代码收藏家 python-OpenCV基础
目录
基础常识：
一、OpenCV图片函数
1.cv2.imread()读入图片
2.cv2.imshow()显示图片
3.cv2.imwrite()保存图片
二、OpenCV摄像头有关函数
1.打开摄像头
2.获取、改变摄像头属性
3.播放本地视频：
三、图像的基本操作
1.获取和修改像素值：
2.获取图片的属性
img.shape、img.dtype、img.size
3.ROI(截图)
四、颜色的空间转换
1.颜色空间转换
2.对特定颜色物体追踪
五、阙值分割—两类值
1.固定阙值分割
2.自适应阙值
六、图像几何变换
1.缩放图片
2.镜像反转图片
3.平移图片
4.旋转图片
七、绘画功能
1.画线
2.画矩形
3.画圆
4.画椭圆
5.画多边形
基础常识：
电脑上图片以RGB颜色模式显示，在opencv中以B-G-R通道顺序存储的，灰度图只是一个通道
一、OpenCV图片函数
1.cv2.imread()读入图片
import cv2
img = cv2.imread("l.jpg",0)
#参数1：图片路径；若图片放在当前文件夹下，直接"l.jpg"，否则需要给出绝对路径，如'D:\OpenCVSamples\lena.jpg'
#参数2：读入方式；彩色图：1；灰度图：0；包含透明通道的彩色图：-12.cv2.imshow()显示图片
cv2.imshow("lena",img)
#参数1:窗口名字
#参数2：要显示的图片，在上一步读入图片中已经完成
cv2.waitKey(0)#让程序暂停
#参数：程序暂停时间，时间一到，会继续执行接下来的程序
#传入0表示一直等待当图片比较大时，先用cv2.namedWindow()创建一个窗口，之后再显示图片：
cv2.namedWindow("lena2",cv2.WINDOW_NORMAL)
#参数1：窗口名字
#参数2：默认值，表示窗口大小自适应图片
cv2.imshow("lena2",img)
cv2.waitKey(0)3.cv2.imwrite()保存图片
cv2.imwrite("lena_gray.jpg",img)
#参数1：包括后缀名的文件名
#参数2：需要保存的图片二、OpenCV摄像头有关函数
1.打开摄像头
import cv2
capture = cv2.VideoCapture(0)
#0表示摄像头的编号，如果电脑上有两个摄像头，访问第二个摄像头就可以传入1，以此类推
while True：
ret,frame = capture.read()#获取一帧
#ret是一个布尔值，表示当前这一帧是否获取正确
#frame为这一帧的图
#cv2.cvtColor()用来转换颜色，这里将彩色图转成灰度图。
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
#显示图片
#参数1：窗口名称；参数2：要显示的图片
cv2.imshow("frame",gray)
if cv2.waitKey(1) == ord("q"):
break
2.获取、改变摄像头属性
使用cap.get(propId),参数为0~18的数字，代表不同的属性
width,height = capture.get(3),capture.get(4)
#获取捕获的分辨率
print(width,height)
#修改参数
capture.set(cv2.CAP_PROP_FRAME_WIDTH,width*2)
capture.set(cv2.CAP_PROP_FRAME_WIDTH,height*2)3.播放本地视频：
跟打开摄像头一样，如果把摄像头的编号换成视频的路径就可以播放本地视频了。回想一下cv2.waitKey()，它的参数表示暂停时间，所以这个值越大，视频播放速度越慢，反之，播放速度越快，通常设置为 25 或 30。
#播放本地视频
capture = cv2.VideoCapture("demo_video.mp4")
#使用cv2.VideoCapture()函数完成摄像头的初始化之后，为了防止初始化发生错误，用cv2.VideoCapture.isOpened()函数来检查初始化是否成功。
while(capture.isOpened()):
ret,frame = capture.read()
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
cv2.imshow("frame",gray)
if cv2.waitKey(30) == ord("q"):
break三、图像的基本操作
1.获取和修改像素值：
#读入一张图片
import cv2
img = cv2.imrad("lena.jpg")
#参数存放，图片的地址
px = img[100,90]#里面的数是图片的行列坐标
print(px)
#只获取蓝色blue通道的值
px_blue = img[100,90,0]
print(px_blue)
#修改像素值
img[100,90] = [255,255,255]
print(img[100,90])
2.获取图片的属性
img.shape、img.dtype、img.size
print(img.shape)#(263,247,3),行数、列数、通道数
print(img.dtype)#获取图像数据类型
