opencv-简单图像处理

图像像素存储形式
　对于只有黑白颜色的灰度图，为单通道，一个像素块对应矩阵中一个数字，数值为0到255, 其中0表示最暗（黑色） ，255表示最亮（白色）

对于采用RGB模式的彩色图片，为三通道图，Red、Green、Blue三原色，按不同比例相加，一个像素块对应矩阵中的一个向量, 如[24,180, 50]，分别表示三种颜色的比列, 即对应深度上的数字，如下图所示：

需要注意的是，由于历史遗留问题，opencv采用BGR模式，而不是RGB

图像读取和写入cv.imread()

imread(img_path,flag) 读取图片，返回图片对象img_path: 图片的路径，即使路径错误也不会报错，但打印返回的图片对象为Noneflag：cv2.IMREAD_COLOR，读取彩色图片，图片透明性会被忽略，为默认参数，也可以传入1cv2.IMREAD_GRAYSCALE,按灰度模式读取图像，也可以传入0cv2.IMREAD_UNCHANGED,读取图像，包括其alpha通道，也可以传入-1

显示图像cv2.imshow()

imshow(window_name,img)：显示图片，窗口自适应图片大小window_name: 指定窗口的名字img：显示的图片对象可以指定多个窗口名称，显示多个图片waitKey(millseconds)  键盘绑定事件，阻塞监听键盘按键，返回一个数字（不同按键对应的数字不同）millseconds: 传入时间毫秒数，在该时间内等待键盘事件；传入0时，会一直等待键盘事件destroyAllWindows(window_name) window_name: 需要关闭的窗口名字，不传入时关闭所有窗口

保存图片cv2.imwrite()

imwrite(img_path_name,img)img_path_name:保存的文件名img：文件对象

ROI截取（Range of Interest）

　#ROI,Range of instrest
roi = img[100:200,300:400]  #截取100行到200行，列为300到400列的整块区域
img[50:150,200:300] = roi   #将截取的roi移动到该区域 （50到100行，200到300列）
b = img[:,:,0]  #截取整个蓝色通道b,g,r = cv2.split(img) #截取三个通道，比较耗时
img = cv2.merge((b,g,r))

添加边界(padding)

cv2.copyMakeBorder()参数：img:图像对象top,bottom,left,right: 上下左右边界宽度，单位为像素值borderType:cv2.BORDER_CONSTANT, 带颜色的边界，需要传入另外一个颜色值cv2.BORDER_REFLECT, 边缘元素的镜像反射做为边界cv2.BORDER_REFLECT_101/cv2.BORDER_DEFAULTcv2.BORDER_REPLICATE, 边缘元素的复制做为边界CV2.BORDER_WRAPvalue: borderType为cv2.BORDER_CONSTANT时，传入的边界颜色值，如[0,255,0]

像素算术运算cv2.add() 相加的两个图片，应该有相同的大小和通道

cv2.add()参数：img1:图片对象1img2:图片对象2mask:None （掩膜，一般用灰度图做掩膜，img1和img2相加后，和掩膜与运算，从而达到掩盖部分区域的目的）dtype:-1注意：图像相加时应该用cv2.add(img1,img2)代替img1+img2    >>> x = np.uint8([250])>>> y = np.uint8([10])>>> print cv2.add(x,y) # 250+10 = 260 => 255  #相加，opencv超过255的截取为255[[255]]>>> print x+y          # 250+10 = 260 % 256 = 4  #相加，np超过255的会取模运算 （uint8只能表示0-255，所以取模）[4]

图像阈值化 cv2.threshold() 　cv2.adaptiveThreshold()

cv2.threshold(): 
参数：img:图像对象，必须是灰度图thresh:阈值maxval：最大值type:cv2.THRESH_BINARY:     小于阈值的像素置为0，大于阈值的置为maxvalcv2.THRESH_BINARY_INV： 小于阈值的像素置为maxval，大于阈值的置为0cv2.THRESH_TRUNC：      小于阈值的像素不变，大于阈值的置为threshcv2.THRESH_TOZERO       小于阈值的像素置0，大于阈值的不变cv2.THRESH_TOZERO_INV   小于阈值的不变，大于阈值的像素置0
返回两个值ret:阈值img：阈值化处理后的图像cv2.adaptiveThreshold() 自适应阈值处理，图像不同部位采用不同的阈值进行处理
参数：img: 图像对象，8-bit单通道图maxValue:最大值adaptiveMethod: 自适应方法cv2.ADAPTIVE_THRESH_MEAN_C     ：阈值为周围像素的平均值cv2.ADAPTIVE_THRESH_GAUSSIAN_C : 阈值为周围像素的高斯均值（按权重）threshType:cv2.THRESH_BINARY:     小于阈值的像素置为0，大于阈值的置为maxValuelcv2.THRESH_BINARY_INV:  小于阈值的像素置为maxValue，大于阈值的置为0blocksize: 计算阈值时，自适应的窗口大小,必须为奇数 （如3：表示附近3个像素范围内的像素点，进行计算阈值）C： 常数值，通过自适应方法计算的值，减去该常数值
(mean value of the blocksize*blocksize neighborhood of (x, y) minus C)

图像形状变换 cv2.resize() 图像缩放

cv2.resize() 放大和缩小图像参数：src: 输入图像对象dsize：输出矩阵/图像的大小，为0时计算方式如下：dsize = Size(round(fx*src.cols),round(fy*src.rows))fx: 水平轴的缩放因子，为0时计算方式：  (double)dsize.width/src.colsfy: 垂直轴的缩放因子，为0时计算方式：  (double)dsize.heigh/src.rowsinterpolation：插值算法cv2.INTER_NEAREST : 最近邻插值法cv2.INTER_LINEAR   默认值，双线性插值法cv2.INTER_AREA        基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。cv2.INTER_CUBIC        基于4x4像素邻域的3次插值法cv2.INTER_LANCZOS4     基于8x8像素邻域的Lanczos插值cv2.INTER_AREA 适合于图像缩小， cv2.INTER_CUBIC (slow) & cv2.INTER_LINEAR 适合于图像放大