[人工智能]opencv-python简易文档（一）图片基本操作

引入opencv

import cv2

读取图片：

img=cv2.imread('cat.jpg') # cat.jpg路径为相对路径
# 读取图片转换为灰度图片
img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)

展示图片：

# 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) 
# 开启另一个窗口，图片显示10000毫秒后自动退出窗口
cv2.waitKey(10000) 
cv2.destroyAllWindows()

读取图片的规格：

img.shape

该属性返回的结果为hwc(h:height长度,w:weight宽度,c:channel通道)如rgb图像为三通道图像c值为3。

保存图片：

#保存

# mycat为自定义名称，.png为图片保存格式
cv2.imwrite('mycat.png',img)

显示读取图片读取格式：

type(img)

图片size属性：

# h*w
img.size

图片dtype属性：

# 查看数据类型
img.dtype

视频读取：

vc = cv2.VideoCapture('test.mp4')
# 检查是否打开正确
if vc.isOpened(): 
    oepn, frame = vc.read()
else:
    open = False

对读取视频中的帧进行相应处理：

下面代码为将所有帧转换为灰度图形式。

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()

截取图像部分：

img=cv2.imread('cat.jpg')
# 截取指定位置像素点
cat=img[0:50,0:200] 
cv_show('cat',cat)

颜色通道提取

# 只保留R
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)
# 只保留G
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)

将其他通道制0的方式实现颜色通道提取：

# 切分颜色通道
b,g,r=cv2.split(img)

颜色通道融合

# 颜色通道融合
img=cv2.merge((b,g,r))

边界填充：

# 设定上下左右需要填充像素个数
top_size,bottom_size,left_size,right_size = (50,50,50,50)
# 下面最后一个参数为图像填充边界类型
# BORDER_REPLICATE复制原图边缘进行填充
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
# BORDER_REFLECT反射法
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
# BORDER_REFLECT_101相对对称的反射法
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
# BORDER_WRAP 外包装法
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
# BORDER_CONSTANT使用常数值进行填充
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)

# 显示上述处理结果代码
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()

对图片进行算数运算：

# 表示所有像素点对应值都加10，用于调节图片亮度
# 若数值超过255将会进行 % 255操作
img_cat2= img_cat +10 
# 显示图片前5行，所有列，0表示单通道形式图片展示结果为灰色
img_cat[:5,:,0]

# 数值超过255，值等于255
cv2.add(img_cat,img_cat2)[:5,:,0]

图像融合

两张图片要进行融合需要图片规格一致，对于规格不一致的图片需要用resize()方法调节规格。

# 指定像素
img_dog = cv2.resize(img_dog, (500, 414))
img_dog.shape
# x为以前的4倍，y为以前的4倍
res = cv2.resize(img, (0, 0), fx=4, fy=4)

# 融合图片  猫的权重为0.4,狗的权重为0.6,0为偏执项
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)