目录
一、os模块
常用函数：
二、视频处理
1、视频逐帧导出图片（OpenCV）
操作步骤：
完整代码：
运行结果：
2、图片逐帧合成视频（FFMpeg）
合成视频：
播放视频:
三、图像处理
1、图像处理类型
①打开图像文件
②复制并粘贴图像区域（简单换眼）
③图像轮廓和直方图
④高斯模糊
⑤Sobel算子
⑥图像分割
⑦负片效果
2、图像处理与人脸识别（熊猫头表情包）
操作步骤：
运行结果：
完整代码：
一、os模块
常用函数：
os.listdir():
os.listdir(path) #返回指定的文件夹包含的文件或文件夹的名字的列表
for file in dirs:
print(file)os.getcwd():
print(os.getcwd()) #获取当前路径os.chdir():
os.chdir(path) #改变当前目录到指定目录中os.mkdir(dir_name):
dir_name = "./images" #新建文件夹
if not os.path.exists(dir_name): #判断文件夹是否存在
os.mkdir(dir_name)os.makedirs(dir_name2,exist_ok=True):
dir_name2 = "./images2/imgs2" #可以递归的创建多个文件夹
os.makedirs(dir_name2, exist_ok=True) #当文件夹已经存在就不创建二、视频处理
1、视频逐帧导出图片（OpenCV）
操作步骤：
- cv2.VideoCapture()打开视频，.get(cv2.CAP_PROP_FRAME_COUNT)获取帧数信息
- 逐帧打印（灰度）图片，cv2.imwrite()保存图像
完整代码：
import cv2
video_path='ghz.mp4'
image_save='./pic' #os.mkdir()或手动创建文件夹
cap=cv2.VideoCapture(video_path)
video_frame_count=cap.get(cv2.CAP_PROP_FRAME_COUNT) #获取视频帧数信息
for i in range(int(video_frame_count)):
_, img = cap.read() #不需要第一个参数，所有标“_”
img=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转换成灰度图片
cv2.imwrite('./pic/image{}.jpg'.format(i),img)运行结果：
2、图片逐帧合成视频（FFMpeg）
FFMpeg主要参数
-i——设置输入档名 | -f——设置输出格式 |
-y——若输出文件已存在时则覆盖文件 | -fs——超过指定的文件大小时则结束转换 |
-t——指定输出文件的持续时间，以秒为单位 | -ss——从指定时间开始转换，以秒为单位 |
-title——设置标题 | -timestamp——设置时间戳 |
-vsync——增减Frame使影音同步 | -c——指定输出文件的编码 |
-metadata——更改输出文件的元数据 | -help——查看帮助信息 |
-t从-ss时间开始转换（如-ss 00:00:01.00 -t 00:00:10.00即从00:00:01.00开始到00:00:11.00） | |
FFMpeg命令分类
合成视频：
D:\python learning\opencv>"./ffmpeg/bin/ffmpeg.exe" -f image2 -i ./pic/image%d.jpg -r 24 output.mp4
播放视频:
ffplay output.mp4（ffplay.exe与视频放在同一目录下）
三、图像处理
1、图像处理类型
①打开图像文件
问题记录：
生成的灰度图呈绿色，解决方法：为plt.imshow()添加参数cmap=“gray”
完整代码：
from PIL import Image
from pylab import *
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
figure()
im1=Image.open('girl.png')
print(im1.format,im1.size,im1.mode)
plt.title(u'原图',fontproperties=font)
plt.imshow(im1)
plt.axis('off')
plt.show()
im2= Image.open('girl.png').convert('L') #转换成灰度图
print(im2.format,im2.size,im2.mode)
title(u'灰度图',fontproperties=font)
plt.imshow(im2,cmap='gray')
plt.axis('off')
plt.show()运行结果：
|
|
函数使用：
convert()函数用于不同模式图像之间的转换：
PIL中有九种不同模式，分别为1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。
模式“1” 二值图像，非黑即白；每个像素用1个bit表示，0表示黑，255表示白
模式“L” 灰色图像，每个像素用8个bit表示，数字表示不同的灰度
模式“P” 彩色图像，每个像素用8个bit表示，其对应的彩色值是按照调色板查询出来的
模式“RGBA” 彩色图像，每个像素用32个bit表示，其中24bit表示红色、绿色和蓝色三个通道，另外8bit表示alpha通道（透明通道）
模式“CMYK” 彩色图像，每个像素用32个bit表示，印刷四分色模式
②复制并粘贴图像区域（简单换眼）
操作步骤：
- 使用detector进行人脸检测，打印人脸的5个标定点坐标
- 显示原图，判断人眼的区域
- 复制原图1的眼睛区域，粘贴到原图2的眼睛区域
部分代码：
from PIL import Image
from pylab import *
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14) #添加中文字体支持
figure()
pil_im = Image.open('yyqx.jpg')
print(pil_im.mode, pil_im.size, pil_im.format)
