python-opencv环境的配置看上一篇opencv环境的配置
本篇主要介绍一下opencv的基本使用和相关函数的介绍。
以下所有操作都基于这三个库:
import cv2
import numpy as np
import matplotlib.pylab as plt
原图
1、图像的读取
import cv2 img = cv2.imread('文件路径'[,cv2.imread_unchanged]) # 其他参数 # 以原图读取 -cv2.imread_unchanged-默认 # 以灰度图读取 -cv2.imread_grayscale # 以彩色图读取 -cv2.imread_color
2、图像保存
import cv2 cv2.imwrite('image/gray_test.jpg',img)
3、图像展示
(1)使用opencv自带的显示函数
import cv2 # 可以决定窗口是否可以调整大小。 # cv2.namedwindow('image', cv2.window_normal) # 特殊情况 cv2.imshow('显示窗口的免费精选名字大全',img) cv2.waitkey(0) cv2.destroyallwindows() # 关闭所有窗口 ''' cv2.waitkey(num)函数的参数介绍 num<0 按键输入消失 num==0 或不填系数 ,一直不消失 num>0 停滞num秒 '''
(2)使用matplotlib库实现
不能直接用matplotlib去显示opencv读取的图像,因为opencv读取的图像的通道顺序是[b,g,r],而matplotlib显示图像时图像的通道顺序是[r,g,b]。
解决办法
import cv2 img = cv2.imread('文件路径') # 第一种方法 img = cv2.cvtcolor(img, cv2.color_bgr2rgb) # 第二种方法 # b, g, r = cv2.split(img) # img = cv2.merge([r, g, b])
显示图像
import cv2 matplotlib.pyplot as plt img = cv2.imread('文件路径') img = cv2.cvtcolor(img, cv2.color_bgr2rgb) plt.rcparams['font.sans-serif'] = ['fangsong'] # 支持中文标签 # (2,2,1)表示一共可显示2行2列4个图像,1表示第一个图像 plt.subplot(2,2,1), plt.title("图1") # plt.axis('off') 关闭坐标轴 plt.imshow(img) # 还可以添加一个参数cmap='gray' plt.subplot(2,2,2), plt.title("图2") plt.imshow(img) plt.subplot(2,2,3), plt.title("图3"), plt.imshow(img) plt.subplot(2,2,4), plt.title("图4"), plt.imshow(img) plt.show()
(3)拼接图像并显示
import cv2 import numpy as np # 拼接多个图片并显示 img1 = cv2.imread("1.jpg",cv2.imread_unchanged) img2 = cv2.imread("2.jpg",cv2.imread_unchanged) # 需要将两图片的大小改为一致 # heigh = img1.shape[0] # 高 # width = img1.shape[1] # 宽 img2 = cv2.resize(img2,(img1.shape[1],img1.shape[0])) res = np.hstack((img1,img2,img2)) # 水平连接 # np.vstack((img1,img2,img2)) # 竖直连接 cv2.imshow('res',res) cv2.waitkey(0) cv2.destroyallwindows()
4、获取图像属性
# 获取bgr图的高、宽 heigh = img.shape[0] # 高 width = img.shape[1] # 宽 # 获取bgr图的高、宽、深度 h,w,d = img.shape # 获得图片大小 h*w 或 h*w*d img_size = img.size # 获得图片数据类型 img.dtype
5、图像缩放(宽,高)
# 图片缩放->(200,100) img2 = cv2.resize(img1, (200, 100)) # (宽,高) # 按比例缩放->(0.5,1.2) img2 = cv2.resize(img1, (round(cols * 0.5), round(rows * 1.2))) # 按比例缩放,参数版 img2 = cv2.resize(img1, none, fx=1.2, fy=0)
6、在原图像中获取某一区域
# 获取区域在原图中的四个点的位置(x1,y1)(x2,y1)(x1,y2)(x2,y2) # 图像高度不变,切割宽度,原图上开始横坐标-->原图上结束横坐标 # img_x_y = img[高:高,宽:宽] img_x_y_1 = img[ : , x1(开始横坐标):x2(结束横坐标)] # 图像宽度不变,切割高度,原图上开始纵坐标-->原图上结束纵坐标 img_x_y_2 = img[y1(开始纵坐标):y2(结束纵坐标), : ] # 获取具体位置 img_x_y = img[y1(开始纵坐标):y2(结束纵坐标),x1(开始横坐标):x2(结束横坐标)]
例如:
import cv2 path = 'c:\users\lenovo\desktop\demo.jpg' img = cv2.imread(path) img_1 = img[100:600,200:500] cv2.imshow('1',img_1) cv2.waitkey(0) cv2.destroyallwindows()
7、彩色图像通道分解
# 通道分解方案1 b = img[:,:,0] g = img[:,:,1] r = img[:,:,2] # 通道分解方案2 b,g,r = cv2.split(img) # 通道合并 rgb = cv2.merge([r,g,b]) # 只显示蓝色通道 b = cv2.split(a)[0] g = np.zeros((rows,cols),dtype=a.dtype) r = np.zeros((rows,cols),dtype=a.dtype) m = cv2.merge([b,g,r])
8、图像加法
