openCV入门学习基础教程第一篇

2022-11-21 09:29:51 作者：老师我作业忘带了

OpenCV是计算机视觉领域一个图像和视频处理库,用于各种图像和视频分析,如面部识别和检测,车牌阅读,照片编辑,高级机器人视觉,光学字符识别等等,下面这篇文章主要给大家介绍了关于openCV入门学习基础教程第一篇的相关资料,需要的朋友可以参考下

前言：计算机眼中的图片

计算机中图片由许多个像素点组成，如一个500x500的图片，表示长宽各由500个像素点组成。
计算机中一个像素点的值在0-255表示该点亮度 0暗(黑)-255亮(白)
一张彩图通常是由RGB(red、green、blue)三个颜色通道所组成
一个500x500的图片那他们的 RGB 矩阵也各是500x500。

上图我们将一个大的图片分割成许多如20x20的小图片，同理每个小图片它们的RGB矩阵也各自是20x20。

注：opencv默认顺序不是RBG 而是 BGR。

1. 图片的读取与显示

1.1 图片的读取

import cv2 
img = cv2.imread('./data/abv.jpg')

img = cv2.imread('./data/abv.jpg')

比如我读入这样一张图片，命名为img；

我们可以看到img是一个三维ndarray结构，内部数据类型dtype=unit8：

三维：(1080,1920,3)表示高度、宽度、颜色通道个数(cv彩图BGR)ndarray结构：数据类型dtype=unit8, 0-255。

1.2 显示的图片

1.2.1 显示原始图片

cv2.imshow('image',img) # 第一个参数表示窗口指定的名字 第二个为上方img
cv2.waitKey(5000) # 等待时间  如果是5000则在5s后图片窗口自动关闭  0表示任意键关闭
cv2.destroyAllWindows() # 时间一到关闭窗口

ps: 图像的显示也可以是多个窗口

cv2.imshow('image',img) 自己给将要弹出的窗口起个名再加入变量img
cv2.waitKey(5000) 等待时间如果是5000则在5s后图片窗口自动关闭 0表示任意键关闭
cv2.destroyAllWindows() 时间一到关闭窗口

为方便下面使用，我们自己定义一个函数cv_show()：

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

执行代码，弹出窗口，显示图片：

cv_show('winName',img)

1.2.2 灰度图

在之前的基础之上加入参数：cv2.IMREAD_GRAYSCALE

img2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE)  # cv2.IMREAD_COLOR

img2=cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE)

cv2.IMREAD_GRAYSCALE 读取为灰度图，也可以写0。
cv2.IMREAD_COLOR 读取为彩图

我们执行：

cv_show('win2',img2)

可以看到该图片最终显示结果为二维(1080，1920) :

ps: img.size 输出像素点的个数，可以看到同一张图片BGR彩图是灰度图的三倍。

1.3 BGR转换成灰度图、RGB

当然我们也可以把已经读取进来的BGR彩图转换成灰度图，或者转换为RGB。

img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
cv_show('win3',img2)

img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv2.COLOR_BGR2RGB 将BGR格式转换成RGB
cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片

2. 保存图片

cv2.imwrite('./data/grayPhoto.jpg',img2)

cv2.imwrite('./data/grayPhoto.jpg',img2)

此时我的data文件夹下就多了一张才处理好名为grayPhoto的灰度图。

3. 视频的读取与显示

视频也是由图像组成的，每一帧都可以当作是一个静止的图像，把图像连在一起看着就像是一个视频了。我们打游戏时，也是追求一些更高的帧率。

vc = cv2.VideoCapture('./data/stu.mp4')

vc = cv2.VideoCapture('./data/stu.mp4')

# 检查是否正确打开
if vc.isOpened():
    open,frame = vc.read()
else:
    open = Flase

vc.read()

读取视频中的第一帧，再次执行vc.read()的话读取视频第二帧
返回值中：第一个：布尔类型，能读进来就是True 第二个像是上面的img，这一帧图片的ndarray矩阵

循环图片播放视频：

while open:
    ret,frame = vc.read()
    if frame is None:
        break
    if ret == True:
        # 原本frame是（h,w,3）的BGR图片矩阵 经下方加入参数转换成黑白gray
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) 
        cv2.imshow('result',gray)
        # cv2.waitKey(num) 该图片显示时间/速度 自己可以找一个合适的值
        # 27指退出键ESC 退出窗口  当然也可以是 =='q'等
        if cv2.waitKey(20)&0xFF == 27: 
            break
vc.release()
cv2.destroyAllWindows()

注：视频放完 ret, frame = vc.read()返回False和None 再次进行循环无法播放视频，需要重新读取。

if cv2.waitKey(20)&0xFF == 27:

不是新知识点了，表示每张图片等20毫秒，如果按ESC键直接退出。

4. 截取图像部分

我们上面介绍，img是一个ndarray矩阵，因此对其进行切片操作：

pho = img[100:800,200:800]  # 进行切片 高100到800 宽200到800
cv_show('win2',pho)

pho = img[100:800,200:800]

