【OpenCV入门】第一部分——图像处理基础

图像处理的基本操作

图像处理包括4个基本操作：读取图像、显示图像、保存图像和获取图像属性。

读取图像

imread()

image = cv2.imread(filename,flags)

• filename：目标图像的完整路径名。
• flags：图像的颜色类型的标记，有0和1两个值，其中1为默认值。当读取一幅彩色图像时，如果想要得到一幅彩色图像，那么flags的值为1（此时flags的值可以省略）；想要得到一幅灰度图像则为0。
• image：是imread()方法的返回值，返回的是读取到的彩色图像或者灰度图像。

其实就是读取了一个存在filename路径的图片，然后用image去表示这个图片而已（image只是一个举例，你爱叫啥叫啥），flags是0还是1取决于你想要彩图还是灰白图。

实例1： 读取当前项目目录下的图像
在PyCharm中的Demos项目下，有一幅名为1.jpg的图像。
现在先使用imread()方法读取1.jpg，再使用print()方法打印1.jpg。代码如下所示：

import cv2 # 导入库image = cv2.imread("1.jpg",1) # 读取1.jpg，等价于image = cv2.imread("1.jpg")
print(image) # 打印1.jpg

部分结果如下：
图中输出的数字是1.jpg的部分像素值。

如果图像存储在电脑C盘中，示例代码如下：

import cv2 #opencv读取的格式是BGRimg = cv2.imread('C:/Users/lenovo/Pictures/Saved Pictures/castle.jpg') # 路径中不能出现中文
print(image)

注意：“D:/1.jpg"等价于"D:\1.jpg”

显示图像

imshow()

imshow()方法用于显示图像：

cv2.imshow(winname,mat)

• winname： 显示图像的窗口名称。
• mat： 要显示的图像

waitKey()

waitKey()方法用于等待用户按下键盘上的某个按键时将执行waitKey()方法，并且获取与这个按键相对应的ASCII码：

retval = cv2.waitKey(delay)

• delay：等待用户按下键盘上按键的时间，单位为毫秒（ms）。当delay的值为负数，0或者空时，表示无限等待用户按下键盘上按键的时间。
• retval：与被按下的按键相对应的ASCII码。例如ESC键的ASCII码是27，当用户按下该键时，waitKey()方法的返回值为27.如果没有按键被按下，waitKey()方法的返回值是-1。

destroyAllWindows()

destroyAllWindows()方法用于销毁所有正在显示图像的窗口：

cv2.destroyAllWindows()

实例2： 窗口显示图像

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("image",image)       # 在名为 image 的窗口中显示1.jpg
cv2.waitKey()                   # 按下任何键盘按键中
cv2.destroyAllWindows()         # 销毁所有窗口

结果如下：

如果想设置窗口显示图像的时间为5s，示例代码如下：

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("image",image)       # 在名为 image 的窗口中显示1.jpg
cv2.waitKey(5000)               # 括号内单位为ms
cv2.destroyAllWindows()         # 销毁所有窗口

注意：

• 显示图像的窗口名称不能是中文，否则会乱码。
• 为了能够正常显示图像，要在cv2.imshow()后紧跟着cv2.waitKey()。

保存图像

imwrite()

imwrite()可按照指定路径保存图像

cv2.imwrite(filename,img)

• filename： 保存图像时所用的完整路径
• img： 要保存的图像

实例3： 保存图像

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imwrite("D:/Pictures/1.jpg",image) # 把1.jpg保存为D盘根目录下，Pictures文件夹中的1.jpg

注意： 运行上述代码前，要在E盘根目录下新建一个空的Pictures文件夹

获取图像属性

处理图像的过程中，经常需要获取图像的大小、类型等图像属性。为此，OpenCV提供了shape、size和dtype这3个常用属性。

• shape： 如果是彩色图像，那么获取的是一个包含图像的像素行数、像素列数、通道数的数组，数组的格式为（像素行数，像素列数，通道数）；如果是灰度图像，那么获取的是一个包含图像的像素列数、像素行数的数组，数组的格式为（像素行数，像素列数）。
• size： 获取的是图像包含的像素总数，其值为像素行数×像素列数×通道数（灰度图像的通道数为1）
• dtype： 获取的是图像的数据类型

