OpenCV学习的第一天
编程干了十几年，从JAVA，C#，PHP到当下的各种大前端NodeJS ，VUE，微信小程序等等，千篇一律的数据处理模式，让我干得属实乏味，在从业的这十多年中，很多人为的因素一直困扰着我，简单的数据处理，真的已经无法满足我这些年在项目中遇到的各种人为问题，大数据，人工智能的商业化，让我仿佛看到了一个新的未来，一个能够解决我曾经苦于无法解决现实问题的方向，在自然语言与视觉两个方向，我选择了后者，主要是从我目前所能接触到的开发需求和个人能力两个方面考虑，希望自己的辛苦努力，能够帮助解决现实世界的问题。
第一节 开发工具
老师建议安装的是Python3.6 跟OpenCV3.4.1.5系列 ，我系统内都是高版本的所以没听老师的，直接安装的都是目前我能装到的版本
1、Anaconda :清华的镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2、opencv-python :清华的镜像 pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
3、opencv-contrib-python :清华的镜像 pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple
4、开发工具，我选用的是wing-personal 这个DEBUG超级好用
链接：https://pan.baidu.com/s/1RpMAFMvbx5Am2lmCJFu8Mw
提取码：rjnp
第二节图像处理基础
一、数据读取-图像
import cv2 #opencv读取的格式是BGR
import matplotlib.pyplot as plt
import numpy as np
img=cv2.imread(‘cat.jpg’)
cv2.imshow(‘image’,img) #图像的显示,也可以创建多个窗口
cv2.waitKey(0) #cv2.waitKey(10000) 等待时间，毫秒级，0表示任意键终止
cv2.destroyAllWindows()
print(img.shape) #(414, 500, 3)
img=cv2.imread(‘cat.jpg’,cv2.IMREAD_GRAYSCALE) #cv2.IMREAD_COLOR：彩色图像 cv2.IMREAD_GRAYSCALE：灰度图像
print(img.shape) #(414, 500)
cv2.imwrite(‘mycat.png’,img) #保存
type(img) #numpy.ndarray
img.size #207000 像素点
img.dtype #dtype(‘uint8’)（0~255）
二、数据读取-视频
import cv2
import matplotlib.pyplot as plt
import numpy as np
vc = cv2.VideoCapture(‘test.mp4’)
#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。
if vc.isOpened():
oepn, frame = vc.read()
else:
open = False
上面代码块检查是否打开正确
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()
三、截取部分图像数据
import cv2
import matplotlib.pyplot as plt
import numpy as np
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
img=cv2.imread(‘IDCard.jpg’)
cat=img[25:110,155:230] #前代表高，后代表宽
cv_show(‘cat’,cat)
四、颜色通道提取
import cv2
import matplotlib.pyplot as plt
import numpy as np
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
img=cv2.imread(‘IDCard.jpg’)
b,g,r=cv2.split(img)
cv_show(‘r’,r)
cv_show(‘g’,g)
cv_show(‘b’,b)
img2=cv2.merge((b,g,r))
cv_show(‘img2’,img2)
#BGR
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show(‘R’,cur_img)
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show(‘G’,cur_img)
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv_show(‘B’,cur_img)
五、边界填充
import cv2
import matplotlib.pyplot as plt
import numpy as np
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
img=cv2.imread(‘IDCard.jpg’)
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)
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()
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。
六、数值计算
import cv2
import matplotlib.pyplot as plt
import numpy as np
img_cat=cv2.imread(‘cat.jpg’)
img_dog=cv2.imread(‘dog.jpg’)
img_cat2= img_cat +10
img_cat[:5,:,0]
img_cat2[:5,:,0]
(img_cat + img_cat2)[:5,:,0] #相当于% 256
cv2.add(img_cat,img_cat2)[:5,:,0]
七、图像融合
import cv2
import matplotlib.pyplot as plt
import numpy as np
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
img_cat=cv2.imread(‘cat.jpg’)
img_dog=cv2.imread(‘dog.jpg’)
print(img_cat.shape)
print(img_dog.shape)
img_dog = cv2.resize(img_dog, (500, 414))
print(img_dog.shape)
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)
cv_show(‘res’,res)
img_cat4 = cv2.resize(img_cat, (0, 0), fx=4, fy=4)
img_cat13 = cv2.resize(img_cat, (0, 0), fx=1, fy=3)
cv_show(‘img_cat’,img_cat)
cv_show(‘img_cat4’,img_cat4)
cv_show(‘img_cat13’,img_cat13)
