Python学习笔记 | opencv图像处理（一）

1. 计算机数据——图片

---

1.1 图片信息解读

利用计算机处理图像信息，我们必须要先了解计算机如何阅读图片信息。

我们都知道，在计算机的世界中只存在0和1两个元素，因此，为了能让计算机读懂图片，我们需要把图片转换成数字。右击图片，选择属性-详细信息，我们得到了一张图片的基本信息。

图片与其像素信息（图片437KB）

分辨率：照片长宽（长×宽），单位为像素

dpi：每英寸像素点数（Dots Per Inch），表示该图片的解析度

位深度：位深度是指在记录数字图像的颜色时，每个像素的所储存的信息大小

1.2 深入理解位深度

1.2.1 1-bit位深度

对于最基础的黑白色的图片，每个像素只需要考虑自己是白色还是黑色，因此，位深度可以为1 bit，每个像素用0（白色）或1（黑色）表示，可以得到下面这张图片：

1bit位深度的图片与其信息（图片18.7KB）

该图片事实上仅有0和1两个元素，即每个像素非黑即白，然而观察图片，却能看出灰色甚至其他颜色。这主要得益于人类大脑强大的脑部功能，自动处理了过渡区域的颜色变化。不过还是可以看出这张图好像打了马赛克一样，变得更模糊了。(大家可以放大这张图片看一看，可以看到许多黑点白点）

1.2.2 8-bit位深度

1-bit位深度的黑白照片很显然还是比较粗糙的，如果想要刻画出一张黑白照片的细节，则可以增加数据量，用一个字节（8-bit）来表示一个像素的数据。此时(00000000)₂表示白色，(11111111)₂（即十进制255）表示黑色，中间所有的数表示不同的灰度。

8bit位深度的图片与其信息（图片78.5KB）

可以发现上面的图片细节更加丰富，相对应的照片也更大了。

1.2.3 24-bit位深度

8-bit位深度的图片已经可以很好的展示黑白图像，但是如果想要展示彩色的照片，一个字节是不够的。为了确定颜色的数字化方式，国际照明委员会（CIE）确定了一套加色混色模型。

研究发现，我们眼睛的视网膜视锥细胞是可以分辨入射光线颜色变化的。
常人一般拥有三种类型的视锥细胞，每种类型的细胞能够识别出一种颜色——红色、绿色或蓝色，因此我们这样的普通人也被称为“三色视者”。
每种类型视细胞经过不同波长的光发生不同的连锁反应，引起视觉。三种视细胞被激活并往神经中枢（大脑）输送信息。大脑收集联合各种信号，并产生色觉，然后言语描述出来我们目及的是哪种颜色。

因此，我们通过不同比例的红绿蓝（RGB）三种光的混合模拟出所有颜色，每个颜色需要用3个字节（24-bit）表示，就得到了下面这张彩图：

24bit位深度的图片与其信息（图片232KB）

1.2.4 其他位深度

RGB混合模式目前最主流的一种颜色模型，但是该模型并不是唯一的颜色混合模型。因此，如果运用其他颜色模型存储彩色照片，就会出现其他位深度的图片。

各种颜色模型以及它们的内在关系

2. opencv入门

---

2.1 环境介绍

本机环境：

• python 3.9

• opencv库 4.5.2.52

• pycharm community edition

库下载方式：

在终端输入：

pip install opencv-python

导入相应的库：

import numpy as np
import cv2

当cv2下没有出现红色下划线，表示安装成功。

2.2 读取图片

通过调用opencv中的imread方法，可以实现读取图片的二进制代码：

img = cv2.imread(filename, flags)
# filename是图片的路径
# flags可以不用填写，默认flags是cv2.IMREAD_COLOR

以下图为例，该图片长400像素，宽400像素：

阳光猫猫.png (400*400 px)

