作者：云时之间

链接：https://zhuanlan.zhihu.com/p/102322268

编辑：王萌

今天这一篇文章主要记录一下OpenCV中一些基本的操作，包括读取图片，视频以及反转图像的几种操作：

  一：图片的载入

图片载入很常用，很实用。。。

  二：读取视频

读取视频分为从摄像头中读入和从硬盘中读入，如果是摄像头就在videocapture函数中填写数值，0是默认的第一个摄像头，1.是第二个，以此类推，如果没有外置摄像头，就直接“”填写路径就行。

  三：打印图片的类型

图片的信息主要包括图片的类型，图片的尺寸，图片的长宽高以及通道数，如果是彩色图片通道数就是3，如果是黑白的图片通道数为1。

我这里定义了一个函数来输出图片的信息：

这里可以看到：

图片的大小是589*646的彩色3通道图片，编码方式是uint8.

  四：图像的对比度转换

我们知道图像的像素数是从0-255，如果实现图像的反转只需要遍历每个像素然后每个像素减去255即可，这里用一个笨方法实现以下：

得出的结果是这样：

似乎转换了以后的图片还挺好看的。

当然，这样的方法太过于复杂，并且执行时间，效率都很低：

用时长达4555毫秒。。。

这时候我们使用OpenCV自带的bitwise_not函数：

因为底层是使用的C++语言进行封装，所以执行快得多，来对比下：

同样的一张图只需要17ms，舒服多了。

  五：时间消耗的计算

上图中的测试时间的计算用到了两个函数：

GetTickcount函数：它返回从操作系统启动到当前所经历的计时周期数

GetTickFrequency函数：返回每秒的计时周期数

使用的方法：

t1 = cv.getTickCount()

#你需要的测试的函数或代码

t2 = cv.getTickCount()

time = (t2-t1)/cv.getTickFrequency()
print("time:%s ms"%(time*1000))

最后，附上完整代码，方便大家复现，下一篇文章就要开始学习图像色彩空间的转换，还需努力。如果有任何问题欢迎在底下评论，我们一起交流，一起加油！

import cv2 as cv
import numpy as npdef access_pixel(image):#属性的读取print(image.shape)height = image.shape[0]width = image.shape[1]channels = image.shape[2]print("width: %s, height: %s,  channels: %s"%(width,height,channels))#遍历每一个像素点,太慢了，更新for row in  range(height):for col in range(width):for c in range(channels):pv = image[row,col,c]image[row,col,c] = 255-pvcv.imshow("numpy_test",image)def inverse(img):dis = cv.bitwise_not(img)cv.imshow("inverse",dis)def create_image():'''img  = np.zeros([400,400,4],np.uint8)img[ :, :,0] = np.ones([400,400])*255 #对通道进行赋值，0是蓝通道，1是绿通道，2是红色通道，多通道cv.imshow("new_image",img)'''#初始化灰度图像img2 = np.zeros([400,400,1],np.uint8)img2[:,:,0] = np.ones([400,400])*127#img2 = img2*127cv.imshow("new_image_2",img2)#维度变换m1 = np.ones([3,3],np.uint8)m1.fill(12222.388)print(m1)m2 = m1.reshape([1,9])print(m2)print("---------HELLO-----PYTHON--------------------")
src = cv.imread("D:/1.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
t1  = cv.getTickCount()
#access_pixel(src)
#create_image()
inverse(src)
t2 = cv.getTickCount()
#测试时间消耗
time = (t2-t1)/cv.getTickFrequency()
print("time:%s ms"%(time*1000))
cv.waitKey(0)
cv.destroyAllWindows()

每天进步一丢丢

设计自组织映射神经网络并设定网络训练参数——设计输出层节点的排列

输出层的节点排列成哪种形式取决于实际应用的需要，排列形式应尽量直观地反映出实际问题的物理意义。例如，对于一般的分类问题，一个输出节点能代表一个模式类，用一维线阵既结构简单又意义明确；对于颜色空间或者旅行路径类的问题，二维平面则比较直观。

预告：设计自组织映射神经网络并设定网络训练参数——初始化权值

今天因为你的点赞，让我元气满满