实例4： 打印彩色图像和灰度图像的属性

import cv2image_Color = cv2.imread("1.jpg", 1)  # 读取1.jpg
print("获取彩色图像的属性：")
print("shape =",image_Color.shape) #打印彩色图像的（像素行数，像素列数，通道数）
print("size =",image_Color.size) #打印彩色图像包含的像素总数
print("dtype =",image_Color.dtype) #打印彩色图像的数据类型image_Gray = cv2.imread("1.jpg", 0)  # 读取1.jpg的灰度图像
print("获取灰度图像的属性：")
print("shape =",image_Gray.shape) #打印灰度图像的（像素行数，像素列数）
print("size =",image_Gray.size) #打印灰度图像包含的像素总数
print("dtype =",image_Gray.dtype) #打印灰度图像的数据类型

结果如下：

像素

像素是构成数字图像的基本单位。将电脑上的一幅图片放大，会发现图像是由许多个小方块组成的，通常把一个小方块称作一个像素。因此，一个像素是具有一定面积的一个块，而不是一个点。需要注意的是，像素的形状是不固定的，大多数情况下，像素被认为是方形的，但有时也可能是圆形的或者是其他形状的。

确定像素的位置

在OpenCV中，正确表示图像中某个像素坐标的格式为 (y,x) ，方向示意图如下：

实例5： 表示图中的指定像素

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
px = image[50,30] # 坐标（50，30）上的像素

获取像素的BGR值

人眼能够感知红色、绿色和蓝色这3种不同的颜色，称为三基色。计算机利用色彩空间对颜色进行编码，把与“三基色”对应的色彩空间称作“RGB色彩空间”。

在RGB色彩空间种包含3个通道：R通道、G通道、B通道，分别代表红色通道、绿色通道、蓝色通道，每个通道都在区间[0,255]内进行取值。这样，计算机通过为这3个色彩通道取不同的值来表示不同的颜色。

OpenCV默认的通道顺序是B->G->R。也就是说，当OpenCV获取图像内某个像素的值时，这个值指的是这个像素的BGR值，OpenCV默认使用的色彩空间是BGR色彩空间。
在实例5中，凭借一个标签px就成功地表示了坐标（50，30）上的像素。如果使用print()方法打印这个像素，就会得到这个像素的BGR值。

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
px = image[50,30] # 坐标（50，30）上的像素，同时获取三个通道的值
blue = image[50, 30, 0]  # 坐标（50，30)上的像素的B通道的值
green = image[50, 30, 1]  # 坐标（50，30)上的像素的G通道的值
red = image[50, 30, 2]  # 坐标（50，30)上的像素的R通道的值
print(px)
print(blue,green,red)

结果如下：

修改像素的BGR值

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
px = image[50, 30]  # 坐标（50，30）上的像素
print("像素的初试BGR值是：",px)
px = [255,255,255] # 把坐标上的像素的值修改为[255,255,255]
print("像素修改后的BGR值是：",px)

结果如下：

当图像中的每个像素的B、G、R这3个数值相等时，就可以得到灰度图像。其中，当B = G = R = 0时，像素呈现纯黑色；当B = G = R = 255时，像素呈现纯白色。

实例6： 修改图像中的指定区域内的所有像素
在图像上设定4个点，将4个点围成的区域内的所有像素都修改为白色。

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("img_01", image)  # 显示图像
for i in range(241, 292):  # i表示横坐标，在区间[241,291]内取值for j in range(168, 219):  # j表示纵坐标，在区间[168,218]内取值image[i, j] = [255, 255, 255]  # 把区域内的所有像素都修改为白色
cv2.imshow("img_02", image)  # 显示像素被修改后的图像
cv2.waitKey()
cv2.destroyAllWindows()  # 关闭所有的窗口时，销毁所有窗口

