Opencv学习

Long time no see!哈哈，假期终于有时间做一点自己喜欢的东西了

还是想说，每天花一点时间投在自己喜欢的事情上，或者专攻一些平时不学的方向，真的很酷！

图片绘制

对于图像绘制，可以分为：图像创建（对象处理）—绘制图像（操作）—图像呈现（效果呈现）。这三个步骤又可以根据需求和习惯进行库的选取，函数运用

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt# 1 创建一个空白的图像
img = np.zeros((512,512,3), np.uint8)
# 2 绘制图形
cv.line(img,(0,0),(511,511),(55,0,0),5)
#直线起点，终点，颜色
cv.rectangle(img,(384,0),(510,128),(0,255,250),3)
#矩形左上坐标，右下坐标，颜色，宽度
cv.circle(img,(447,63), 63, (0,0,255), -1)
#圆心，半径
font = cv.FONT_HERSHEY_SIMPLEX
#绘制字体
cv.putText(img,'华 ，H_lilium ',(10,500), font, 2,(200,55,255),2,cv.LINE_AA)
# font = ImageFont.truetype('simsun.ttc', 40)  # 这里使用宋体字体，你可以根据需要更改字体文件，确保字体文件存在
# cv.putText(img,'华 YU MEI',(10,500), font, 2,(200,55,255),2,cv.LINE_AA)
# 绘制中文文本
# 3 图像展示
img_rgb = cv.cvtColor(img, cv.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.rcParams['font.sans-serif']=['SimHei']#设置 matplotlib 的字体为 SimHei，这是一种支持中文的字体。
plt.title('匹配结果')
plt.xticks([]), plt.yticks([])#坐标隐藏
plt.show()

1.图像创建

一般创建出来的图像，可以控制大小、颜色通道（BGR）、色彩

# 读取图像
img = np.zeros((520, 512, 3), np.uint8)
img[:] = 255#可使创建背景图像转为白色，更容易观察颜色与形状

2.绘制函数

本次举例了直线，矩形，圆绘制。

绘制图像的函数其实很容易理解，万能公式：

cv.图像英文（操作对象img,关键点坐标，大小，颜色，线条粗细）

# 2 绘制图形
cv.line(img,(0,0),(511,511),(55,0,0),5)
#直线起点，终点，颜色
cv.rectangle(img,(384,0),(510,128),(0,255,250),3)
#矩形左上坐标，右下坐标，颜色，宽度
cv.circle(img,(447,63), 63, (0,0,255), -1)
#圆心，半径

关于字体展示有一个小点，可以注意到，输出的中文变成“？”无法识别，这是 因为选择的字体font确实汉字。我在网上找到了解决办法，不过感觉有点麻烦，要加入库，引入一个新font,还要转换图像类型。不过没关系，这也算是文字传承吧嘿嘿

import cv2 as cv
from PIL import Image, ImageDraw, ImageFont
import numpy as np# 读取图像
img = np.zeros((520, 512, 3), np.uint8)
img[:] = 255
# 将 OpenCV 图像转换为 PIL 图像
pil_img = Image.fromarray(cv.cvtColor(img, cv.COLOR_BGR2RGB))
# 创建一个可绘制对象
draw = ImageDraw.Draw(pil_img)
# 设置字体和字体大小
font = ImageFont.truetype('simsun.ttc', 40)  # 这里使用宋体字体，你可以根据需要更改字体文件，确保字体文件存在
# 绘制中文文本
draw.text((10, 50), '华 ,H_lilium', (70, 55, 150), font=font)#RGB
# 将 PIL 图像转换回 OpenCV 图像
img = cv.cvtColor(np.array(pil_img), cv.COLOR_RGB2BGR)# 显示图像
cv.imshow('Image with Chinese Text', img)
cv.waitKey(0)
cv.destroyAllWindows()

图像展示

关键的三段函数，创建图像显示窗口+显示时间+执行指令

# 显示图像
cv.imshow('Image with Chinese Text', img)
cv.waitKey(0)
cv.destroyAllWindows()

图片加法+混合

1.加法

加法可以分两类，Opencv/NumPy,简单的0.5+0.5，效果其实并不理想

注意，1.黑色部分相加无法体现  2.相加图像必须大小规格一样  3.可以利用掩膜色彩

#加法函数# 使用 OpenCV 的 add 函数进行图像加法
img3 = cv2.add(img2, img1)
# 使用 NumPy 的加法进行图像加法
img4 = img2 + img1

