opencv python教程简书_Python-OpenCV —— 基本操作一网打尽
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 ...
最新文章
- AI 寻宝!美国女博士用 YOLOv3 打造沉船探测器,杰克船长:我错过了 100 亿
- 猜数字游戏_FLEX版
- myeclipse10.7安装git插件
- 《自卑与超越》读书笔记(part2)--生活的不确定性正是我们希望的来源
- C++ bitset类
- python比较两个数据库表_mysql如何比对两个数据库表结构的方法
- MongoDB 在windows shell环境下的基本操作和命令的使用示例(三)
- ubuntu18.04关闭输入法浮动窗
- 无线网络为什么经常掉线
- 文学随笔:《错过独白》
- 百度人脸活体检测系统通过信通院“护脸计划”首批优秀级安全防护能力评估
- springboot之Filter指定过滤URL的常见问题
- EOS是什么以及含义
- 环科跨考数一英一408经验帖
- 树状数组的进阶运用(Stars 数星星)
- 今天感受了一下ipad
- Java获取代理地址和端口
- Python基础——垃圾回收、格式化输入输出、基本运算符、流程控制
- 电力工程做什么的?电力工程怎么接项目?
- Arduino “学生寝室”门禁管理(红外遥控+舵机+无源蜂鸣器+DHT11温湿度传感器+LCD1602+LED灯)
热门文章
- SSH putty Disconnected: Server protocol violation: unexpected SSH2_MSG_UNIMPLEMENTED packet
- 球球大作战体验服找不到团战服务器6,球球大作战常见问题汇总 新版本问题解决方法...
- mysql storage_mySQL__storage课堂笔记和练习
- mysql 命令 _mysql 命令
- Android服务器django,Android发送发送请求到django服务器csrf失败
- [蓝桥杯][2016年第七届真题]密码脱落(记忆化搜索)
- 热狗树 树形dp(中国石油大学我要变强第九场)
- 小程序开发学习(4)---天气预报接口API篇
- 无法启动baiMicrosoft Office Outlook。无法打开duOutlook窗口
- jmeter 循环使用csv数据_如何通过jmeter读取csv文件行数来设置循环控制器的总数...