文章目录

OpenCV的色彩空间
- RGB和BGR
- `HSV`,`HSL`和`YUV`
- - `HSV(HSB)`
  - `HSL`
  - `YUV`
颜色空间的转化
OpenCV的一种重要数据结构——Mat
- Mat介绍
- Mat拷贝
- 访问图像(Mat)的属性
- 图像通道的分割和合并
绘制图形
- 绘制直线
- 绘制矩形
- 绘制圆
- 绘制椭圆
- 绘制多边形
- 绘制一个填充的多边形
- 绘制文本
作业

OpenCV的色彩空间

RGB和BGR

最常见的色彩空间就是RGB，人眼也是基于RGB的色彩空间去分辨颜色的

OpenCV默认使用的是BGR，BGR和RGB色彩空间的区别在于图片在色彩通道上的排列顺序不同

显示图片时要注意适配图片的色彩空间和显示环境的色彩空间：比如传入的图片是BGR色彩空间，显示环境是RGB色彩空间，就会出现颜色混乱的情况

`HSV`,`HSL`和`YUV`

`HSV(HSB)`

OpenCV用的最多的色彩空间就是HSV

Hue：色相，即色彩，如红色、蓝色，用角度来度量，取值范围为0°~360°，从红色开始按照逆时针方向计算，红色为0°，绿色为120°，蓝色为240°
Saturation：饱和度, 表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
Value(brightness)：明度. 明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

为什么要使用HSV?

方便OpenCV做图像处理.比如根据hue的值就可以判断背景颜色.

`HSL`

HSL和HSV差不多

Hue: 色相
Saturation: 饱和度
Lightness: 亮度

HSL在顶部是纯白的, 不管是什么颜色.

HSL和HSV的区别

理解：

`YUV`

YUV是一种颜色编码方法。常使用在各个视频处理组件中。 YUV在对照片或视频编码时，考虑到人类的感知能力，允许降低色度的带宽（因为我们人眼分不出太多的颜色，因此可以节约带宽）

“Y”表示明亮度（Luminance或Luma），也就是灰阶值，以前的黑白电视就是只用Y调整灰度即可
“U”和“V”表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。

Y'UV的发明是由于彩色电视与黑白电视的过渡时期。

Y'UV最大的优点在于只需占用极少的带宽。

4:4:4表示完全取样。
4:2:2表示2:1的水平取样，垂直完全采样。
4:2:0表示2:1的水平取样，垂直2：1采样。
4:1:1表示4:1的水平取样，垂直完全采样。

每4个Y只有——>2个U或者2个V

颜色空间的转化

关键API cv2.cvtColor()

# 关键API cv2.cvtColor()
import cv2# 定义一个回调函数callback——> 我们要使用trackbar滑块
def callback(value):pass # 我们不需要功能实现 因此直接pass# 创建窗口
cv2.namedWindow('color',cv2.WINDOW_NORMAL)
cv2.resizeWindow('color',640,480)# 读取图片 ——> opencv读进来的格式默认是BGR的色彩空间
img = cv2.imread('./cat.jpeg')# 定义颜色空间转化列表
color_spaces = [# 记忆：所有颜色空间的转化都是以"COLOR"开头的 cv2.COLOR_BGR2RGBA , cv2.COLOR_BGR2BGRA ,# BGRA中的‘A’表示透明度cv2.COLOR_BGR2GRAY , cv2.COLOR_BGR2HSV ,cv2.COLOR_BGR2YUV
]# 设置一个trackbar滑块
cv2.createTrackbar('trackbar' , 'color' , 0 , 4 , callback) # (trackbar的名字，在哪个窗口上实现，默认值，最大值)# 不停地循环展示窗口
while True:# 获取trackbar的值 ——> 转换成索引（用于选择颜色空间转换的形式）index = cv2.getTrackbarPos('trackbar','color') # (trackbar的名字，窗口的名字)# 进行颜色空间转化 ——> 把我们的img图片转换成对应的色彩cvt__img = cv2.cvtColor( img , color_spaces[index] )# 展示图片cv2.imshow('color' , cvt__img)# 退出的条件key = cv2.waitKey(1)if key == ord('q') or key == ord('Q'):break# 消除窗口
cv2.destroyAllWindows()

