python-opencv 图像处理基础 （一）

目录

1、显示/保存图像  获取图像信息/单通道图像/合并三通道

 2、读取摄像头

 3、翻转图像，用API接口速度快 30ms  逐像素翻转

4、提取不同颜色区域  颜色空间转换

5、图像加减乘除

6、泛洪填充

---

1、显示/保存图像  获取图像信息/单通道图像/合并三通道

void nameWindow(const string& winname,int flags = WINDOW_AUTOSIZE) ;

参数1：新建的窗口的名称。自己随便取。

参数2：窗口的标识，一般默认为WINDOW_AUTOSIZE 。

    WINDOW_AUTOSIZE 窗口大小自动适应图片大小，并且不可手动更改。（上面图1就是使用的它）

    WINDOW_NORMAL 用户可以改变这个窗口大小（上面图2就是使用的它）

    WINDOW_OPENGL 窗口创建的时候会支持OpenGL
 

import cv2
import numpy as np 

#-----------------------显示/保存图像  获取图像信息 获取单通道图像 合并三通道 --------------------------
def get_img_info(img):
	print(type(img))
	print(img.shape)
	print(img.size)
	print(img.dtype)
	print(np.array(img))

def channle_img(img):
	b,g,r=cv2.split(img)
	cv2.imshow('blue',b)
	cv2.imshow('green',g)
	cv2.imshow('red',r)

	dst=cv2.merge([b,g,r])
	dst[:,:,2]=255
	cv2.imshow('changed img',dst)


if __name__ == '__main__':
	
	src=cv2.imread('../opencv-python-img/lena.png')
	cv2.namedWindow("input img",cv2.WINDOW_AUTOSIZE)
	cv2.imshow("input img",src)
	get_img_info(src)


	gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
	cv2.imwrite('test.jpg',gray)

	channle_img(src)

	cv2.waitKey(0)
	cv2.destroyAllWindows()

 2、读取摄像头

#-----------------------读取摄像头 ------------------------------
def video_demo():
	capture=cv2.VideoCapture(0)
	while(True):
		ret,frame = capture.read()
		frame=cv2.flip(frame,1)#翻转以y轴 镜像变换 1水平翻转 0 垂直翻转 -1 水平垂直翻转
		cv2.imshow("video",frame)
		key=cv2.waitKey(50)
		if c==27:
			break

if __name__ == '__main__':
	video_demo()

 3、翻转图像，用API接口速度快 30ms  逐像素翻转

#----------------------翻转图像，用API接口速度快 30ms  逐像素翻转1500ms--------------------
def access_pixels(img):#逐像素翻转图像
	height=img.shape[0]
	weight=img.shape[1]
	channels=img.shape[2]
	for channel in range(channels):
		for row in range(height):
			for col in range(weight):
				pix=img[row,col,channel]
				img[row,col,channel]=255-pix
	cv2.imshow('pix',img)


def inverse(img):#API翻转图像
	dst=cv2.bitwise_not(img)
	cv2.imshow("inverse demo",dst)


def create_img():
	img=np.zeros([400,400,3],np.uint8)
	img[:,:,1]=np.ones([400,400])*255
	cv2.imshow("new img",img)

	img=np.ones([400,400,1],np.uint8)
	img=img*0
	print(img.shape)
	cv2.imshow("new image",img)

	m1=np.ones([3,3],np.uint8)
	m1.fill(12.233)
	print(m1)

	m2=m1.reshape([1,9])
	print(m2)

	m3=np.array([[2,3,4],[4,5,6],[7,8,9]],np.int32)
	print(m3)


if __name__ == '__main__':
	src=cv2.imread('../opencv-python-img/lena.png')
	cv2.namedWindow("input img",cv2.WINDOW_AUTOSIZE)
	cv2.imshow("input img",src)
	

	t1=cv2.getTickCount()
	#access_pixels(src)
	#inverse(src)
	create_img()
	t2=cv2.getTickCount()
	time=(t2-t1)/cv2.getTickFrequency()
	print("time:%s ms"%(time*1000))
	
	cv2.waitKey(0)
	cv2.destroyAllWindows()

4、提取不同颜色区域  颜色空间转换

#---------------------提取不同颜色区域  颜色空间转换---------------------
def extrace_object_demo(path):
	capture=cv2.VideoCapture(path)
	while (True):
		ret,frame=capture.read()
		if ret==False:
			break
		hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
		lower_hsv=np.array([20,20,20])
		upper_hsv=np.array([200,200,200])
		mask=cv2.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
		#实现图像二值化，即检查数组元素是否在另外两个数组元素值之间。
		#lowerb---upperb函数会将两个区域间的值置为255，区间外的值置为0
		#比如想要看到青色的区域处于图像中的什么位置，青色的区域是[78,43,46],[99,255,255]
		dst=cv2.bitwise_and(frame,frame,mask=mask)#像素相加
		cv2.imshow("video",frame)
		cv2.imshow('mask',dst)
		key=cv2.waitKey(40)
		if key==27:
			break


def color_space_demo(img):
	gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
	hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
	yuv=cv2.cvtColor(img,cv2.COLOR_BGR2YUV)
	Ycrcb=cv2.cvtColor(img,cv2.COLOR_BGR2YCrCb)

	cv2.imshow('gray',gray)
	cv2.imshow('hsv',hsv)
	cv2.imshow('yuv',yuv)
	cv2.imshow('ycrcb',Ycrcb)
	cv2.waitKey(0)

if __name__ == '__main__':
	path='../opencv-python-img/dinosaur.avi'
	extrace_object_demo(path)

	src=cv2.imread('../opencv-python-img/lena.png')
	color_space_demo(src)