title(u'原图1', fontproperties=font)
axis('off')
imshow(pil_im)
show()
pil_im2 = Image.open('Emma.jpg')
print(pil_im2.mode, pil_im2.size, pil_im2.format)
title(u'原图2', fontproperties=font)
axis('off')
imshow(pil_im2)
show()
pil_im = Image.open('yyqx.jpg')
box = (180, 255, 225, 270) #数值通过人脸五个标定点的坐标获取
region = pil_im.crop(box)
box2=(192,234,237,249) #数值通过人脸五个标定点的坐标获取
pil_im2.paste(region, box2) #复制并粘贴区域
title(u'换眼后', fontproperties=font)
axis('off')
imshow(pil_im2)运行结果：
函数使用：
使用 crop() 方法可以从一幅图像中裁剪指定区域：
box = (100,100,400,400)
region = pil_im.crop(box)
该区域使用四元组来指定。四元组的坐标依次是（左，上，右，下）。PIL 中指定坐标系的左上角坐标为（0，0）。
可以旋转上面代码中获取的区域，然后使用paste() 方法将该区域放回去：
region = region.transpose(Image.ROTATE_180)
pil_im.paste(region,box)
③图像轮廓和直方图
完整代码：
from PIL import Image
from pylab import *
import matplotlib.pyplot as plt
im=array(Image.open('girl.png').convert('L')) #读取图像到数组中
figure() #新建一个图像
gray() #不使用颜色信息
contour(im,origin='image') #在原点的左上角显示轮廓图像
axis('equal')
axis('off')
figure()
hist(im.flatten(),128)
show()运行结果：
参数含义：
hist(x[, bins, range, normed, weights, cumulative, bottom, histtype, align, orientation, rwidth, log, color, label, stacked, hold, **kwargs])
x 作直方图所要用的数据，必须是一维数组（多维数组可以先进行扁平化再作图）
bins 直方图的柱数，可选项，默认为10
④高斯模糊
完整代码：
from numpy import *
from scipy.ndimage import filters
from PIL import Image
import matplotlib.pyplot as plt
im=array(Image.open('girl.png').convert('L'))
im2=filters.gaussian_filter(im,5) #第二个参数sigma值越大，滤波之后的图像越模糊
plt.figure()
plt.imshow(im2)
plt.show()运行结果：
⑤Sobel算子
sobel算子是图像边缘检测的最重要的算子之一
完整代码：
from PIL import Image
from numpy import *
from scipy.ndimage import filters
import matplotlib.pyplot as plt
from pylab import *
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
figure()
im=array(Image.open('girl.png').convert('L'))
imx=zeros(im.shape)
filters.sobel(im,1,imx) #sobel()第二个参数表示选择x或者y方向导数，第三个参数保存输出的变量
subplot(1,4,2)
plt.imshow(imx,cmap='gray')
axis("off")
title(u'x导数图像', FontProperties=font)
imy=zeros(im.shape)
filters.sobel(im,0,imy)
subplot(1,4,3)
plt.imshow(imy,cmap='gray')
axis("off")
title(u'y导数图像', FontProperties=font)
magnitude=sqrt(imx**2+imy**2)
subplot(1,4,4)
plt.imshow(magnitude,cmap='gray')
axis("off")
title(u'梯度大小图像', FontProperties=font)
show()运行结果：
（正导数显示为亮的像素，负导数显示为暗的像素，灰色区域表示导数的值接近于零）
⑥图像分割
完整代码：
from PIL import Image
from numpy import *
from scipy.ndimage import measurements
import matplotlib.pyplot as plt
im=array(Image.open('girl.png').convert('L')) #载入图像，使用阈值化操作，以保证处理的图像为二值图像
im=1*(im<128) #通过和1相乘，将布尔数组转换成二进制表示
labels,nbrobjects=measurements.label(im) #用label()函数寻找单个的物体，并按照它们属于哪个对象将整数标签给像素赋值
print("对象个数=",nbrobjects)
plt.figure()
plt.imshow(im)
plt.show()运行结果：
⑦负片效果
完整代码：
from PIL import Image
import matplotlib.pyplot as plt
