opencv python教程简书_Python-OpenCV —

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量级而且高效——由一系列 C 函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

简言之，通过openCV可实现计算机图像、视频的编辑。广泛应用于图像识别、运动跟踪、机器视觉等领域。

为什么用Python？

众所周知，虽然Python语法简洁，编写高效，但相比C/C++运行慢很多。然而Python还有个重要特性：它是一门胶水语言！Python可以很容易地扩展C/C++。OpenCV-Python就是用Python包装了C++的实现，背后实际就是C++的代码在跑，所以代码的运行速度跟原生C/C++速度一样快，而且更加容易编写。

安装

pip install opencv-python

然后import cv2就可以了

基础操作函数

cv2.imread()——读取图像

函数格式cv2.imread(img,flag)

flag取值可以为

cv2.IMREAD_COLOR 默认、彩色照片

cv2.IMREAD_GRAYSCALE 灰度照片

cv2.IMREAD_UNCHANGED 加载原图通道

也可以通过1、 0、-1 指定上述三个模式

import numpy as np

import cv2

# 灰度模式打开图片

img = cv2.imread('messi5.jpg',0)

cv2.imshow()——显示图片

cv2.imshow('image',img)#第一个为显示的图片名字，第二个为图片

cv2.waitKey(0)#不停刷新图片，直到你按下任意按键退出

cv2.destroyAllWindows()#关闭所有显示框，若只关闭一个，可 cv2.destroyWindow()单独指定

cv2.imwrite()——保存图片

cv2.imwrite('messigray.png',img) #第一个参数为文件名，第二个为要保存的图像。

cv2.VideoCapture()——捕捉视频图像

import numpy as np

import cv2

#创建一个VideoCapture项目，0代表选择第一个设备

cap = cv2.VideoCapture(0)

while(True):

# 捕捉每一帧图像，返回两个参数ret为是否返回图片（True or False），frame为返回的图片

ret, frame = cap.read()

# 通过cv2.cvtColor转换颜色格式为灰度模式

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 播放每一帧图像

cv2.imshow('frame',gray)

if cv2.waitKey(1) & 0xFF == ord('q'):

break

# 最后要记得释放capture

cap.release()

cv2.destroyAllWindows()

还可以通过更改设备号为文件名来播放视频，并且通过cv2.WaitKey()来控制播放速度，可以制作慢动作视频等等

import numpy as np

import cv2

cap = cv2.VideoCapture('vtest.avi')

while(cap.isOpened()):

ret, frame = cap.read()

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

cv2.imshow('frame',gray)

if cv2.waitKey(1) & 0xFF == ord('q'):

break

cap.release()

cv2.destroyAllWindows()

cv2.VideoWriter()——保存视频

import numpy as np

import cv2

cap = cv2.VideoCapture(0)

#fourcc是一种编码格式，我们保存视频时要指定文件名、编码格式、FPS、输出尺寸、颜色模式

fourcc = cv2.VideoWriter_fourcc(*'XVID')

out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))

while(cap.isOpened()):

ret, frame = cap.read()

if ret==True:

#cv2.flip(img,flag) 翻转图像（1水平翻转、0垂直翻转、-1水平垂直翻转）

frame = cv2.flip(frame,0)

# 写入视频帧

out.write(frame)

cv2.imshow('frame',frame)

if cv2.waitKey(1) & 0xFF == ord('q'):

break

else:

break

cap.release()

out.release()

cv2.destroyAllWindows()

cv2.line(), cv2.circle() , cv2.rectangle(), cv2.ellipse(), cv2.putText()

画图，用处较少，不再赘述

cv2.setMouseCallback()——鼠标绘图

import cv2

import numpy as np

#初始化

drawing = False #为真时开始画图

mode = True #为真时画举行，为假时画圆

ix,iy = -1,-1

def draw_circle(event,x,y,flags,param):

global ix,iy,drawing,mode

#鼠标左键按下时

if event == cv2.EVENT_LBUTTONDOWN:

drawing = True

ix,iy = x,y

#鼠标移动时

elif event == cv2.EVENT_MOUSEMOVE:

if drawing == True:

if mode == True:

cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1)

else:

cv2.circle(img,(x,y),5,(0,0,255),-1)

#鼠标抬起时

elif event == cv2.EVENT_LBUTTONUP:

drawing = False

if mode == True:

cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1)

else:

cv2.circle(img,(x,y),5,(0,0,255),-1)

#初始化图像

img = np.zeros((512,512,3), np.uint8)

cv2.namedWindow('image')

cv2.setMouseCallback('image',draw_circle)

#按下"m"来切换模式

while(1):

cv2.imshow('image',img)

k = cv2.waitKey(1) & 0xFF

if k == ord('m'):

mode = not mode

elif k == 27:

break

cv2.destroyAllWindows()

array.item()、array.itemset()——查看并修改单一像素值

import cv2

import numpy as np

img = cv2.imread('messi5.jpg')

# 指定像素点

px = img[100,100]

print px

#[157 166 200]

# 获取蓝色像素值

blue = img[100,100,0]

print blue

#157

img.shape img.size img.dtype —— 查看图片尺寸、大小、数据类型

>>> print img.shape

(342, 548, 3)

>>> print img.size

562248

>>> print img.dtype

uint8

cv2.split cv2.merge —— 分离、合并通道（注意：有损分离）

>>> b,g,r = cv2.split(img)