OpenCV的一种重要数据结构——Mat

Mat介绍

Mat是OpenCV在C++语言中用来表示图像数据的一种数据结构，在python中转化为numpy的darray

Mat由指针hearder和数据data组成

Mat拷贝

在python中Mat数据对应numpy的ndarray，使用numpy提供的深浅拷贝方法可以实现对Mat的拷贝

# 关于深浅拷贝# 浅拷贝：仅仅是复制出一个“指针”，共同指向一份data数据 ——> data数据发生改变，浅拷贝的数据也会改变# 深拷贝：完全复制出一份和原始数据一样的数据(包括data)——> data数据发生改变，深拷贝的数据不会发生改变！# 因为在python中，图片数据已经包装成ndarray，而非mat# 因此对ndarray的深浅拷贝 ——> 就是对mat的深浅拷贝import cv2
import numpy as npcv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('img',480,640)# 读入图片
img = cv2.imread('./cat.jpeg')# 浅拷贝
img2 = img.view() # 其底层数据的内存地址是一样的，仅仅是名字不一样而已# 深拷贝
img3 = img.copy() # 改变图片中某个位置的颜色，便于观察深浅拷贝结果
img[10:100,10:100] = [0,0,255] # 把img图像上[10:100,10::100]的位置颜色改为红色[0,0,255]# 展示图片 ——> 我们让图片一起显示出来 np.hstack()使图像横向堆叠 ；np.vstack()使图像纵向堆叠
cv2.imshow( 'img' , np.hstack( (img,img2,img3) ) )# 退出的条件
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

我们发现前两张图片的颜色给改了，而最后一张图片的颜色没有被修改——> 因为前两个是浅拷贝，所以它们的底层数据是一样的，而最后一个是深拷贝，是一份独立的数据

访问图像(Mat)的属性

opencv的Mat在python中已经转换成了ndarray，通过ndarray的属性即可访问Mat图像的属性

import cv2
import numpy as npimg = cv2.imread('./cat,jpeg')# shape 属性中包含了三个信息
# 高度、长度、通道数
print(img.shape)# 图像占用空间计算
# 高度×长度×通道数
print(img.size)# 图像中每一个图像的位深
print(img.dtype)

图像通道的分割和合并

split(mat)分割图像的色彩通道
merge((ch1,ch2,ch3......))融合多个色彩通道

# 图像的分割与融合
import cv2
import numpy as np# 导入一个全黑的图片
img = np.zeros((200,200,3),np.uint8)# 分割通道 ——> 得到原图中三个通道的值
b , g , r = cv2.split(img)# 修改颜色：分别改变b蓝色通道和g绿色通道的一小段数据
b[10:100 , 10:100] = 255
g[10:100 , 10:100] = 255# 合并色彩通道 ——> 相当于创建一个新的图片（注意括号内要写元组，并且要按照BGR的顺序写入）
img2 = cv2.merge((b,g,r))cv2.imshow('img',np.hstack((img,img2)))# 我们也顺便展示一下b,g修改后的值，方便理解
cv2.imshow('b_and_g',np.hstack((b,g)))cv2.waitKey(0)
cv2.destroyAllWindows()

结果：
先看色彩通道b和色彩通道g修改后的样子（我们将两幅图横向拼接在了一起）

由于我们创建的是全黑的图img = np.zeros((200,200,3),np.uint8)，因此图像是全黑的，而我们把 [10:100 , 10:100] 区域内的值拉到最大，因此该区域就变白了

对应在新生成的图上

左半部分是修改前：全黑

右半部分是将修改后的色彩通道重新叠加：由于我们把b蓝色通道和g绿色通道的部分值拉满了，对应蓝色和绿色的合成色即为上图的颜色

绘制图形

利用OpenCV提供的绘制图形API可以轻松地在图像上绘制各种图形，比如直线、矩形、圆、椭圆等图形

绘制直线

line(img, pt1, pt2, color, thickness, lineType, shift) 画直线

img:：在哪个图像上画线
pt1, pt2：开始点, 结束点. 指定线的开始与结束位置
color:：颜色
thickness：线宽
lineType：线型.线型为-1, 4, 8, 16, 默认为8
shift：坐标缩放比例.

