[人工智能]opencv学习笔记

一.基本方法:

引用

import cv2

读取

cv2.imread(path_of_image)
cv2.imread(path_of_image, intflag)

path_of_image:图片路径

intflag:

CV_LOAD_IMAGE_COLOR? ? /? ?1? ? ?------加载彩色图像,忽略透明度.默认

CV_LOAD_IMAGE_GRAYSCALE? ?/? ?0? ? ?------灰度模式

窗口显示

cv2.imshow(windows_name, image)

windows_name:窗口名称

image:图像对象，类型是numpy中的ndarray类型

窗口关闭

cv2.destroyWindow(windows_name) #关闭单个名为windows_name的窗口
cv2.destroyAllWindows() #关闭全部窗口

如果需要一定条件自动关闭窗口:

cv2.waitKey(time_of_milliseconds)

当time_of_milliseconds>0时:过time_of_milliseconds毫秒后关闭窗口

当time_of_milliseconds<=0时:等待键盘敲击后关闭.例如:

#当当敲击 Esc 时关闭窗口
if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()
#当敲击 A 时，关闭名称为'image'的窗口
if cv2.waitKey(-1) == ord('A'):
    cv2.destroyWindow('image')

摄像头使用

cap = cv2.VideoCapture(0)#创建摄像头对象,0表示第一个摄像头

循环获取并显示

while(1):
    ret, frame = cap.read()
    cv2.imshow("capture", frame)
    if cv2.waitKey(0) == 27:
        break

释放摄像头对象

cap.release()

图片保存

cv2.imwrite(image_filename, image)

image_filename:文件名称

image:图像对象，类型是numpy中的ndarray类型

二.获取图像信息:

print(rgb_img.shape)     #输出:(1200, 1600, 3):高度height = 1200， 宽度w=1600且通道数为3
print(rgb_img[0, 0])     #输出:[137 124 38]:像素(0,0)的值是(137,124,38),即R=137,G=124,B=38
print(rgb_img[0, 0, 0])  #输出:137:像素(0,0)的R值是137

print(gray_img.shape)    #输出:(1200, 1600)
print(gray_img[0, 0])    #输出:100

三.图像绘制

创建空白图像

import cv2
import numpy as np

white_img = np.ones((512,512,3), np.uint8)   #(512,512,3)代表(宽度,长度,通道)
white_img = 255*white_img
cv2.imshow('white_img', white_img)
if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()

一些共有参数:

img:需要进行绘制的图像对象ndarray
color:颜色，采用BGR即上述说的(B、G、R)
thickness:图形中线的粗细，默认为1，对于圆、椭圆等封闭图像取-1时是填充图形内部
lineType:图形线的类型，默认8-connected线是光滑的，当取cv2.LINE_AA时线呈现锯齿状

直线:

cv2.line(image, starting, ending, color, thickness, lineType)

长方形:

cv2.rectangle(image, top-left, bottom-right, color, thickness, lineType)

? ? ? ? top-left、bottom-right长方形的左上角像素坐标、右下角像素坐标

圆形:

cv2.circle(image, center, radius, color, thickness, lineType)

? ? ? ? center、radius分别表示圆的圆心像素坐标、圆的半径长度

多边形:

cv2.polylines(image, [point-set], flag, color, thickness, lineType)

[point-set]： 表示多边形点的集合，如果多边形有m个点，则便是一个m12的数组，表示共m个点 flag： 当flag = True 时，则多边形是封闭的，当flag = False 时，则多边形只是从第一个到最后一个点连线组成的图像，没有封闭..示例:

import cv2
import numpy as np
img = np.ones((512,512,3), np.uint8)
img = 255*img
pts = np.array([[10,5],[20,30],[70,20],[50,10]], np.int32)
img = cv2.polylines(img,[pts],True,(0, 0, 0), 2)
cv2.imshow('img', img)
if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()

四.图片处理

图像色彩空间变换:

cv2.cvtColor(input_image, flag)

input_image:要变换色彩的图像ndarray对象

flag:图像色彩空间变换的类型,共有274种空间转换类型,最常用的:?

? ? ? ? ?cv2.COLOR_BGR2GRAY:表示将图像从BGR空间转化成灰度图

缩放

#缩放为200*200图像
img1=cv2.resize(img,(200,200))
#缩放至0.5倍
img2=cv2.resize(img,(0,0),fx=0.5,fy=0.5,interpolation=cv2.INTER_NEAREST)

裁剪

#裁剪出竖直方向20-150，水平方向-180到-50这一部分的图像
#原点的为左上角，向右为x轴,向下为y轴
patch_img=img[20:150,-180:-50]
#上一句中负值代表从x轴右侧向左侧选取

二值化

有阈值的二值化处理

cv2.threshold(src, thresh, maxval, type)
#src：原图片
#thresh：阈值(分割值)
#maxval：最大值
#划分算法:cv2.THRESH_BINARY等

?大津算法(自动计算阈值)

 retval, dst = cv2.threshold(gray, 0, 255,  cv2.THRESH_BINARY | cv2.THRESH_OTSU)

局部阈值二值化

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)
#src：进行二值化的图像
#maxValue：将要设置的灰度值
#adaptiveMethod：自适应阈值算法。可选ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C
#thresholdType：opencv提供的二值化方法，只能THRESH_BINARY或者THRESH_BINARY_INV
#blockSize：要分成的区域大小，上面的N值，取奇数
#C：常数，每个区域计算出的阈值的基础上在减去这个常数作为这个区域的最终阈值，可以为负数
#dst：输出图像，可忽略
#例子:
img2=cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 5, 10, dst=None)

滤波

#中值滤波
#其中5表示在中心点5*5范围内计算,可改为大于1的奇数
result = cv2.medianBlur(image,5)
#高斯滤波
cv2.GaussianBlur(img,(5,5),1.5)
#均值滤波
cv2.blur(img,(5,5))
# 双边滤波
cv2.bilateralFilter(img,9,75,75)