基于OpenCV实战（基础知识二）

目录

简介

1.ROI区域

2.边界填充

3.数值计算

4.图像融合

---

简介

OpenCV是一个流行的开源计算机视觉库，由英特尔公司发起发展。它提供了超过2500个优化算法和许多工具包，可用于灰度、彩色、深度、基于特征和运动跟踪等的图像处理和计算机视觉应用。OpenCV主要使用C++语言编写，同时也支持Python、Java、C等语言。由于其开源和广泛使用的特点，在计算机视觉和机器学习领域得到了广泛的应用。

1.ROI区域

截取我们感兴趣的区域：在一张图像中，我们可能只需要其中的一部分，那我们如何截取这部分呢？

在上一篇文章，我们提到图片的本质可以由一组数组来表示

那么我们是否可以用切片来选择我们想要的区域呢

import cv2image = cv2.imread('image/1.jpg')
cat = image[250:500, 250:500]
cv2.imshow('IMG', cat)
cv2.waitKey(0)
cv2.destroyAllWindows()

我们知道，图像是一组三维的数据，既然我们在平面上进行切片得到我们想要的区域，那么我们是否可以对它的通道进行切分呢？

import cv2
import numpy as npimage = cv2.imread('image/1.jpg')# cat = image[250:500, 250:500]
# cv2.imshow('IMG', cat)
b,g,r = cv2.split(image)
cat = np.hstack((b,g,r))
cv2.imshow('IMG',cat)cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.split()是OpenCV中的一个函数，用于将多通道图像拆分成各个单通道图像。

为什么都是是灰色的呢，因为提取完后的图片，本质变成了单通道。

那么我想要是那种红色的图片要怎么做呢？

第一种思路：把三个通道分别提取出来，然后创建一个类似图像数据的空数组，最后把你想要的那个通道填充进去

第二种思路：把另外两个通道的值重新复制为0，只保留希望的颜色通道。

import cv2
import numpy as npimage = cv2.imread('image/1.jpg')img = image.copy()
b, g, r = cv2.split(img)
arr = np.zeros_like(image)
arr[:, :, 2] = r
print(arr)
cv2.imshow('IMG',arr)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2image = cv2.imread('image/1.jpg')img = image.copy()
img[:,:,0] = 0
img[:,:,1] = 0cv2.imshow('IMG', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

2.边界填充

在图像处理中，常用的边界填充方法有以下几种

常数填充（Constant Padding）：使用固定的像素值填充边界。可以通过 cv2.copyMakeBorder() 函数实现，指定 borderType=cv2.BORDER_CONSTANT。

复制填充（Replicate Padding）：将边界像素的值复制到图像边界。可以通过 cv2.copyMakeBorder() 函数实现，指定 borderType=cv2.BORDER_REPLICATE。

反射填充（Reflect Padding）：将边界像素值按照镜像方式填充。可以通过 cv2.copyMakeBorder() 函数实现，指定 borderType=cv2.BORDER_REFLECT。

import cv2
import numpy as npimage = cv2.imread('image/1.jpg')
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)replicate = cv2.copyMakeBorder(image, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(image, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT)
constant = cv2.copyMakeBorder(image, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT,value=0)
# print(image)
#
result = np.hstack((constant,reflect, replicate))cv2.imshow('IMG', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

当使用cv2.copyMakeBorder()函数进行边界填充时，有几个参数需要理解和设置：

1. src：原始图像，即要进行边界填充的图像。

2. top、bottom、left、right：指定要在图像的上方、下方、左侧和右侧添加的边界大小。可以为每个边界分别设置不同的大小，也可以将它们设置为相同的值。

3. borderType：指定边界填充的方法。常用的参数选项包括：

   • cv2.BORDER_CONSTANT：常数填充，使用固定的像素值填充边界。
   • cv2.BORDER_REPLICATE：复制填充，将边界像素的值复制到图像边界。
   • cv2.BORDER_REFLECT：反射填充，将边界像素值按照镜像方式填充。
   • cv2.BORDER_WRAP：复制边界填充，将图像水平或垂直方向的边缘复制到对应边界。

4. value：仅适用于borderType=cv2.BORDER_CONSTANT情况下，指定要用于填充边界的常数值。可以是一个标量（单个数值）或一个包含与图像通道数匹配的数值的元组。

3.数值计算

第一种，numpy层面的相加，ps 如果数值超过255 会自动对255取余

import cv2
import numpy as npimage1 = cv2.imread('image/car.jpg')
image2 = cv2.imread('image/circle.jpg')# img = np.array(image1)
image1_1= image1 + 10print(np.array(image1[:5,:,0]))
print(np.array(image1_1[0:5,:,0]))

第二种，opencv提供的函数

cv2.add(image1,image2)    需要保证图片的尺寸一样

import cv2
import numpy as npimage1 = cv2.imread('image/car.jpg')
image2 = cv2.imread('image/circle.jpg')
if image1.shape != image2.shape:image2 = cv2.resize(image2, (image1.shape[1], image1.shape[0]))
# img = np.array(image1)
image1_1 = image1 + 10
result = cv2.add(image1 ,image2)
print(np.array(image1[:5, :, 0]))
print(np.array(result[:5, :, 0]))

 与numpy不同的是它的数值不会超过255

4.图像融合

cv2.addWeighted() 函数是 OpenCV 中用于图像融合的函数

函数的语法如下：

dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)

• src1：要融合的第一个输入图像。

• alpha：第一个输入图像的权重系数。它表示 src1 图像在融合结果中所占比例。

• src2：要融合的第二个输入图像。

• beta：第二个输入图像的权重系数。它表示 src2 图像在融合结果中所占比例。

• gamma：亮度调节参数。它是一个可选的参数，用于进一步调整融合结果的亮度。

• 首先需要注意的一点是，图像融合的两张图片的shape必须一致，不然无法融合。

如下所示

import cv2image1 = cv2.imread('image/1.jpg')
image2 = cv2.imread('image/lena.jpg')blended_image = cv2.addWeighted(image1, 0.6, image2, 0.4, 0)cv2.imshow('IMG', blended_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

所以在融合前我们需要，将图片的shape设为一致

import cv2image1 = cv2.imread('image/1.jpg')
image2 = cv2.imread('image/lena.jpg')
# 调整两个图像的大小以保持一致image1 = cv2.resize(image1, (500, 500))
image2 = cv2.resize(image2, (500, 500))blended_image = cv2.addWeighted(image1, 0.6, image2, 0.4, 0)cv2.imshow('IMG', blended_image)
cv2.waitKey(0)
cv2.destroyAllWindows()