# 超过255则为0 result1 = img1 + img2 # 超过255则为255 result2 = cv2.add(img1, img2) # 图像带权重融合,第5个参数为偏移量 result = cv2.addweighted(img1,0.5,img2,0.5, 0)
9、图像反转
img2 = cv2.flip(img1, 0) #上下翻转 img2 = cv2.flip(img1, 1) #左右翻转 img2 = cv2.flip(img1, -1) #上下、左右翻转
10、图像金字塔
# 图片向下采样,高斯滤波 1/2 删掉偶数列 img1 = cv2.pyrdown(img) # 图片向上采样 ,面积*2 高斯滤波*4 ,下采样为不可逆运算 img3 = cv2.pyrup(img2) # 计算拉普拉斯金字塔 img1 = cv2.pyrdown(img) #下采样 img2 = cv2.pyrup(img1) #上采样 img3 = img-img2
11、直方图
##matplotlib 绘制直方图 plt.hist(img.ravel(),256) ##用opencv计算直方图列表 hist = cv2.calchist(images= [img],channels=[0],mask=none,histsize=[256],ranges=[0,255]) ##掩膜提取局部直方图 pad = np.zeros(img.shape,np.uint8) pad[200:400,200:400]=255 hist_mask = cv2.calchist(images= [img],channels=[0],mask=pad,histsize=[256],ranges=[0,255]) ##opencv 交、并、补、异或操作 masked_img = cv2.bitwise_and(img,mask) ##直方图均衡化原理 # 图像直方图->直方图归一化->累计直方图->*255 # x坐标映射->对原来的像素值进行新像素值编码 # 直方图均衡化调用 img1 = cv2.equalizehist(img) # matplotlib绘制图片前通道转换 img_rgb = cv2.cvtcolor(img,cv2.color_bgr2rgb) #通道不一致性 ##matplotlib多图绘制在一个面板上 plt.subplot('2,2,1'),plt.imshow(img,cmap=plt.cm.gray),plt.axis('off'),plt.title('original') plt.subplot('2,2,2'), plt.imshow(img1, cmap = plt.cm.gray), plt.axis('off') plt.subplot('2,2,3'), plt.hist(img.ravel(),256) plt.subplot('2,2,4'), plt.hist(img1.ravel(), 256)
12、图像类型转换
# 彩色图转灰度图 img2 = cv2.cvtcolor(img1, cv2.color_bgr2gray) # bgr图转rgb图(重点:opencv的通道是 蓝、绿、红跟计算机常用的红、绿、蓝通道相反) img2 = cv2.cvtcolor(img1, cv2.color_bgr2rgb) # 灰度图转bgr图,每个通道都是之前的灰度值 img2 = cv2.cvtcolor(img1, cv2.color_gray2bgr)
13、图像阈值转换 、二值化
r,b = cv2.threshold(img, 127, 255, cv2.thresh_binary) #图像二值化,阈值127,r为返回阈值,b为二值图 r,b = cv2.threshold(img, 127, 255, cv2.thresh_binary_inv) #图像反二值化 r,b = cv2.threshold(img,127,255,cv2.thresh_tozero) #低于threshold则为0 r,b = cv2.threshold(img,127,255,cv2.thresh_tozero_inv) #高于threshold则为0 r,b = cv2.threshold(img,127,255,cv2.thresh_trunc) #截断=>高于threshold则为threshold
14、图像平滑处理
# 均值滤波 img2 = cv2.blur(img1, (5, 5)) #sum(square)/25 # normalize=1 均值滤波,normalize=0 区域内像素求和 img1 = cv2.boxfilter(img, -1, (2, 2), normalize=1) # 高斯滤波,第三个参数是方差,默认0计算公式: sigmax=sigmaxy=0.3((ksize-1)*0.5-1)+0.8 (注:卷积核只能是奇数) img1 = cv2.gaussianblur(img, (3, 3), 0) #距离像素中心点近的权重较大,以高斯方式往四周分布 # 中值滤波,效果非常好 img1 = cv2.medianblur(img,3) #获得中心点附近像素排序后的中值
15、图像形态学操作
(1)图像腐蚀,k为全为1的卷积核
k = np.ones((5,5),np.uint8) img1 = cv2.dilate(img, k, iterations=2)
(2)图像膨胀
k = np.ones((5,5),np.uint8) img1 = cv2.dilate(img, k, iterations=2)
(3)图像开运算 (先腐蚀后膨胀),去掉图形外侧噪点
k = np.ones((5,5),np.uint8) img1 = cv2.morphologyex(img, cv2.morph_open, k, iterations=2)
(4)图像闭运算(先膨胀后腐蚀) ,去掉图形内侧噪点
k = np.ones((5,5),np.uint8) img1 = cv2.morphologyex(img, cv2.morph_close, k, iterations=2)
# 高帽运算 (原图-开运算),获得图形外噪点 k=np.ones((5,5),np.uint8) img1 = cv2.morphologyex(img, cv2.morph_tophat, k) # 黑帽运算(闭运算-原图),获得图像内噪点 k = np.ones((10,10),np.uint8) img1 = cv2.morphologyex(img, cv2.morph_blackhat, k)
16、图像梯度,边缘检测
