寸阳分阴须爱惜,休负春色与时光。这篇文章主要讲述Opencv图像读取,显示,保存,类型转换相关的知识,希望能为你提供帮助。
图像基本操作 环境配置地址:
- Anaconda:https://www.anaconda.com/download/
- python_whl:https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
- 图像:任何带有信息的二维函数都可以被看作一幅图像。(x,y)是定义域为平面的空间坐标,坐标点(x,y)上的函数值(幅值)称为该点图像的强度或灰度。
- 图像根据图像记录方式的不同可分为两大类:模拟图像和数字图像。
- 模拟图像又称连续图像,是指在二维坐标系中连续变化的图像,即图像的像点是无限稠密的,同时具有灰度值(即图像从暗到亮的变化值)。
- 数字图像:对模拟图像进行空间采样和幅值量化,使x,y和幅值均为有限的离散数值时,该图像称为数字图像。
- 采样:空间坐标(x,y)的离散及数字化;
文章图片
- 量化:样点的幅值离散及数字化;
经过采样的图像,只是在空间上被离散为像素(样本)的阵列,而每一个样本灰度值还是一个有无穷多个取值的连续变化量,必须将其转化为有限个离散值,赋于不同码字才能真正成为数字图像。
- 静态图像可分为矢量(Vector)图和位图(Bitmap)。
位图又可以分成如下四种:
二值图像(binary image)
灰度图像(grayscale image, intensity image)
RGB真彩色图像(True Color)
索引颜色图像(Indexd Color)
- 像素:数字图像是由有限个元素(采样点)组成的,每个元素都有一个特定的位置和幅值,这些元素称为图像元素(picture element),简称像素(pixel)。
- 图像的表示:一幅M×N个像素的数字图像,其像素灰度值可以用M行、N列的数组或矩阵表示,这样数字图像中的像素与二维数组中的每个元素便一一对应起来。
文章图片
- 图像的坐标系
文章图片
- 数字图像处理(Digital Image Processing),就是利用数字计算机对图像进行去除噪声、增强、复原、分割、特征提取、识别等处理的理论、方法和技术。
- DPI(Dots Per Inch,每英寸点数)是一个量度单位,用于点阵数码影像,指每一英寸长度中,取样、可显示或输出点的数目。
- 灰度级:表示像素明暗程度的整数量范围如:像素的取值范围为0-255,就称该图像为256个灰度级的图像
- 灰度层次:表示图像实际拥有的灰度级的数量.例如:具有32种不同取值的图像,可称该图像具有32个层次,图像数据的实际层次越多,视觉效果就越好。
- 亮度:图像中每个像素的明暗程度取决于其灰度值的大小,图像的整体亮度则取决于所有像素的平均灰度值。
- 对比度:一幅图像中最高和最低灰度级间的灰度差。当一幅图像中像素可感知的数值有高的动态范围时,认为该图像具有高的对比度。
- 动态范围:图像系统中最大可度量灰度与最小可检测灰度之比。灰度跨越的值域非正式地称为动态范围。
-
读取图片
在OpenCV中使用cv2.imread()函数来加载图片,该函数的形式如下:
cv2.imread(path, flags)
参数意义如下:
- path: 该参数制定图片的路径,可以使用相对路径,也可以使用绝对路径;
- flags:指定以何种方式加载图片,有三个取值:
cv2.IMREAD_COLOR:读取一副彩色图片,图片的透明度会被忽略,默认为该值,实际取值为1;
cv2.IMREAD_GRAYSCALE:以灰度模式读取一张图片,实际取值为0
cv2.IMREAD_UNCHANGED:加载一副彩色图像,透明度不会被忽略。
import cv2
img = cv2.imread("lena.jpg")
# img = cv2.imread("lena.jpg", cv2.IMREAD_COLOR)
# img = cv2.imread("lena.jpg", cv2.IMREAD_GRAYSCALE)
# img = cv2.imread("lena.jpg", cv2.IMREAD_UNCHANGED)cv2.imshow("image", img) # 显示图片,后面会讲解
cv2.waitKey(0) #等待按键
文章图片
-
显示图片
使用cv2.imshow()函数在一个窗口中显示图片,这个窗口自适应图片的大小,其形式如下:
cv2.imshow(winname, mat)
参数意义如下:
- winame:一个字符串,表示创建的窗口名字,每一个窗口必须有一个唯一的名字;
- mat:是一个图片矩阵,numpy.ndarray类型
- cv2.waitKey()
- cv2.destroyAllWindows()
- cv2.destroyWindow()
- cv2.namedWindow()
因为我们的程序是顺序执行,如果没有cv2.waitKey()函数,图像不会显示(也许是一闪而过,我们人眼观察不到),cv2.waitKey()函数是一个键盘绑定函数(相当于让程序在这里挂起暂停执行),他接受一个单位为毫秒的时间,它等待指定时间的键盘事件,在指定时间内发生了键盘事件,程序继续执行,否则必须等到时间结束才能继续执行,参数如果为0表示等待无限长的事件。
在这里我们直接用cv2.imshow()创建的窗口是自动适应图片大小的,不能缩放,如果我们想放大缩小窗口,必须单独用cv2.namedWindow(),并通过flag参数指定窗口模式为cv2.WINDOW_NORMAL,默认为cv2.WINDOW_AUTOSIZE.