print(img.size)#获取图像总像素数
3.ROI(截图)
img[100:200,115:188]
face = img[100:200,115:188]
cv2.imshow("face",face)
cv2.waitKey(0)四、颜色的空间转换
1.颜色空间转换
颜色模型转换：cv2.cvtColor() 函数进行颜色转换，常用BGR到Gray，BGR到HSV
得到某种颜色在HSV下的值，将BGR的值用cvtColor()得到
转换为灰度图：img_gray = cv2.cvtColor(img,cv2.COLOR_BGR3GRAY)
灰度化最常用的公式：gray=R*0.299+G*0.587+B*0.114
import cv2
img = cv22.imread("lena.jpg")
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("img",img)
cv2.imshow("gray",img_gray)
cv2.waitKey(0)2.对特定颜色物体追踪
从BGR转换到HSV：COLOR_BGR2HSV
import numpy as np
capture = cv2.VideoCapture(0)
#确定颜色范围
lower_blue = np.array([100,110,110])
upper_blue = np.array([130,255,255])
while True:
ret,frame = capture.read()
#从BGR转到HSV，得到某颜色在HSV下的值。HSV模型颜色模型常用于颜色识别
hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
#介于颜色范围之间的都为白色，其余为黑色
mask = cv2.inrange(hsv,lower_blue,upper_blue)
#只保留原图中蓝色部分
res = cv2.bitwise_and(frame,frame,mask=mask)
cv2.imshow("frame",frame)
cv2.imshow("mask",mask)
cv2.imshow("res",res)
if cv2.waitKey(1) == ord("q"):
break
关于如何得到lower_blue与upper_blue的范围：
我们先把标准蓝色的BGR值用cvtColor()转换下：
blue = np.unit8([[[255,0,0]]])
hsv_blue = cv2.cvtColor(blue,cv2.COLOR_BGR2HSV)
print(hsv_blue)#[[[120 255 255]]]五、阙值分割—两类值
1.固定阙值分割
将像素点值大于阙值变成一类值，小于阙值变成另一类值
cv2.threshold()函数实现阙值分割
import cv2
#灰度图读入
img = cv2.imread("gradient.jpg",0)
#阙值分割
#参数1：要处理的原题，一般是灰度图
#参数2：设定的阙值
#参数3：对于THRESH_BINARY、THRESH_BINARY_INV阙值方法所选用的最大阙值，一般为255
#参数4：阙值的方式，主要有5种：THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO、THRESH_TOZERO_INV
ret,th = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
cv2.imshow("thresh",th)
cv2.waitKey(0)2.自适应阙值
cv2.adaptiveThreshold()自适应阙值会每次取图片的一小部分计算阙值，这样图片不同区域的阙值就不尽相同
import matplotlib.pyplot as plt
img = cv2.imread("sudoku.jpg",0)
#自适应阙值
#参数1：要处理的图像、
#参数2：最大阙值，一般为255
#参数3：小区域阙值计算方式、ADAPTIVE_THRESH_MEAN_C：小区域内取均值ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是个高斯核
#参数4：阈值方法，只能使用THRESH_BINARY、THRESH_BINARY_INV，具体见前面所讲的阈值方法
#参数5：小区域的面积，如 11 就是 11*11 的小块
#参数6：最终阈值等于小区域计算出的阈值再减去此值
th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,4)
th3 = cv2.adaptiveThreshold(img,255,ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,17,6)
#图片显示
#显示标题
titles = ["Original","Global(v = 127)","Adaptive Mean","Adaptive Gaussian"]
#显示的图片
images = [img,th1,th2,th3]
#分别进行展示
for i in range(4):
plt.subplot(2,2,i+1)#同一窗口下两行两列显示