im=array(Image.open('girl.png'))
im2=255-im #逐像素修改
plt.figure()
plt.imshow(im2)
plt.show()运行结果：
2、图像处理与人脸识别（熊猫头表情包）
操作步骤：
- 使用face_recognition.face_landmarks()获取脸部轮廓信息，并在人脸上描绘出来
- 新建原图大小的全白图片，用ImageDraw在上面勾出人脸轮廓
- 使用cv2重新读入原图，用膨胀腐蚀来消除噪声、强化表情，截取表情
- 使用paste()函数将表情贴入背景图
- 对图片进行二值化处理，输出表情包
运行结果：
完整代码：
import face_recognition
import numpy as np
import cv2
from PIL import Image, ImageDraw, ImageFont
face_line = list()#用于记录脸部轮廓信息，之后做掩膜要用
image = face_recognition.load_image_file("hp.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
#打印此图像中眉毛和脸型组成的轮廓
for face_landmarks in face_landmarks_list:
facial_features = ['chin','left_eyebrow','right_eyebrow']
for facial_feature in facial_features:
print("{} points: {}".format(facial_feature, face_landmarks[facial_feature]))
#图像中描绘出每个人脸特征
pil_image = Image.fromarray(image)
d = ImageDraw.Draw(pil_image)
chin = face_landmarks['chin']
left_eyebrow = face_landmarks['left_eyebrow']
right_eyebrow = face_landmarks['right_eyebrow']
chin.reverse()
list_all = left_eyebrow + right_eyebrow + chin + [left_eyebrow[0]]
face_line.append(list_all)
d.line(list_all, width=5)
pil_image.save("Facial_contour.jpg")
#新建一个和原图一样大小的全白图片，用ImageDraw在上面勾出人脸轮廓，作为掩膜的模板
mask = np.ones(image.shape, dtype=np.uint8)*255
mask = Image.fromarray(mask)
q = ImageDraw.Draw(mask)
q.line(face_line[0], width=5, fill=(0, 0, 0))
mask.save("mask.jpg")#将图片写出，交给OpenCV处理
#生成掩膜
mask = cv2.imread('mask.jpg')
h, w = mask.shape[:2] #读取图像的宽和高
mask_flood = np.zeros([h + 2, w + 2], np.uint8) #新建图像矩阵（+2是官方函数要求）
cv2.floodFill(mask, mask_flood, (75, 75), (0, 0, 0))#使用OpenCV的水漫填充，把轮廓外部涂成黑色，内部为白色
kernel = np.ones((2, 2), np.uint8)#用一个2*2的卷积核对掩膜进行闭运算，去掉噪声
erosion = cv2.erode(mask, kernel, iterations=1)
dilation = cv2.dilate(erosion, kernel, iterations=1)
mask = dilation
#重新读入原图，框出RIO，交给OpenCV处理
image = cv2.imread("hp.jpg")
image[mask == 0] = 0
GrayImage = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)#将处理过的图片变为灰度图
ret, image = cv2.threshold(GrayImage, 80, 255, cv2.THRESH_BINARY)#二值化处理
#再来一次水漫填充，把轮廓之外的地方变成白色
h, w = image.shape[:2]
mask_flood = np.zeros([h + 2, w + 2], np.uint8)
cv2.floodFill(image, mask_flood, (1, 1), (255, 255, 255))
#输入表情需要截取的部分，不同图的参数不同
image = image[140:250, 90:230]
cv2.imwrite("last.png",image)#输出图片，给Image做处理
box = (100, 100, 300, 250)#背景图要被替换的部分
base_img = Image.open('background.jpg')
image = Image.open('last.png')
image = image.resize((box[2] - box[0], box[3] - box[1]))#缩放表情，贴入的表情必须和背景被替换的地方大小相同
base_img.paste(image, box)
base_img.show()
base_img.save('out.png')#输出图片，给cv2做处理
#对图片再进行一次二值化处理
image = cv2.imread(r'out.png')
GrayImage = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
ret,image = cv2.threshold(GrayImage,85,255,cv2.THRESH_BINARY)
cv2.imwrite("last_out.jpg", image)
cv2.waitKey(0)
