median = cv2.medianBlur(noiseimage, 5)
cv2.imshow('median', median)

结果整合

res = np.hstack((blur, aussian, median))
cv2.imshow('blur_aussian_median',res)