resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

viewImage(resized, "After resizing with 20%")

调整大小的函数保持了和原来图像一样的尺寸比。

更多关于图像缩放的函数，查看原文。

旋转：Rotating

上方: 照片来自Pexels的Jonathan Meyer.下方：旋转180度后的狗狗

import cv2(h, w, d) = image.shapecenter = (w // 2, h // 2)M = cv2.getRotationMatrix2D(center, 180, 1.0)rotated = cv2.warpAffine(image, M, (w, h))viewImage(rotated, "Doggo after rotation by 190 degrees")

image.shape输出了图像的高度，宽度和通道数。M是旋转矩阵——根据图像中心旋转180度。-ve按照顺指针方向旋转图像 & +ve 则是按照逆时针方向旋转。

灰度和阈值(黑&白效果)

图像来源: Pexels

import cv2gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)ret, threshold_image = cv2.threshold(im, 127, 255, 0)viewImage(gray_image, "Gray-scale doggo")viewImage(threshold_image, "Black & White doggo")

gray_image是图像的灰度单通道版本。阈值函数将所有阴影变为比127更暗(更小)到0并且所有更亮(更大)到255。

另外一个例子：

ret, threshold = cv2.threshold(im, 150, 200, 10)

这将使所有阴影小于150到10并且全部大于200。

更多关于阈值函数，查阅原文。

模糊/平滑

import cv2blurred = cv2.GaussianBlur(image, (51, 51), 0)viewImage(blurred, "Blurred doggo")

GussianBlur函数接收3个参数：

第一个参数是你想要模糊的图像

第二个参数必须是两个正奇数的元组。当他们增加时，模糊效果会增加。

第三个参数是sigmaX和sigmaY。当保留为0时，他们将根据内核大小自动计算

更多的模糊函数，参看原文。

在图像上绘制矩形/边界框

上方: 图像来自Pexels. 下方: 狗狗脸上画了一个矩形框

import cv2output = image.copy()cv2.rectangle(output, (2600, 800), (4100, 2400), (0, 255, 255), 10)viewImage(output, "Doggo with a rectangle on his face")

矩形框函数接收5个参数：

第一个参数是图像

第二个参数是x1, y1 ——对应左上角

第三个参数是x2, y2 ——对应右下角

第四个参数是矩形颜色(GBR/RGB，具体取决于你导入图像的方式)

第五个参数矩形线条的粗细

在图片上绘制线段

上方: 图像来自Pexels. 下方: 2只狗狗被一条直线分隔

import cv2output = image.copy()cv2.line(output, (60, 20), (400, 200), (0, 0, 255), 5)viewImage(output, "2 Doggos separated by a line")

line函数需要传入5个参数：

第一个参数是你需要在上面绘制线段的图像。

第二个参数是直线的x1, y1坐标。

第三个参数是直线的x2 y2坐标。

第四个参数是线段的颜色(可以是GBR/也可以是RGB，这取决于你导入的图片的格式)。

第五个参数是线段的粗细。

在图片上输入文字

import cv2output = image.copy()cv2.putText(output, "We <3 Dogs", (1500, 3600),cv2.FONT_HERSHEY_SIMPLEX, 15, (30, 105, 210), 40)viewImage(output, "image with text")

putText 函数包含七个参数：

第一个参数是您需要在上面输入文字的图片

第二个参数是需要输入的文字内容

第三个参数是文字开始区域的左下角的x,y坐标

第四个参数是字体

第五个参数是字体大小

第六个参数是字体颜色(可以是GBR/也可以是RGB，这取决于你导入的图片的格式)。

第七个参数是字体的粗细

人脸识别

非常抱歉，此处我们不能放狗狗的图片了。:(

来自于 Pixabay的免费图片

import cv2image_path = "./Path/To/Photo.extension"face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

image = cv2.imread(image_path)gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray,scaleFactor= 1.1,minNeighbors= 5,minSize=(10, 10))

faces_detected = format(len(faces)) + " faces detected!"print(faces_detected)# Draw a rectangle around the facesfor (x, y, w, h) in faces:cv2.rectangle(image, (x, y), (x+w, y+h), (255, 255, 0), 2)viewImage(image,faces_detected)

detectMultiScale函数是一个检测物体的通用函数。当我们把它用于人脸检测时，它就会从图像中检测出人脸。

detectMultiScale函数 包含四个参数 ：

第一个参数是灰度图

第二个参数是缩放比例。因为在我们的图片中，有些人脸由于更靠近照相机，导致他们看起来比后面的人脸更大些。缩放参数就是为了解决这种问题的。

检测算法使用了滑动窗口来检测目标物体。minNeighbors参数定义了当识别出一个人脸之前在当前物体周围需要检测的物体数目。

同时minSize参数给出了窗口的大小

在图片中检测出两张人脸

轮廓—— 一种物体检测的方法

使用基于颜色的图片分段，我们可以实现物体的检测。cv2.findContours 和 cv2.drawContours 两个函数可以帮我们实现上述目标。

近期，我写了一篇非常详细的文章，文章的题目是使用python来实现基于颜色的图片分段的物体检测。如果你想了解关于轮廓的知识，你可以去阅读这篇文章。

最后，保存图片

import cv2image = cv2.imread("./Import/path.extension")cv2.imwrite("./Export/Path.extension", image)

最后总结

https://ai.yanxishe.com/page/TextTranslation/1659