OpenCV基础（一）

1.认识图像（彩色图中每一个像素点都包含三个颜色通道RGB，数值范围为0~255，0代表黑色，255代表白色）

import cv2 #opencv 读取的格式为BGRimg = cv2.imread('cat.png') #读取图像
cv2.imshow('cat', img) #显示图像img，窗口名为cat
cv2.waitKey(0) #显示并停留
print(img)
print(img.shape) # h*w*c (432, 650, 3)，此时有三个通道
print(len(img))  #高
print(len(img[0]))  #宽
print(len(img[0][0])) #RGB

程序一旦停止运行，图片就不会展示了，所以会出现一闪而过的窗口展示，为了让图片长时间展示出来，需要加：cv2.waitKey(0)

print(img)：（输出三维列表：最外维度是高，中间维度是宽，最里面的维度是RGB）

[[[ 14  24  11][ 14  24  11][ 14  24  12]...[  3  26  12][  3  29  13][  3  30  14]][[ 14  24  11][ 14  24  11][ 13  23  11]...[  2  25  11][  3  29  13][  3  30  14]][[ 14  24  12][ 14  24  12][ 13  23  11]...[  3  23  10][  5  28  13][  4  30  14]]...[[ 38 137 121][ 36 135 119][ 36 134 118]...[ 35 125 106][ 36 125 106][ 36 125 106]][[ 39 138 122][ 37 136 120][ 37 135 119]...[ 35 124 105][ 35 124 105][ 35 124 105]][[ 40 139 123][ 38 137 121][ 38 136 120]...[ 35 124 105][ 35 124 105][ 35 124 105]]]

print(len(img)) & print(leg(img[0])) & print(leg(img[0][0])) & print(img.shape)：

432
650
3
(432, 650, 3)

2.读取灰度图

彩色图到灰色图的转化公式：B × 0.114 + G × 0.587 + R × 0.299 

例：14×0.114+24×0.587+11×0.299=18.973（向下取整）

        14×0.114+24×0.587+12×0.299=19.272（向下取整）

import cv2 #opencv 读取的格式为BGR# 读取灰度图
img = cv2.imread('cat.png', cv2.IMREAD_GRAYSCALE) #cv2.IMREAD_GRAYSCALE表示读取灰度图def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留
cv_show('cat',img) #封装起来，只需传入窗口名和待显示图像
print(img.shape) # h*w (432, 650)，此时只有一个通道#图像保存，将图片img保存在当前目录，名为cat2.png
cv2.imwrite('cat2.png', img)

print(img) & print(img.shape)： 

[[ 18  18  19 ...  19  21  22][ 18  18  18 ...  18  21  22][ 19  19  18 ...  16  20  22]...[120 118 118 ... 109 109 109][121 119 119 ... 108 108 108][122 120 120 ... 108 108 108]]
(432, 650)

 3.图像截取

 

img2 = cv2.imread('cat.png') #读取图像
img3 = img2[0:200, 0:300] #高200像素，宽300像素def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留cv_show('cat',img3)
print(img3.shape) #(200, 300, 3)

3.1通道提取

img2 = cv2.imread('cat.png') #读取图像#只保留R通道，令B,G通道都为0，其他同理
img2[:,:,0]=0
img2[:,:,1]=0def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留cv_show('cat',img2)

4.图像融合

img2 = cv2.imread('cat.png') #读取图像
img3 = img2 + 10
print(img2[0:2,0:2,:]) #为了方便观察，只打印前两行两列的数值
print(img3[0:2,0:2,:])

可以看出在每个像素点的每个通道上都+10 

[[[14 24 11][14 24 11]][[14 24 11][14 24 11]]]
[[[24 34 21][24 34 21]][[24 34 21][24 34 21]]]

如果大于255怎么办，会自动溢出：14+250-256=8，24+250-256=18...

img2 = cv2.imread('cat.png') #读取图像
img3 = img2 + 250
print(img2[0:2,0:2,:]) #为了方便观察，只打印前两行两列的数值
print(img3[0:2,0:2,:])

[[[14 24 11][14 24 11]][[14 24 11][14 24 11]]]
[[[ 8 18  5][ 8 18  5]][[ 8 18  5][ 8 18  5]]]