import cv2
import numpy as np
import matplotlib.pyplot as plt# 读取图像
img1 = cv2.imread("D1.jpg")
img2 = cv2.imread("D3(1).jpg")# 将 img2 转换为 HSV 颜色空间
hsv = cv2.cvtColor(img2, cv2.COLOR_BGR2HSV)# 定义红色的 HSV 范围
minRed = np.array([0, 50, 50])
maxRed = np.array([60, 255, 255])# 创建掩膜
mask = cv2.inRange(hsv, minRed, maxRed)# 提取红色部分
red = cv2.bitwise_and(img2, img2, mask=mask)# 显示提取的红色部分
cv2.imshow('red', red)# 等待按键事件
cv2.waitKey(0)# 关闭所有 OpenCV 窗口
cv2.destroyAllWindows()# 使用 OpenCV 的 add 函数进行图像加法
img3 = cv2.add(img2, img1)# 使用 NumPy 的加法进行图像加法
img4 = img2 + img1# 再次使用 OpenCV 的 add 函数进行图像加法
img5 = cv2.add(img1, img2)# 创建子图
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 8), dpi=100)# 显示原始图像
axes[0, 0].imshow(img1[:, :, ::-1])
axes[0, 0].set_title('原始图像 1')# 显示原始图像
axes[0, 1].imshow(img2[:, :, ::-1])
axes[0, 1].set_title('原始图像 2')# 显示 OpenCV 加法结果
axes[1, 0].imshow(img3[:, :, ::-1])
axes[1, 0].set_title('OpenCV 加法')# 显示 NumPy 加法结果
axes[1, 1].imshow(img4[:, :, ::-1])
axes[1, 1].set_title('NumPy 加法')# 调整子图布局
plt.tight_layout()# 显示图像
plt.show()

2.混合

图像混合根据占比调制参数，对图像要求与加法一致。混合更能满足对图像的融洽处理

#图像混合
img5=cv2.addWeighted(img1,0.3,img2,0.7,0)

3.数列处理

引入数列来呈现图像，能更清晰地了解图像的变化（行+列+分辨率）

# 创建子图
fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(10, 8), dpi=100)# 显示原始图像
axes[0, 0].imshow(img1[:, :, ::-1])
axes[0, 0].set_title('原始图像 1')

有趣的图像绘制

在小学的时候，就对数学很感兴趣，有一次同学打趣到那我们来挑战画正17边形吧，我一口答应下来。结局是谁也没有画出正17边形，但是我却发现了一个美妙的，永远画不完的图形，当时非常兴奋，暗暗得意“我长大一定要研究清楚，然后成为一名数学家”哈哈哈，这个思想一直存活至高中，后来在学斐波那契额数列时，见到了一个极其相似的图像，我当时没有失落也没有遗憾，反而有些庆幸——我跨越了时间的限制，悄悄与不知名的人来了一次心灵意识的交汇。后来，我就手绘了这一副图，放在了我的数学错题本上，并暗自发誓“一定要用机械语言将这个美丽的图像以我的方式展示出来”

到了大学，学了编程语言，似乎一切想法都不再是遥不可及了。到了寒假，嘿嘿，我好像实现了承诺，和小小的自己也完成了一次心灵的交汇！(当然，还有豆包帮了大忙)，虽然只是简单的理想图像的呈现，没有体现我的“中交线”无限绘图，而是“定点”有限次绘图，但是也是一大突破点啦！

顺势一说，为了体现这一过程，还用了动画哟

import cv2 as cv
import numpy as np
import timedef main():center = (256, 256)#定圆心radius = 230#距离圆心范围，点的半径num_points = 16#所需要的个数points = []#空列表用于储存点for i in range(num_points):# 计算每个点的角度angle = 2 * np.pi * i / num_points#2Π/点数# 计算点的坐标x = center[0] + (radius + 1) * np.cos(angle)y = center[1] + (radius + 1) * np.sin(angle)#三角函数中余弦正弦points.append((int(x), int(y)))# 创建一个空白图像img = np.zeros((512, 512, 3), np.uint8)img[:]=255cv.namedWindow('Image')for point in points:cv.circle(img, point, 3, (225, 10, 10), -1)cv.imshow('Image', img)cv.waitKey(100)  # 显示 500 毫秒for i in range(len(points)):for j in range(i + 1, len(points)):cv.line(img, points[i], points[j], (220, 110, 0), 1)#BGRcv.imshow('Image', img)cv.waitKey(100)  # 显示 500 毫秒cv.waitKey(0)cv.destroyAllWindows()if __name__ == "__main__":main()

小小心得

在学这个操作的时候，我就感觉到现在所学的图像处理，就是对早就接触过的美图软件进行一次理性、专业的解剖哈哈，这里的图片加法和混合就像图片叠加，之前的图像特定颜色通道选取就是低级一点的滤镜。

当然图像处理的核心就是满足人的需求，而人的需求也是推进技术学习，技术进步的一大动力

                                                    ——解锁2025年关键词《相信》

                                                      我相信：念念不忘，必有回响