通过print函数，我们可以看到图片已经转化成一个矩阵:

print(img)
 # [[[ 75 116 163]
 # [ 76 117 162]
 # [ 80 121 166]
 # ...
 # [ 57 72 93]
 # [ 63 74 92]
 # [ 66 75 90]]
 #
 # [[ 72 111 158]
 # [ 74 114 159]
 # [ 80 119 165]
 # ...
 # [ 60 73 97]
 # [ 67 77 95]
 # [ 71 78 93]]
 #
 # ...
 #
 # [[113 94 106]
 # [ 98 79 93]
 # [ 97 79 94]
 # ...
 # [116 127 136]
 # [132 140 153]
 # [155 162 175]]]

可以发现，这个格式是一个numpy矩阵，因此我们可以调用numpy里的一些方法，帮助我们理解这个图片每个数据的含义

print(type(img))
# 
# 这是一个numpy矩阵

首先，先要弄清楚这个矩阵有几行几列

print(img.shape)
# (400, 400, 3)

可以看到这个矩阵有400行，400列，并且每个行列内的元素由3个数字构成。

对应我们的图片可以发现，矩阵行数对应图片的宽度（两者都对应竖直方向），矩阵的列数对应图片的宽度（两者对应的列数），数字3，则表示图像每一个像素点由3个字节表示，在RGB体系中表示构成该颜色的红绿蓝值注2。

[注2] 在opencv中，每个像素点色彩的混合顺序是BGR，而不是主流的RGB。

imread方法中需要传入的第二个参数是flags，可以理解成对图片的读取模式，最常用的两个如下：

cv2.IMREAD_COLOR    # 原大小，全色彩 shape=(400, 400, 3)

cv2.IMREAD_GRAYSCALE    # 原大小，黑白 shape=(400, 400)

读取图片，本质上是把图片信息转换成矩阵，矩阵的行列长度为图片的宽与长，矩阵每一个元素表示对应像素点位置的颜色信息。图像处理，本质上就是对矩阵进行各种变换处理，再转换成图片。

2.3 预览图片

如果暂时预览图片的话，可以利用imshow的方法，弹出GUI窗口，具体方法如下：

cv2.imshow(winname, mat)
# winname是弹窗的标题，这里可以写任意字符
# mat（matrix）是我们的图片矩阵，需要输入矩阵形式的图片

但是当我们直接运行程序的时候，会发现我们的窗口会一闪而过，根本无法预览，这是因为我们需要设置弹窗一个等待时间。

cv2.imshow(winname, mat)
cv2.waitKey()
# 括号内可以传入一个整数，表示窗口停留的毫秒数，也可以空着
# 如果是0或负数，则会一直保持。

2.4 保存图片

通过使用cv2里的imwrite方法，可以实现矩阵写入图片的功能，具体方法如下：

cv2.imwrite(filename, img, params=None)
# filename是图片的保存路径
# img是图片的矩阵形式
# params一般不用，可不写

例如，我想要保存保存一张图片的黑白照片，可以这样处理：

in_path = 'in.png'
out_path = 'out.png'

img = cv2.imread(in_path, cv2.IMREAD_GRAYSCALE)
# 把图片转化成矩阵，只读取灰度
cv2.imwrite(out_path, img)
# 把img矩阵保存到out_path里面

回顾

1. 图像处理，本质上就是对矩阵进行各种变换处理，再转换成图片。

2. python库的准备：cv2（图像处理），numpy（矩阵处理）

3. 读取图片：cv2.imread（图片转变成矩阵）

4. 预览图片：cv2.imshow, cv2.waitKey

5. 保存图片：cv2.imwrite（矩阵转变为图片）

下一章将向大家深入介绍图片处理的各种细节。

参考资料

1. OpenCV в Python. Часть 1 [https://habr.com/ru/post/519454]

2. 什么是位深度？[https://etc.usf.edu/techease/win/images/what-is-bit-depth]

3. 各种颜色模型以及它们的内在关系 [https://blog.csdn.net/qq_35247586/article/details/109919637]

4. 三色视者与四色视者身后的理论基础：色彩原理 [https://www.cnblogs.com/zhoulujun/p/11334489.html]