5、图像加减乘除

#---------------图像加减乘除-----------
def add_demo(m1,m2):
	dst=cv2.add(m1,m2)
	cv2.imshow("add_demo",dst)


def substract_demo(m1,m2):
	dst=cv2.subtract(m1,m2)
	cv2.imshow("substract",dst)


def multi_demo(m1,m2):
	dst=cv2.multiply(m1,m2)
	cv2.imshow("multiply",dst)


def divide_demo(m1,m2):
	dst=cv2.divide(m1,m2)
	cv2.imshow("divide",dst)


def logic_demo(m1,m2):
	dst1=cv2.bitwise_and(m1,m2)
	dst2=cv2.bitwise_or(m1,m2)
	dst3=cv2.bitwise_not(m1)
	cv2.imshow('dst1',dst1)
	cv2.imshow('dst2',dst2)
	cv2.imshow('dst3',dst3)


def constrast_brightness_demo(img,c,b):
	h,w,c=img.shape
	blank=np.zeros([h,w,c],img.dtype)
	dst=cv2.addWeighted(img,c,blank,1-c,b)
        #图像叠加or图像混合加权实现
	#图像尺寸相同、类型相同
	#cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst
	#dst=src1 * alpha + src2 * beta + gamma;
	cv2.imshow("con-bri-demo",dst)

def other(m1,m2):
	M1,dev1=cv2.meanStdDev(m1)
	M2,dev2=cv2.meanStdDev(m2)
	h,w=m1.shape[:2]

	print("M1",M1)#输出三个值，一个通道一个值
	print("M2",M2)
	print("dev1",dev1)
	print("dev2",dev2)

	im=np.zeros([h,w],np.uint8)
	m,dev=cv2.meanStdDev(im)
	print(m,dev)


if __name__ == '__main__':
	src1=cv2.imread('../opencv-python-img/lena.png')
	src2=cv2.imread('../opencv-python-img/test.jpg')

	cv2.imshow("src1",src1)
	cv2.imshow("src2",src2)

	add_demo(src1,src2)
	substract_demo(src1,src2)
	multi_demo(src1,src2)
	divide_demo(src1,src2)

	other(src1,src2)

	logic_demo(src1,src2)

	constrast_brightness_demo(src1,1.5,0)

	cv2.waitKey(0)

6、泛洪填充

#----------------------------泛洪填充--------------------
#填充一个图像内部区域
#- FLOODFILL_FIXED_RANGE – 改变图像，泛洪填充
#- FLOODFILL_MASK_ONLY – 不改变图像、只填充遮罩层本身、忽略新的颜色值参数
def fill_color_demo(img):
	copyImg=img.copy()
	h,w=img.shape[:2]
	mask=np.zeros([h+2,w+2],np.uint8)
	cv2.floodFill(copyImg,mask,(30,30),(0,255,255),(100,100,100),(50,50,50),cv2.FLOODFILL_FIXED_RANGE)
	#(30,30)种子点的位置
	#(100,100,100)以种子点像素三通道值[b,g,r]为基准，被填充范围为原图三通道最低值为[b-100,g-100,r-100]
	#(50,50,50)以种子点像素三通道值[b,g,r]为基准，被填充范围为原图三通道最高值为[b+50,g+50,r+50]
	#所以在原图像只有像素三通道值[b-100,g-100,r-100]<=[b,g,r]<=[b+50,g+50,r+50],在此范围内的都会被指定(0,255,255)即黄色填充
	#cv.FLOODFILL_FIXED_RANGE：待处理的像素点与种子点作比较，在范围之内，则填充此像素 。（改变图像）
	cv2.imshow("fill_color_demo",copyImg)


def fill_binary():
	image=np.zeros([400,400,3],np.uint8)
	image[100:300,100:300,:]=255
	cv2.imshow("fill_binary",image)

	mask=np.ones([402,402,1],np.uint8)
	mask[101:301,101:301]=0
	cv2.floodFill(image,mask,(200,200),(0,23,255),cv2.FLOODFILL_MASK_ONLY)
	#当flag为FLOORFILL_MAK_ONLY时，只会填充mask中数值为0的区域。
	cv2.imshow("filled binary",image)


if __name__ == '__main__':
	src=cv2.imread('../opencv-python-img/lena.png')
	fill_color_demo(src)
	fill_binary()
	cv2.waitKey(0)