用python画一个圆、保存、像素28x28_OpenCV：图像读取/保存、绘制直线/圆形/矩形、获取并修改图像中的像素点、图像通道的拆分与合并...

图像的基础操作

学习目标

掌握图像的读取和保存方法

能够使用OpenCV在图像上绘制几何图形

能够访问图像的像素

能够获取图像的属性，并进行通道的分离和合并

能够实现颜色空间的变换

1 图像的IO操作

这里我们会给大家介绍如何读取图像，如何显示图像和如何保存图像。

1.1 读取图像

APIcv.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，任何图像的透明度都将被忽略。这是默认参数。

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或者-1来替代上面三个标志

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('messi5.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，并且图像无法显示出来。

另外我们也可使用matplotlib对图像进行展示。

参考代码

# opencv中显示

cv.imshow('image',img)

cv.waitKey(0)

# matplotlib中展示

plt.imshow(img[:,:,::-1])

1.3 保存图像

API

cv.imwrite()

参数：

文件名，要保存在哪里

要保存的图像

参考代码

cv.imwrite('messigray.png',img)

1.4 总结

我们通过加载灰度图像，显示图像，如果按's'并退出则保存图像，或者按ESC键直接退出而不保存。

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 读取图像

img = cv.imread('messi5.jpg',0)

# 2 显示图像

# 2.1 利用opencv展示图像

cv.imshow('image',img)

# 2.2 在matplotplotlib中展示图像

plt.imshow(img[:,:,::-1])

plt.title('匹配结果'), plt.xticks([]), plt.yticks([])

plt.show()

k = cv.waitKey(0)

# 3 保存图像

cv.imwrite('messigray.png',img)

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

我们生成一个全黑的图像，然后在里面绘制图像并添加文字

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 创建一个空白的图像

img = np.zeros((512,512,3), np.uint8)

# 2 绘制图形

cv.line(img,(0,0),(511,511),(255,0,0),5)

cv.rectangle(img,(384,0),(510,128),(0,255,0),3)

cv.circle(img,(447,63), 63, (0,0,255), -1)

font = cv.FONT_HERSHEY_SIMPLEX

cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)

# 3 图像展示

plt.imshow(img[:,:,::-1])

plt.title('匹配结果'), plt.xticks([]), plt.yticks([])

plt.show()

结果：

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，红值的数组。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。

import numpy as np

import cv2 as cv

img = cv.imread('messi5.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。

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。你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

总结：

图像IO操作的API：

cv.imread(): 读取图像

cv.imshow()：显示图像

cv.imwrite(): 保存图像

在图像上绘制几何图像

cv.line(): 绘制直线

cv.circle(): 绘制圆形

cv.rectangle(): 绘制矩形

cv.putText(): 在图像上添加文字

直接使用行列索引获取图像中的像素并进行修改

图像的属性

拆分通道：cv.split()

通道合并：cv.merge()

色彩空间的改变

cv.cvtColor(input_image，flag)

01.图像的IO操作.py

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 读取图像

img = cv.imread("image/dili.jpg",0)

# 2 显示图像

# 2.1 OPencv

# cv.imshow("dili",img)

# cv.waitKey(0)

# cv.destroyAllWindows()

# 2.2 matplotlib

plt.imshow(img,cmap=plt.cm.gray)

plt.show()

# 3 图像保存

cv.imwrite("image/dilireba.png",img)

px = img[100,100]

02.图像绘制图形.py

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 创建图像

img = np.zeros((512,512,3),np.uint8)

# 2 绘制图形

cv.line(img,(0,0),(511,511),(255,0,0),5)

cv.circle(img,(256,256),60,(0,0,255),-1)

cv.rectangle(img,(100,100),(400,400),(0,255,0),5)

cv.putText(img,"hello",(100,150),cv.FONT_HERSHEY_COMPLEX,5,(255,255,255),3)

# 3 显示结果

plt.imshow(img[:,:,::-1])

plt.show()

In [1]:

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

In [3]:

img = np.zeros((256,256,3),np.uint8)

In [4]:

plt.imshow(img[:,:,::-1])

Out[4]:

In [5]:

img[100,100]

Out[5]:

array([0, 0, 0], dtype=uint8)

In [6]:

img[100,100,0]

Out[6]:

0

In [7]:

img[100,100] = (0,0,255)

In [8]:

plt.imshow(img[:,:,::-1])

Out[8]:

In [9]:

img[100,100]

Out[9]:

array([ 0, 0, 255], dtype=uint8)

In [11]:

img.shape

Out[11]:

(256, 256, 3)

In [12]:

img.dtype

Out[12]:

dtype('uint8')

In [13]:

img.size

Out[13]:

196608

In [15]:

dili = cv.imread("./image/dili.jpg")

In [17]:

plt.imshow(dili[:,:,::-1])

Out[17]:

In [18]:

b,g,r = cv.split(dili)

In [22]:

plt.imshow(b,cmap=plt.cm.gray)

Out[22]:

In [23]:

img2 = cv.merge((b,g,r))

In [24]:

plt.imshow(img2[:,:,::-1])

Out[24]:

In [25]:

gray = cv.cvtColor(dili,cv.COLOR_BGR2GRAY)

In [26]:

plt.imshow(gray,cmap=plt.cm.gray)

Out[26]:

In [27]:

hsv = cv.cvtColor(dili,cv.COLOR_BGR2HSV)

In [28]:

plt.imshow(hsv)

Out[28]:

原文链接:https://blog.csdn.net/zimiao552147572/article/details/105330897