5.腐蚀与膨胀 

原图

腐蚀

膨胀

开运算

闭运算

import cv2 #opencv 读取的格式为BGR
import numpy as npimg = cv2.imread('j.png') #读取图像
kernel = np.ones((5,5), np.uint8) #设置锚框（核）大小img2 = cv2.erode(img, kernel) #erode为腐蚀操作
img2 = cv2.dilate(img, kernel) #dilate为膨胀操作img2 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) #开运算
img2 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) #闭运算def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留
cv_show('j', img2) 

腐蚀：将锚框（核）区域中最小的值赋值给锚点，即将(0,0,0)像素值赋值给锚点，故腐蚀后黑色区域增加，白色区域减少；

膨胀：将锚框（核）区域中最大的值赋值给锚点，即将(255,255,255)像素值赋值给锚点，故膨胀后白色区域增加，黑色区域减少；

开运算：先腐蚀，再膨胀；闭运算：先膨胀，再腐蚀。

5.1梯度计算

膨胀-腐蚀

梯度运算

 梯度计算 = 膨胀 - 腐蚀

import cv2 #opencv 读取的格式为BGR
import numpy as npimg = cv2.imread('j.png') #读取图像kernel = np.ones((5,5), np.uint8)# imgP = cv2.erode(img, kernel) #膨胀
# imgF = cv2.dilate(img, kernel) #腐蚀
# img2 = imgF - imgP #膨胀-腐蚀img2 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) #梯度运算def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留
cv_show('j', img2) 

 6.Soble算子(边缘检测)

Soble卷积因子

dx方向

dy方向

dx,dy合并

import cv2 #opencv 读取的格式为BGR
import numpy as npimg = cv2.imread('j.png') #读取图像imgx = cv2.Sobel(img, cv2.CV_64F, 1, 0, 3) #cv2.CV_64F为更高的数据类型，dx=1，dy=0，ksize=3
imgx = cv2.convertScaleAbs(imgx) #将负值转化为绝对值imgy = cv2.Sobel(img, cv2.CV_64F, 0, 1, 3) #cv2.CV_64F为更高的数据类型，dx=0，dy=1，ksize=3
imgy = cv2.convertScaleAbs(imgy) #将负值转化为绝对值def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留
cv_show('j', imgx) 
cv_show('j', imgy) #同时在x,y方向上Soble
imgx_y = cv2.addWeighted(imgx, 0.5, imgy, 0.5, 0) #0.5为权重，0为偏置
cv_show('j', imgx_y) 

 Scharr算子(用法和Soble一样)

scharr算子卷积因子

dx方向

dy方向

dx,dy合并

import cv2 #opencv 读取的格式为BGR
import numpy as npimg = cv2.imread('j.png') #读取图像imgx = cv2.Scharr(img, cv2.CV_64F, 1, 0, 3) #cv2.CV_64F为更高的数据类型，dx=1，dy=0，ksize=3
imgx = cv2.convertScaleAbs(imgx) #将负值转化为绝对值imgy = cv2.Scharr(img, cv2.CV_64F, 0, 1, 3) #cv2.CV_64F为更高的数据类型，dx=0，dy=1，ksize=3
imgy = cv2.convertScaleAbs(imgy) #将负值转化为绝对值def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留
cv_show('j', imgx) 
cv_show('j', imgy) #同时在x,y方向上Soble
imgx_y = cv2.addWeighted(imgx, 0.5, imgy, 0.5, 0) #0.5为权重，0为偏置
cv_show('j', imgx_y) 

 Laplace算子

Laplace算子卷积因子

Laplace算子边缘检测

import cv2 #opencv 读取的格式为BGR
import numpy as npimg = cv2.imread('j.png') #读取图像img2 = cv2.Laplacian(img, cv2.CV_64F, 3) #不需要设置dx,dy
img2 = cv2.convertScaleAbs(img2)def cv_show(name,img): #定义一个函数，参数为窗口名和待显示图像cv2.imshow(name, img)cv2.waitKey(0) #显示并停留cv_show('j', img2)