结果如下：

色彩空间

上文中简单介绍了RGB色彩空间和BGR色彩空间。接下来将介绍在OpenCV中另外两个比较常见的色彩空间：GRAY色彩空间和HSV色彩空间。

GRAY色彩空间

GRAY色彩空间通常指的是灰度图像。灰度图像是一种每个像素都是从黑到白，被处理为256个灰度级别的单色图像。这256个灰度级别分别用区间[0,255]中的数值表示。“0”表示黑色，“255”表示白色，0~255之间的数值表示不同亮度（即色彩的深浅程度）的深灰色和浅灰色。

cvtColor()——从BGR色彩空间转换到GRAY色彩空间

OpenCV可以使用imread()方法把图片读取为灰度图像。除此之外，OpenCV还提供了cvtColor()方法用于转换图像的色彩空间。

dst = cv2.cvtColor(src,code)

• src： 转换色彩空间前的初始图象
• code： 色彩空间转换码
• dst： 转换色彩空间后的图像

当一幅彩色图像从BGR色彩空间转换到GRAY色彩空间时，需要使用的色彩空间转换码时cv2.COLOR_BGR2GRAY。

实例7： 从BGR色彩空间转换到GRAY色彩空间

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("img_01", image)  # 显示图像
# 将1.jpg从BGR色彩空间转换到GRAY色彩空间
gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow("GRAY", gray_image)  # 显示灰度图像
cv2.waitKey()
cv2.destroyAllWindows()  # 关闭所有的窗口时，销毁所有窗口

结果如下;

虽然色彩空间类型转换是双向的，而且OpenCV也提供了cv2.COLOR_GRAY2BGR这个色彩空间转换码，但是灰度图像是无法转换成彩色图像的。这是因为在彩色图像转换成灰度图像的过程中，已经丢失了颜色比例。

HSV色彩空间

RGB色彩空间是基于三基色而言的，即红色、绿色和蓝色。而HSV色彩空间则是基于色调、饱和度和亮度而言的。

• 色调（H）是指光的颜色。OpenCV中，色调在区间[0,180]内取值。例如代表红色、黄色、绿色和蓝色的色调值分别为0、30、60和120。
• 饱和度（S）是指色彩的深浅。在OpenCV中，饱和度在[0,255]内取值。当饱和度为0时，图像将变为灰度图像。
• 亮度（V）是指光的明暗。与饱和度相同，在OpenCV中，亮度在区间[0,255]内取值。亮度值越大，图像越亮；当亮度值为0时，图像呈纯黑色。

从BGR色彩空间转换到HSV色彩空间

当一幅彩色图像从BGR色彩空间转换到HSV色彩空间时，需要使用的色彩空间转换码是cv2.COLOR_BGR2HSV

实例8：从BGR色彩空间转换到HSV色彩空间

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("img_01", image)  # 显示图像
# 将1.jpg从BGR色彩空间转换到HSV色彩空间
hsv_image = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
cv2.imshow("HSV", hsv_image)  # 显示灰度图像
cv2.waitKey()
cv2.destroyAllWindows()  # 关闭所有的窗口时，销毁所有窗口

结果如下：

通道

在BGR色彩空间中，包含3个通道：B通道、G通道和R通道。

拆分通道

为了拆分一幅图像中的通道，OpenCV提供了split()方法。

拆分一幅BGR图像中的通道

b, g, r = cv2.split(bgr_image)

• bgr_image： 一幅BGR图像
• b： B通道图像
• g： G通道图像
• r： R通道图像

实例9： 拆分一幅BGR图像中的通道

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("img_01", image)  # 显示图像
b,g,r=cv2.split(image)
cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)
cv2.waitKey()
cv2.destroyAllWindows()  # 关闭所有的窗口时，销毁所有窗口

结果如下：

可以看到结果是0三个不同亮度的灰度图像。这是因为当程序执行到cv2.imshow(“B”,b)时原图像B、G、R这3个通道的值都会被修改为B通道的值，即(B,B,B)，其余同理。对于BGR图像，只要B=G=R（即数值相等），就可以得到灰度图像。

拆分一幅HSV图像中的通道

h, s, v = cv2.split(hsv_image)

