文章目录
- OpenCV的安装
- 数据的读取——图片
- 数据的读取——视频
- 截取部分图像数据
- 颜色通道提取
- 边界填充
- 数值计算
- 图像融合
OpenCV的安装
- 我们主要运用的python语言,进行OpenCV的学习,这里我们可以需要安装python环境,最好能安装anaconda大礼包,我们主要的实验环境是在jupyter notebook上面实现的。具体安装教程可以参考官方网站。
- 安装OpenCV只需要输入以下命令:
#不指定版本默认是最新版的
pip install opencv-python
- 安装好之后我们可以通过以下命令来查看安装的版本:
import cv2
cv2.__version__
'4.5.3'
数据的读取——图片
- cv2.IMREAD_COLOR:彩色图像
- cv2.IMREAD_GRAYSCALE:灰度图像
##相关代码
import cv2 #opencv读取的格式是BGR
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
#读取图像
#img是一个array格式的三维数组(x ,y, 颜色通道)
#dtype值为uint8取值只能取0-255
img=cv2.imread('cat.jpg')
#图像展示
cv2.imshow('image',img)
# 等待时间,毫秒级,0表示任意键终止,如果设置时间,过了时间会自动关闭(毫秒级)
cv2.waitKey(0)
cv2.destroyAllWindows()
- 在编程时我们可以定义一个函数模块化
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
- 灰度图
#彩色图的shape:
img.shape
(414, 500, 3)
#灰度图
img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)
img.shape
(414, 500)
- 保存图片
#保存
cv2.imwrite('mycat.png',img)
True
数据的读取——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。
- 相关代码
vc = cv2.VideoCapture('test.mp4')
# 检查是否打开正确
if vc.isOpened():
oepn, frame = vc.read()
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(100) & 0xFF == 27:
break
vc.release()
cv2.destroyAllWindows()
截取部分图像数据
img=cv2.imread('cat.jpg')
cat=img[0:50,0:200]
cv_show('cat',cat)
图片比较
颜色通道提取
- b,g,r三个颜色通道可以分开,也可以合并
#分裂
b,g,r=cv2.split(img)
r.shape
(414, 500)
#合并
img=cv2.merge((b,g,r))
img.shape
(414, 500, 3)
# 只保留R(图片会变红)
#需要先拷贝
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)
# 只保留G(图片会变绿)
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show('G',cur_img)
# 只保留B
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv_show('B',cur_img)
#顺序为0,1,2为B,G,R
边界填充
- BORDER_REPLICATE:复制法,也就是复制最边缘像素。
- BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefgh|hgfedcb
- BORDER_REFLECT_101:反射法,也就是以最边缘像素为轴,对称,gfedcb|abcdefgh|gfedcba
- BORDER_WRAP:外包装法cdefgh|abcdefgh|abcdefg
- BORDER_CONSTANT:常量法,常数值填充。
top_size,bottom_size,left_size,right_size = (50,50,50,50)
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)
#多图同时展示可以使用pythonMatplotlib工具包
import matplotlib.pyplot as plt
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')
plt.show()
数值计算
- 我们可以对图像中的数值实现计算
#相关代码
img_cat=cv2.imread('cat.jpg')
img_dog=cv2.imread('dog.jpg')
img_cat2= img_cat +10
#截取一段
img_cat[:5,:,0]
array([[142, 146, 151, ..., 156, 155, 154],
[108, 112, 118, ..., 155, 154, 153],
[108, 110, 118, ..., 156, 155, 154],
[139, 141, 148, ..., 156, 155, 154],
[153, 156, 163, ..., 160, 159, 158]], dtype=uint8)
#每个数值都增加了10
img_cat2[:5,:,0]
array([[152, 156, 161, ..., 166, 165, 164],
[118, 122, 128, ..., 165, 164, 163],
[118, 120, 128, ..., 166, 165, 164],
[149, 151, 158, ..., 166, 165, 164],
[163, 166, 173, ..., 170, 169, 168]], dtype=uint8)
#两个图数据相加之后的数据,相当于相加之后% 256
(img_cat + img_cat2)[:5,:,0]
array([[ 38, 46, 56, ..., 66, 64, 62],
[226, 234, 246, ..., 64, 62, 60],
[226, 230, 246, ..., 66, 64, 62],
[ 32, 36, 50, ..., 66, 64, 62],
[ 60, 66, 80, ..., 74, 72, 70]], dtype=uint8)
#没越界取自身,越界取255
cv2.add(img_cat,img_cat2)[:5,:,0]
array([[255, 255, 255, ..., 255, 255, 255],
[226, 234, 246, ..., 255, 255, 255],
[226, 230, 246, ..., 255, 255, 255],
[255, 255, 255, ..., 255, 255, 255],
[255, 255, 255, ..., 255, 255, 255]], dtype=uint8)
图像融合
- 如果两张图的大小不同的话,是无法进行融合的会显示报错:
ValueError: operands could not be broadcast together with shapes - 可以通过resize重新指定图片大小:
img_cat.shape
(414, 500, 3)
img_dog = cv2.resize(img_dog, (500, 414))
img_dog.shape
(414, 500, 3)
- 图片融合,可以通过调整图片融合比例来实现,数字越高,融合越突出:
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)
plt.imshow(res)
- resize的其他用法
res = cv2.resize(img, (0, 0), fx=4, fy=4)
plt.imshow(res)
res.shape
(1656, 2000, 3)
res = cv2.resize(img, (0, 0), fx=1, fy=3)
plt.imshow(res)
res.shape
(1242, 500, 3)