plt.imshow(images[i],"gray")#参数：要显示的图片、参数
plt.title(titles[i],fontsize=8)
plt.xticks([]),plt.yticks([])#隐藏坐标轴
plt.show()六、图像几何变换
1.缩放图片
cv2.resize()函数实现，既可以按照比例缩放，也可以按照指定大小缩放
import cv2
img = cv2.imread('drawing.jpg')
#按照指定的宽度高度缩放图片
res = cv2.resize(img,(132,150))
#按照比例缩放，如x,y轴均放大一倍
res2 = cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_LINEAR)
cv2.imshow("shrink",res)#参数：要显示的窗口名称，要显示的图片
cv2.imshow("zoom",res2)
cv2.waitKey(0)2.镜像反转图片
cv2.flip()函数。参数1：要进行操作的图片；参数2：参数2<0水平垂直反转；参数2=0沿x轴垂直反转；参数2>0沿y轴水平反转
dst = cv2.flip(img,1)3.平移图片
平移通过仿射变换函数cv2.warpAffine()实现的，需要构建矩阵
import numpy as np
rows,cols = img .shape[:2]
#构建平移矩阵，需要是numpy的float32类型
M = np.float32([[1,0,100],[0,1,50]])#x轴平移100，y轴平移50
#用仿射变换实现平移
dst = cv2.warpAffine(img,M,(cols,rows))
cv2.imshow("shift",dst)
cv2.waitKey(0)
4.旋转图片
旋转和平移一样，需要通过仿射变换实现，因此也需要定义一个变换矩阵，这时，opencv直接提供了cv2.getRotationMatrix2D()函数来生成这个矩阵，仿射变换仍用函数cv2.warpAffine()函数
#图片旋转45°并缩小一般
M = cv2.getRotationMatrix2D((cols / 2, rows / 2), 45, 0.5)
#利用仿射变换实现M
dst = cv2.warpAffine(img,M,(cols,rows))
cv2.imshow("rotation",dst)
cv2.waitKey(0)
七、绘画功能
前情提要:
img:要绘制形状的图片
color：绘制的颜色
彩色图就传入BGR的一组值，如蓝色就是(255,0,0)
灰度图，传入一个灰度值就行
thickness:线宽，默认为1，对于矩形/圆之类的封闭形状而言，传入-1表示填充形状
通用模块，下面不再一一列出
import cv2
import numpy as np
import matplotlib.pyplot as plt
cv2.imshow("img",img)
cv2.waitKey(0)1.画线
只需要指出起点和终点坐标就行，cv2.line()函数
#创建一副黑色图片
img = np.zeros((512,512,3),np.unit8)
#np.zeros(size,type).参数1：数组形状尺寸；参数2：新数组的数据类型
#画一条线宽为5的蓝色直线
#参数2：起点
#参数3：终点
cv2.line(img,(0,0),(512,512),(255,0,0),5) 2.画矩形
画矩形需要知道左上角和右下角的坐标，cv2.rectangle()函数
#画一个绿色边框的矩形，参数2：左上角坐标，参数3：右下角坐标
cv2.rectangle(img,(384,0),(510,128),(0,255,0),3)3.画圆
需要指定圆心和半径，cv2.circle()函数.注意：最后一个参数线宽=-1，表示为实心的
cv2.circle(img,(477,63),63,(0,0,255),-1)4.画椭圆
椭圆需要指定的参数比较多，利用函数cv2.ellipse()函数
#在圆中心画一个填充的半圆
cv2.ellopse(img,(256,256),(100,50),0,0,180,(255,0,0),-1)
#参数2：椭圆中心坐标
#参数3：x轴与y轴的长度
#参数4：angle--椭圆旋转角度
#参数5：startAngle--椭圆的起始角度
#参数6：endAngle--椭圆的结束角度5.画多边形
相当于相邻两点之间画直线
opencv中需要先将多边形的顶点坐标需要变成顶点数✖1✖2维的矩阵
cv2.polylines()绘制多条直线
#定义四个顶点坐标
pts = np.array([[10,5],[50,10],[70,20],[20,30]],np.int32)
#顶点个数：4，矩阵变成4*1*2维
pts = pts.reshape((-1,1,2))
cv2.polylines(img,[pts],True,(0,255,255))这段代码将 pts 变量调整为具有特定形状的数组。 pts.reshape((-1,1,2)) 将 pts 变量转换为一个三维数组，其中第一维的大小由原始数组中的元素数量自动计算，第二维和第三维的大小分别为 1 和 2。
如果函数cv2.polylines()的参数3是False的画，多边形不闭合。
作者：远山不远.