5. 颜色通道提取

b,g,r = cv2.split(img)
# b.shape g.shape r.shape 都为 (1080, 1920)

执行

cv_show('win3',g) # 或者填 b、r

结果就是单通道图。

如果我们想显示单一颜色，如红色：

cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 设置为0
cur_img[:,:,1] = 0 # G不要了 设置为0
#cur_img[:,:,2] = 0 # R不要了 设置为0
cv_show('winR',cur_img)

6. 边界填充

这个一般用于卷积，在图像周围填充一些像素。

我们以这个图片为例：

img = cv2.imread('./data/gd01.jpg')
# img.shape 为 (300, 400, 3)
cv_show('win1',img)

在图片的上下左右填充50个像素，介绍5种方法：

top_size,bottom_size,left_size,right_size=(50,50,50,50)
 
# 不同的填充方法 最后参数改个type值就行
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)

plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
# 注matplotlib默认R G B本例只介绍边界填充
plt.show()

cv2.BORDER_REPLICATE
- 复制最边缘的像素
cv2.BORDER_REFLECT
- 反射法对感兴趣的图像中的像素在两边进行复制如fedcba|abcdefgh|hgfedcb 其中abcdefgh是图像"|"外的是填充内容
cv2.BORDER_REFLECT_101
- 反射法，也就是以最边缘的像素为轴，对称，gfedcb|abcdefgh|gfedcba 上面是ba|ab 这个是bab。
cv2.BORDER_WRAP
- 外包装法如：cdefgh|abcdefgh|abcdefg。
cv2.BORDER_CONSTANT
- 常量法，常数值value填充。

7. 数值计算

由于是uint8类型最大255 超过相当于结果为 num%256了

我们使用以下方法保留最大值：

cv2.add(img,img2)

cv2.add(img,img2)

8. 图像融合

效果如下：

我们导入宽高相同的2张图片：

img = cv2.imread('./data/gd04.jpg')
img2 = cv2.imread('./data/gd05.jpg')
img3 = cv2.imread('./data/gd06.jpg')
print(img.shape,img2.shape,img3.shape) # (281, 600, 3) (281, 600, 3) (337, 600, 3)

如果大小不同需要手动设置成一样的

img3 = cv2.resize(img3,(600,281))
# img3.shape (281, 600, 3)

img3 = cv2.resize(img3,(600,281))

ps: cv2.resize()另一种操作
img4 = cv2.resize(img3,(0,0),fx=2,fy=1)

我们执行：

res = cv2.addWeighted(img,0.6,img2,0.4,0)
plt.imshow(res)

res = cv2.addWeighted(img,0.6,img2,0.4,0)

R = ax1 + bx2 + c a、b为权重 c为偏置这里意为在原亮度上变化多少

9. 知识点总结*

读取图片：

import cv2 
img = cv2.imread('./data/abv.jpg')
img2 = cv2.imread('./data/abv.jpg',cv2.IMREAD_GRAYSCALE) 
img3 = cv2.imread('./data/abv.jpg',cv2.IMREAD_COLOR)

显示图片：

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

BGR转换成灰度图、RGB：

img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
img3 = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

保存图片：

cv2.imwrite('./data/grayPhoto.jpg',img2)

视频的读取与显示：

vc = cv2.VideoCapture('./data/stu.mp4')
 
# 检查是否正确打开
if vc.isOpened():
    open,frame = vc.read()
else:
    open = Flase
 
while open:
    ret,frame = vc.read()
    if frame is None:
        break
    if ret == True:
        # 原本frame是（h,w,3）的BGR图片矩阵 经下方加入参数转换成黑白gray
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) 
        cv2.imshow('result',gray)
        # cv2.waitKey(num) 该图片显示时间/速度 自己可以找一个合适的值
        # 27指退出键ESC 退出窗口  当然也可以是 =='q'等
        if cv2.waitKey(20)&0xFF == 27: 
            break
vc.release()
cv2.destroyAllWindows()

截取图片部分：

pho = img[100:800,200:800]  # 进行切片 高100到800 宽200到800

颜色通道提取：

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

cur_img = img.copy()
cur_img[:,:,0] = 0 # B不要了 设置为0
cur_img[:,:,1] = 0 # G不要了 设置为0
#cur_img[:,:,2] = 0 # R不要了 设置为0
cv_show('winR',cur_img)

边界填充：

top_size,bottom_size,left_size,right_size=(50,50,50,50)
 
# 不同的填充方法 最后参数改个type值就行
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101=cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)

数值计算：

cv2.add(img,img2)

图像融合：

img3 = cv2.resize(img3,(600,281))
 
res = cv2.addWeighted(img,0.6,img2,0.4,0)

总结

到此这篇关于openCV入门学习基础教程的文章就介绍到这了,更多相关openCV第一篇内容请搜索脚本之家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脚本之家！