• hsv_image： 一幅HSV图像。
• h： H通道图像
• s： S通道图像
• v： V通道图像

实例10： 拆分一幅HSV图像中的通道

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("img_01", image)  # 显示图像
hsv_image = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
h,s,v=cv2.split(hsv_image)
cv2.imshow("H",h)
cv2.imshow("S",s)
cv2.imshow("V",v)
cv2.waitKey()
cv2.destroyAllWindows()  # 关闭所有的窗口时，销毁所有窗口

结果如下：

合并通道

使用merge()方法合并H、S、V通道图像。

hsv = cv2.merge([h, s, v])

• h： H通道图像
• s： S通道图像
• v： V通道图像
• hsv：合并H通道图像、S通道图像和V通道图像后得到的图像

实例11： 合并H、S、V通道图像
首先将图像从BGR色彩空间转换到HSV色彩空间，然后拆分得到HSV图像中的通道，接着合并拆分后的通道图像，最后显示合并通道的HSV图像。

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("img_01", image)  # 显示图像
hsv_image = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
h,s,v=cv2.split(hsv_image)
hsv = cv2.merge([h,s,v])
cv2.imshow("HSV",hsv)
cv2.waitKey()
cv2.destroyAllWindows()  # 关闭所有的窗口时，销毁所有窗口

结果如下：

综合运用拆分通道和合并通道

在HSV色彩空间中，如果保持其中两个通道的值不变，调整第3个通道的值，会得到响应的艺术效果。

实例12： 只把H通道的值调整为180
首先将图像从BGR色彩空间转换到HSV色彩空间；然后拆分得到HSV图像中的通道；接着让S通道和V通道的值表示不变，把H通道的值调整为180；再接着合并拆分后的通道图像，把这个图像从HSV色彩空间转换到BGR色彩空间；最后显示得到的BGR图像。

import cv2image = cv2.imread("1.jpg", 1)  # 读取1.jpg
cv2.imshow("img_01", image)  # 显示图像
hsv_image = cv2.cvtColor(image,cv2.COLOR_BGR2HSV) # 将图像从BGR色彩空间转换到HSV色彩空间
h,s,v=cv2.split(hsv_image) # 拆分得到HSV图像中的通道
h[:,:] = 180 # 让S通道和V通道的值表示不变，把H通道的值调整为180
hsv = cv2.merge([h,s,v]) # 合并拆分后的通道图像
new_Image = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR) # 把这个图像从HSV色彩空间转换到BGR色彩空间
cv2.imshow("NEW",new_Image)
cv2.waitKey()
cv2.destroyAllWindows()  # 关闭所有的窗口时，销毁所有窗口

结果如下：

alpha通道

OpenCV在B、G、R三个通道的基础上，又增加了一个A通道，即alpha通道，用于设置图像的透明度。在BGRA色彩空间中，alpha通道在区间[0,255]内取值，其中0表示透明，255表示不透明。

实例13： 调整A通道的值

import cv2bgr_image = cv2.imread("1.jpg", 1)  # 读取1.jpg
bgra_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2BGRA)  # 把图片从BGR色彩空间转换到BGRA色彩空间
b, g, r, a = cv2.split(bgra_image)  # 拆分BGRA图像中的通道
a[:, :] = 172  # 将BGRA图像的透明度调整为172（半透明）
bgra_172 = cv2.merge([b, g, r, a])  # 合并拆分后并将透明度调整为172的通道图像
a[:, :] = 0  # 将BGRA图像的透明度调整为0（透明）
bgra_0 = cv2.merge([b, g, r, a])  # 合并拆分后并将透明度调整为0的通道图像
cv2.imwrite("D:/bgra_image.png", bgra_image)  # 在D盘根目录下，保存BGRA图像
cv2.imwrite("D:/bgra_172.png", bgra_172)  # 在D盘根目录下，保存透明度为172的BGRA图像
cv2.imwrite("D:/bgra_0.png", bgra_0)  # 在D盘根目录下，保存透明度为0的BGRA图像

如果使用imshow()方法的话，窗口里显示的图像是相同的。为了显示这3幅图像的不同效果，需要使用imwrite()方法来保存。