cv2.IMREAD_COLOR:彩色图像
cv2.IMREAD_GRAYSCALE:灰度图像
import cv2 #opencv读取的格式是BGR
importmatplotlib.pyplot as pltimportnumpy as np%matplotlib inline
# img读入的本质上就是数组
img= cv2.imread('cat.jpg')
#图像的显示,也可以创建多个窗口
cv2.imshow('image',img)#等待时间,毫秒级,0表示任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()
我们来将上述图像显示的代码封装成一个函数
defcv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
我们可以看看图像的各种基本信息
print(img.shape) #图片形状(h, w, c)
#读取灰度图 -->通道数 c == 1
img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)
img#看看图片的类型 numpy.ndarray
type(img)#图片的size = h * w * c
img.size#图片中数据的类型 比如uint8 float32
img.dtype
保存图片
#('路径/保存图片名字', 要保存的图片)
cv2.imwrite('mycat.png', img)
1.2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
ifvc.isOpened():
oepn, frame=vc.read()else:
open= False
whileopen:
ret, frame=vc.read()if frame isNone:break
if ret ==True:
gray=cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('result', gray)if cv2.waitKey(100) & 0xFF == 27:breakvc.release()
cv2.destroyAllWindows()
1.3录制视频
import cv2#导入opencv包
video=cv2.VideoCapture(0)#打开摄像头
fourcc= cv2.VideoWriter_fourcc(*'XVID')#视频存储的格式
fps = video.get(cv2.CAP_PROP_FPS)#帧率#视频的宽高
size =(int(video.get(cv2.CAP_PROP_FRAME_WIDTH)), \
int(video.get(cv2.CAP_PROP_FRAME_HEIGHT)))
out= cv2.VideoWriter('video.avi', fourcc, fps, size)#视频存储
whileout.isOpened():
ret,img=video.read()#开始使用摄像头读数据,返回ret为true,img为读的图像
if ret is False:#ret为false则关闭
exit()
cv2.namedWindow('video',cv2.WINDOW_AUTOSIZE)#创建一个名为video的窗口
cv2.imshow('video',img)#将捕捉到的图像在video窗口显示
out.write(img)#将捕捉到的图像存储
#按esc键退出程序
if cv2.waitKey(1) & 0xFF ==27:
video.release()#关闭摄像头
break
1.4截取部分图像数据
img=cv2.imread('cat.jpg')
cat=img[0:100,0:200]
cv_show('cat',cat)
1.5色彩空间API
defcolor_space_demo(src):
img=cv2.imread(src)#转成灰度图
gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show("gray", gray)#转成HSV
hsv =cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv_show('hsv', hsv)#hsv转成rgb(bgr)
img =cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)
cv_show('hcv2img', img)#yuv...也可以转
1.5.1基于颜色提出目标(先转成hsv格式)
文章图片
文章图片
defextrace_object_demo(src):
img= cv2.imread(src) #通道数是3
#print(img.shape)
img_binary = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #通道数是 1
#print(img_binary.shape)
#1.将RGB转换成HSV色彩空间
hsv =cv2.cvtColor(img, cv2.COLOR_BGR2HSV)#print(hsv.shape)
#2.定义数组,说明你要提取(过滤)的颜色目标
#三通道,所以是三个参数
#红色
lower_hsv_r = np.array([156, 43, 46])
upper_hsv_r= np.array([180, 255, 255])#3.进行过滤,提取,得到二值图像
mask_red = cv2.inRange(hsv, lower_hsv_r, upper_hsv_r) #通道数是 1
#print(mask_red.shape)
#4.展示成果
cv_show('original', img)
cv_show('mask_red', mask_red)#5.合并展示
res =np.hstack((img_binary, mask_red))
cv_show("hastck", res)return mask_red
1.6颜色通道提取与合并
#提取
b,g,r=cv2.split(img)print(b.shape)#合并
img =cv2.merge((b,g,r))print(img.shape)
#只保留R
cur_img =img.copy()
cur_img[:,:,0]=0
cur_img[:,:,1] =0
cv_show('R',cur_img)
1.7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=https://www.it610.com/article/0)
importmatplotlib.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()
文章图片
1.8图像融合
必须保证要融合的图片shape一致
img_cat=cv2.imread('cat.jpg')
img_dog=cv2.imread('dog.jpg')
img_cat+img_dog#ValueError: operands could not be broadcast together with shapes (414,500,3) (429,499,3)
#将狗狗的图片和猫猫的图片resize一样
img_dog = cv2.resize(img_dog, (500, 414))#选择融合的权重
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)#展示结果
plt.imshow(res)
文章图片
进一步演示resize的用法
#将猫猫的图片放大
res = cv2.resize(img, (0, 0), fx=4, fy=4)
plt.imshow(res)
文章图片
res = cv2.resize(img, (0, 0), fx=1, fy=3)
plt.imshow(res)
【精简|精简 opencv python_01_opencv_python_基本图像处理】
文章图片
推荐阅读
- opencv|opencv python配置_1. OpenCV-Python——环境配置及图像基本操作
- python|Keras实现——预训练卷积神经网络(VGG16)
- 人群接触网络中的SIR疫情模拟——Python实现
- python|Opencv学习笔记二——基本图像操作
- python|Opencv项目实战-信用卡数字识别
- python|基于OpenCV实战(动态物体检测)
- #|opencv实战——机器视觉检测和计数
- Opencv项目实战|Opencv项目实战(04 全景图片拼接)
- Python代码|Python 加减计算闯关小游戏