下面是一个窗口可以放大缩小的显示图片的例子:
import cv2img = cv2.imread(\'attractive-beautiful-beauty-2267088.jpg\')
cv2.namedWindow(\'image\',cv2.WINDOW_NORMAL)
cv2.imshow(\'image\', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
文章图片
-
保存图片
使用cv2.imwrite()函数来保存图片,形式如下:
cv2.imwrite(filename, img)
参数意义如下:
- filename: 保存文件的路径名
- img: 表示图像的numpy.ndarray对象
import cv2img = cv2.imread(\'lena.jpg\',0)
cv2.imshow(\'image\',img)
k = cv2.waitKey(0)
if k == 27:# 按下esc时,退出
cv2.destroyAllWindows()
elif k == ord(\'s\'): # 按下s键时保存并退出
cv2.imwrite(\'lena001.png\',img)
cv2.destroyAllWindows()
文章图片
4.图像属性
图像的属性包括:行,列,通道,图像数据类型,像素数目等
在opencv中,图像不是传统的RGB颜色通道,而是按BGR顺序存储的。
img_BGR = cv2.imread(\'citrus-fruit-colorful-delicious-2146386.jpg\')
print(type(img_BGR)) # numpy.ndarray类型可以用numpy对图像进行各种操作
print(img_BGR.dtype) # 图像数据类型,一张图片的像素值范围是[0,255], 因此默认类型是unit8
print(img_BGR.shape[0]) # 行
print(img_BGR.shape[1]) # 列
print(img_BGR.shape[2]) # 通道
print(img_BGR.size) # 像素数目
print(img_BGR.max()) # 最大像素值
print(img_BGR.min()) # 最小像素值
print(img_BGR.mean()) #素值平均值
<
class \'numpy.ndarray\'>
uint8
4864
3648
3
53231616
255
0
211.1315848273327
5.转换函数
使用cv2.cvtColor()函数来转换图片颜色空间,形式如下:
cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 将BGR图像转换为灰度图像
其中最常用的还有:
- cv2.COLOR_BGR2RGB # 将BGR图像转换为RGB图像
- cv2.COLOR_BGR2GRAY # 将BGR图像转换为灰度图像
- cv2.COLOR_GRAY2BGR # 将灰度图像转换为BGR图像
import cv2img = cv2.imread(\'lena.jpg\')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite(\'gray_lena.jpg\',gray)
文章图片
例子:颜色转换
import cv2img_BGR = cv2.imread(\'citrus-fruit-colorful-delicious-2146386.jpg\')
cv2.imwrite(\'img_BGR.jpg\',img_BGR)img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)
cv2.imwrite(\'img_RGB.jpg\',img_RGB)img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)
cv2.imwrite(\'img_GRAY.jpg\',img_GRAY)img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)
cv2.imwrite(\'img_HSV.jpg\',img_HSV)img_YcrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)
cv2.imwrite(\'img_YcrCb.jpg\',img_YcrCb)img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)
cv2.imwrite(\'img_HLS.jpg\',img_HLS)img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)
cv2.imwrite(\'img_XYZ.jpg\',img_XYZ)img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)
cv2.imwrite(\'img_LAB.jpg\',img_LAB)img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)
cv2.imwrite(\'img_YUV.jpg\',img_YUV)
【Opencv图像读取,显示,保存,类型转换】
文章图片
参考资料:
网址:https://www.aiuai.cn/aifarm365.html
书籍:《数字图像处理》《OpenCV-Python 中文教程》
推荐阅读
- Java读取txt文件,并且对其文件内容进行统计排序
- Java逐行读取数据
- java读取txt文件
- Numpy之线性代数
- 穷举搜索的例子(Google方程式(Java题解))
- Canny 边缘检测
- 2021年数字货币时代加速到来
- 非线性方程组求解
- 图像梯度