>>> img = cv2.merge((b,g,r))

#或者

>>> b = img[:,:,0]

#也可以通过这种形式快速指定红色通道像素值为0

>>> img[:,:,2] = 0

cv2.copyMakeBorder() —— 给图片加一个相框

可以指定下列参数

src - 你的图片

top, bottom, left, right - 上下左右边框宽度

borderType - 边框类型（下面详细展示，不做具体讲解）

cv2.BORDER_CONSTANT

cv2.BORDER_REFLECT

cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT

cv2.BORDER_REPLICATE

cv2.BORDER_WRAP

value - 当类型为cv2.BORDER_CONSTANT时需要额外指定的值

import cv2

import numpy as np

from matplotlib import pyplot as plt

BLUE = [255,0,0]

img1 = cv2.imread('opencv_logo.png')

replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)

reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)

reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)

wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)

constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')

plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')

plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')

plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')

plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')

plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')

plt.show()

如图所示

cv2.inRange —— 用来追踪物体

HSV是一个常用于颜色识别的模型，相比BGR更易区分颜色，转换模式用COLOR_BGR2HSV表示。

经验之谈：OpenCV中色调H范围为[0,179]，饱和度S是[0,255]，明度V是[0,255]。虽然H的理论数值是0°~360°，但8位图像像素点的最大值是255，所以OpenCV中除以了2，某些软件可能使用不同的尺度表示，所以同其他软件混用时，记得归一化。

现在，我们实现一个使用HSV来只显示视频中蓝色物体的例子，步骤如下：

捕获视频中的一帧

从BGR转换到HSV

提取蓝色范围的物体

只显示蓝色物体

追踪蓝色物体

capture = cv2.VideoCapture(0)

# 蓝色的范围，不同光照条件下不一样，可灵活调整

lower_blue = np.array([100, 110, 110])

upper_blue = np.array([130, 255, 255])

while(True):

# 1.捕获视频中的一帧

ret, frame = capture.read()

# 2.从BGR转换到HSV

hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

# 3.inRange()：介于lower/upper之间的为白色，其余黑色

mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 4.只保留原图中的蓝色部分

res = cv2.bitwise_and(frame, frame, mask=mask)

cv2.imshow('frame', frame)

cv2.imshow('mask', mask)

cv2.imshow('res', res)

if cv2.waitKey(1) == ord('q'):

break

opencv python教程简书_Python-OpenCV —— 基本操作一网打尽相关推荐

python教程简书_Python快速教程
配到python源码实例学习更佳:http://www.eyesourcecode.com/f/Python/1 作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎 ...
opencv python教程简书_OpenCV-Python系列二：常用的图像属性
对于图像,我们经常需要知道关于图像的特殊属性,比如宽度,高度,面积,像素点数目等等,那么在opencv-python中,这些信息如何获取呢? 本文结构: 1.基本图像属性 2. 对于opencv中的特 ...
opencv python教程简书_OpenCV-Python教程:27.图像转换
理论傅里叶变换用来分析多种过滤器的频率特征.对于图片,2D离散傅里叶变换(DFT)用来找频率范围.一个快速算法叫快速傅里叶变换(FFT)用来计算DFT. 对于正弦信号,x(t) = Asin(2πf ...
opencv python教程简书_OpenCV-Python教程:28.模板匹配
理论模板匹配是在一个大图里搜索和找模板图像位置的方法.OpenCV有个函数cv2.matchTemplate()来做这个.它吧模板图像在输入图像上滑动,对比模板和在模板图像下的输入图像块.它返回了一 ...
opencv python教程简书_OpenCV-Python教程:57.图像修复
基础你们可能家里都会有一些老照片已经有黑点啊,划痕啊等.你有想过修复它们么?我们不能简单的在绘图工具里把他们擦除了就完了.因为这样只是把黑色的东西变成白色的而已,实际上没用.在这种情况下,会用到一种 ...
opencv python 直方图反向投影_python OpenCV学习笔记直方图反向投影的实现
本文介绍了python OpenCV学习笔记直方图反向投影的实现,分享给大家,具体如下: 它用于图像分割或寻找图像中感兴趣的对象.简单地说,它创建一个与我们的输入图像相同大小(但单通道)的图像,其中每 ...
python 数据挖掘简书_python 数据挖掘算法简要
前言数据挖掘是通过对大量数据的清理及处理以发现信息,并将这原理应用于分类,推荐系统,预测等方面的过程.本文基于<面向程序员数据挖掘指南>的理解,扩展学习后的总结.不足之处还请赐教,觉得有 ...
OpenCV Python教程（2、图像元素的访问、通道分离与合并）
OpenCV Python教程之图像元素的访问.通道分离与合并转载请详细注明原作者及出处,谢谢! 访问像素像素的访问和访问numpy中ndarray的方法完全一样,灰度图为: [python] v ...
OpenCV Python教程（3）（4）（5）：直方图的计算与显示形态学处理初级滤波内
OpenCV Python教程(3.直方图的计算与显示) 本篇文章介绍如何用OpenCV Python来计算直方图,并简略介绍用NumPy和Matplotlib计算和绘制直方图直方图的背景知识.用途 ...

opencv python教程简书_Python-OpenCV —— 基本操作一网打尽

opencv python教程简书_Python-OpenCV —— 基本操作一网打尽相关推荐

最新文章

热门文章