OpenCV学习笔记(二):OpenCV基本操作

OpenCV的基本操作

  • 1 OpenCV基本操作
    • 1.1 图像的基本操作
      • 1.1.1 图像的IO操作
        • 1.1.1.1 读取图像
        • 1.1.1.2 显示图像
        • 1.1.1.3 保存图像
        • 1.1.2 总结
      • 1.1.2 绘制几何图形
        • 1.1.2.1 绘制直线
        • 1.1.2.2 绘制圆形
        • 1.1.2.3 绘制矩形
        • 1.1.2.4 向图像中添加文字
        • 1.1.2.5 效果展示
        • 1.1.2.5 获取并修改图像中的像素点
        • 1.1.2.6 获取图像的属性
        • 1.1.2.7 图像通道的拆分与合并
        • 1.1.2.8 色彩空间的改变
      • 1.1.3 总结
    • 1.2 算数操作
      • 1.2.1 图像的加法
      • 1.2.2 图像的混合

1 OpenCV基本操作

本章主要介绍图像的基础操作,包括:

  • 图像的IO操作,读取和保存方法
    1. 在图像上绘制几何图形
    2. 怎么获取图像的属性
    3. 怎么访问图像的像素,进行通道分离,合并等
    4. 怎么实现颜色空间的变换
    5. 图像的算术运算

1.1 图像的基本操作

1.1.1 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。

1.1.1.1 读取图像

API

cv.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10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

1.1.1.2 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])
1.1.1.3 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)
1.1.2 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)

1.1.2 绘制几何图形

1.1.2.1 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
1.1.2.2 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
1.1.2.3 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
1.1.2.4 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
1.1.2.5 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:
OpenCV学习笔记(二):OpenCV基本操作_第1张图片

1.1.2.5 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]
1.1.2.6 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。

OpenCV学习笔记(二):OpenCV基本操作_第2张图片

1.1.2.7 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))
1.1.2.8 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

1.1.3 总结

  • 图像IO操作的API:

    1. cv.imread(): 读取图像

    2. cv.imshow():显示图像

    3. cv.imwrite(): 保存图像

  • 在图像上绘制几何图像

    1. cv.line(): 绘制直线

    2. cv.circle(): 绘制圆形

    3. cv.rectangle(): 绘制矩形

    4. 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

OpenCV学习笔记(二):OpenCV基本操作_第3张图片

  1. 拆分通道:cv.split()

  2. 通道合并:cv.merge()

  3. 色彩空间的改变
    cv.cvtColor(input_image,flag)

1.2 算数操作

1.2.1 图像的加法

你可以使用OpenCV的cv.add()函数把两幅图像相加,或者可以简单地通过numpy操作添加两个图像,如res = img1 + img2。两个图像应该具有相同的大小和类型,或者第二个图像可以是标量值。

注意:OpenCV加法和Numpy加法之间存在差异。OpenCV的加法是饱和操作,而Numpy添加是模运算。

参考以下代码:

>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y )          # 250+10 = 260 % 256 = 4
[4]
这种差别在你对两幅图像进行加法时会更加明显。OpenCV 的结果会更好一点。所以我们尽量使用 OpenCV 中的函数。

我们将下面两幅图像:

代码:

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 1 读取图像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")

# 2 加法操作
img3 = cv.add(img1,img2) # cv中的加法
img4 = img1+img2 # 直接相加

# 3 图像显示
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(img3[:,:,::-1])
axes[0].set_title("cv中的加法")
axes[1].imshow(img4[:,:,::-1])
axes[1].set_title("直接相加")
plt.show()

结果如下所示:

1.2.2 图像的混合

这其实也是加法,但是不同的是两幅图像的权重不同,这就会给人一种混合或者透明的感觉。图像混合的计算公式如下:

g(x) = (1−α)f0(x) + αf1(x)

通过修改 α 的值(0 → 1),可以实现非常炫酷的混合。

现在我们把两幅图混合在一起。第一幅图的权重是0.7,第二幅图的权重是0.3。函数cv2.addWeighted()可以按下面的公式对图片进行混合操作。

dst = α⋅img1 + β⋅img2 + γ

这里γ取为零。

参考以下代码:

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 1 读取图像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")

# 2 图像混合
img3 = cv.addWeighted(img1,0.7,img2,0.3,0)

# 3 图像显示
plt.figure(figsize=(8,8))
plt.imshow(img3[:,:,::-1])
plt.show()

窗口将如下图显示:

OpenCV学习笔记(二):OpenCV基本操作_第4张图片

1.2.3 总结

  1. 图像加法:将两幅图像加载一起

    cv.add()

  2. 图像的混合:将两幅图像按照不同的比例进行混合

    cv.addweight()

注意:这里都要求两幅图像是相同大小的。

你可能感兴趣的:(【OpenCV】,opencv,python)