OpenCV for Python 学习笔记（一）

1.图像分类

rgb图像、灰度图像、二值图像

2.修改像素颜色

可以对多个像素处理

image[100:150,100:150] = [255,255,255]  (这是一个彩色图像)

3.使用numpy包访问像素

创建图像： np.ones((101,101,3))

获得像素：image.item(x,y,color)  (相对于彩色图片)

修改像素：image.itemset((x,y,color),255)  

4.获取图像属性

image.shape()   灰度图像得到高宽，彩色图像还得到通道数

image.size()    灰度图像得到行列积，彩色图像得到行列通道数积

image.dtype()   获得图像数据类型

5.图像ROI

6.通道的拆分与合并

b,g,r = cv2.split(img)

image = cv2.merge([b,g,r])

7.图像加法运算

numpy加法：取模加法：像素值和小于等于255，取原值，大于255则结果对255取模

调用方法：直接用加号

opencv加法：饱和运算:像素值和小于等于255，则取原值，大于255，取255

调用方法：cv2.add(img1,img2)

8.图像融合

结果图像=图像1*系数1+图像2*系数2+亮度调节度

函数：addWeighted(图1,系数1,图2,系数2,亮度) 

9.类型转换

cvtColor(图像，转换形式)

10.图像缩放

cv2.resize(图像,(行，列))   按照像素缩放

cv2.resize(图像,NONE,fx=0.5,fy=0.5)   按照比例缩放

11.图像翻转

cv2.flip(src,flipCode)

flipCode = 0实现上下翻转 ；=1左右翻转 ；=负数上下左右翻转

12.阈值分割

阈值分割：

二进制阈值化：将大于阈值处理为最大值，否则处理为最小值

反二进制阈值化：将大于阈值处理为最小值

截断阈值化：将大于阈值的值处理为阈值，否则不变（相当于把图片中比较亮的部分处理为阈值）

反阈值化为0：将大于阈值的值处理为0，否则不变

阈值化为0：将小于阈值的值处理为0.大于等于阈值的值则不变

threshold函数进行阈值分割：

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

retval:阈值   dst:处理结果   src:源图片  thresh:阈值   maxval:最大值  type:种类

13.图像平滑处理

均值滤波：

1.定义

均值滤波解析

2.函数调用：cv2.blur(图像,(5,5))   (第二个参数代表周围的像素的选区范围)

方框滤波：

1.定义及函数调用：

高斯滤波：

1.定义：

2.函数调用：

dst = cv2.GaussianBlur(src,ksize,sigmaX)

中值滤波：

1.定义：

2.函数调用：

dst = cv2.medianBlur(src,ksize)   ksize必须是比1大的奇数，代表n*n的矩阵