import cv2 import matplotlib.pyplot as plt import numpy as np # 各种算子 img = cv2.imread('c:\users\lenovo\desktop\demo.jpg') img = cv2.cvtcolor(img, cv2.color_bgr2rgb) img = cv2.gaussianblur(img, (5, 5), 1) # 高斯平滑 img_median = cv2.medianblur(img, 3) # 中值滤波 img_gray = cv2.cvtcolor(img_median, cv2.color_bgr2gray) # roberts 算子 kernelx = np.array([[-1, 0], [0, 1]], dtype=int) kernely = np.array([[0, -1], [1, 0]], dtype=int) x = cv2.filter2d(img_gray, cv2.cv_16s, kernelx) y = cv2.filter2d(img_gray, cv2.cv_16s, kernely) absx = cv2.convertscaleabs(x) absy = cv2.convertscaleabs(y) roberts = cv2.addweighted(absx, 0.5, absy, 0.5, 0) plt.rcparams['font.sans-serif'] = ['fangsong'] # 支持中文标签 plt.subplot(2,2,1), plt.title("roberts算子"), plt.axis('off') plt.imshow(roberts,cmap='gray') # matplotlib 显示彩色图像(rgb格式) # prewitt 算子 kernelx = np.array([[1,1,1],[0,0,0],[-1,-1,-1]],dtype=int) kernely = np.array([[-1,0,1],[-1,0,1],[-1,0,1]],dtype=int) x = cv2.filter2d(img_gray, cv2.cv_16s, kernelx) y = cv2.filter2d(img_gray, cv2.cv_16s, kernely) # 转 uint8 ,图像融合 absx = cv2.convertscaleabs(x) absy = cv2.convertscaleabs(y) prewitt = cv2.addweighted(absx, 0.5, absy, 0.5, 0) plt.subplot(2,2,2), plt.title("prewitt算子"), plt.axis('off') plt.imshow(prewitt,cmap='gray') # matplotlib 显示彩色图像(rgb格式) #sobel算子 # 梯度方向: x sobelx = cv2.sobel(img_gray, cv2.cv_8u, 1, 0, ksize=3) sobely = cv2.sobel(img_gray, cv2.cv_8u, 0, 1, ksize=3) sobel = cv2.addweighted(sobelx,1,sobely,1,0) plt.subplot(2,2,3), plt.title("sobel算子"), plt.axis('off') plt.imshow(sobel,cmap='gray') # matplotlib 显示彩色图像(rgb格式) #canny算子 binary = cv2.canny(img_gray, 100, 200) plt.subplot(2,2,4), plt.title("canny算子"), plt.axis('off') plt.imshow(binary,cmap='gray') # matplotlib 显示彩色图像(rgb格式) # matplotlib 显示彩色图像(rgb格式) # img = cv2.imread("d:/test/26.png", 0) # laplacian算子 # gray_lap = cv2.laplacian(img, cv2.cv_16s, ksize=3) # dst = cv2.convertscaleabs(gray_lap) # 转回uint8 plt.show()
17、图像轮廓标注
gray_img = cv2.cvtcolor(img_1,cv2.color_bgr2gray) #灰度图转化 dep,img_bin = cv2.threshold(gray_img,128,255,cv2.thresh_binary) #二值图转化 image_contours,hierarchy = cv2.findcontours(img_bin,mode=cv2.retr_tree,method = cv2.chain_approx_simple) #获得图像轮廓 to_write = img_1.copy() #原始图像copy,否则会在原图上绘制 ret = cv2.drawcontours(to_write,image_contours,-1,(0,0,255),2) #红笔绘制图像轮廓 plt.subplot(2,1,1),plt.imshow(ret,'gray') plt.show()
18、读取视频文件
# 数据读取-视频 # cv2.videocapture #可以捕获摄像头,用数字来控制不同的设备,例如0,1。 # 如果是视频文件,直接指定好路径即可 vc = cv2.videocapture("test. mp4") # 检查是否打开正确 if vc.isopened(): oepn, frame = vc.reado() else: open = false while open: ret, frame = vc.read () if frame is none: break if ret == true: gray = cv2. cvtcolor(frame, cv2.color_bgr2gray) cv2.imshow("result", gray) if cv2.waitkey(10) & oxff == 27: break vc.release() cv2.destroyallwindows()
到此这篇关于python-opencv的基本使用的文章就介绍到这了,更多相关python opencv使用内容请搜索<计算机技术网(www.ctvol.com)!!>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<计算机技术网(www.ctvol.com)!!>!
需要了解更多python教程分享Python OpenCV的基本使用及相关函数,都可以关注python教程分享栏目—计算机技术网(www.ctvol.com)!
本文来自网络收集,不代表计算机技术网立场,如涉及侵权请联系管理员删除。
ctvol管理联系方式QQ:251552304
本文章地址:https://www.ctvol.com/pythontutorial/1092000.html