# 绘制直线
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)# 画一条直线：line(img, pt1, pt2, color, thickness, lineType, shift) ——> 位置参数pt1、pt2，颜色color必须为元组形式
cv2.line(img,(10,20),(300,400),(0,0,255),5,4)
cv2.line(img,(10,20),(400,700),(0,0,255),5,18)  # lineType越小，线的锯齿状越明显，且值必须是2的幂次方# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

绘制矩形

rectangle(img, pt1, pt2, color, thickness, lineType, shift) 参数同上— 画矩形

# 绘制矩形
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)# 画一个矩形：（和画直线的参数一样
cv2.rectangle(img,(80,200),(300,400),(0,0,255),5,4)
cv2.rectangle(img,(100,200),(200,300),(0,255,255),5,18)  # lineType越小，线的锯齿状越明显，且值必须是2的幂次方# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

注意：
如果想填充矩形框，使之变成实心矩形，只需要将thickness = -1即可

# 绘制矩形
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)# 画一个矩形：（和画直线的参数一样
cv2.rectangle(img,(80,200),(300,400),(0,0,255),5,4)
cv2.rectangle(img,(100,200),(200,300),(0,255,255),5,18)  # lineType越小，线的锯齿状越明显，且值必须是2的幂次方img2 = img.copy()
cv2.rectangle(img2,(80,200),(300,400),(0,0,255),-1,4)
cv2.rectangle(img2,(100,200),(200,300),(0,255,255),-1,18)  # lineType越小，线的锯齿状越明显，且值必须是2的幂次方
# 展示图片
cv2.imshow('draw',np.hstack((img,img2)))
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

绘制圆

circle(img, center, radius, color[, thickness[, lineType[, shift]]]) ：中括号内参数表示可选参数

center：圆形坐标
radius：半径

# 绘制圆
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)img2 = img.copy()
# 画一个圆：需要传入圆心、半径
cv2.circle(img,(320,240),100,(0,150,255),10) # 中括号[]内的参数可以不写，有默认值    # 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

注意：和绘制矩形一样，如果想要画出一个实心的圆，只需要让thickness = -1即可

# 绘制圆
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)img2 = img.copy()
# 画一个圆：需要传入圆心、半径
cv2.circle(img,(320,240),100,(0,150,255),10) # 中括号[]内的参数可以不写，有默认值
cv2.circle(img2,(320,240),100,(0,150,255),-1) # 中括号[]内的参数可以不写，有默认值
# 展示图片
cv2.imshow('draw',np.hstack((img,img2)))
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

绘制椭圆

关键API：ellipse(img, center, axes, angle, startAngle, endAngle, color[, thickness[, lineType[, shift]]])

img：图像
center：椭圆圆心 ——> 用元组表示
axes：是轴axis的复数，表示横轴X，纵轴Y的长短——>X在前Y在后 （用元组表示）
angle：椭圆的角度(顺时针偏转)
startAngle&endAngle：控制显示的角度，如果是0,360表示显示整个椭圆（椭圆是从右顶点开始顺时针画的）

# 绘制椭圆
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)# 画一个圆：需要传入圆心、半径
# ellipse(img, center, axes, angle, startAngle, endAngle, color[, thickness[, lineType[, shift]]])
# ellipse(img, 中心点, 长宽的一半, 角度, 从哪个角度开始, 从哪个角度结束,...)
cv2.ellipse(img,(320,240),(100,50),0,0,360,(0,0,255)) # 中括号[]内的参数可以不写，有默认值# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

角度为0°，从0-360

角度为0°，从0-180

角度为45°，从0-360

绘制多边形

polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) 画多边形

pts：points的简写，是多边形的点集，并且这个点集必须是有符号32位的整形
isClosed：图形是否闭合

# 绘制多边形
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)# 绘制多边形
#polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) 画多边形
pts = np.array([(300,10),(150,100),(450,100)],np.int32) # 创建多边形的点集pts
cv2.polylines(img,[pts],True,(0,0,255),5,16) # 注意参数格式！！！pts要用"[]"# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：
曲线闭合isClosed = True

曲线闭合isClosed = False

绘制一个填充的多边形

fillPoly(img, pts, color[, lineType[, shift[, offset]]]) 画填充多边形（函数名P要大写！）

# 绘制多边形
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)# 绘制多边形
#polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) 画多边形
pts = np.array([(300,10),(150,100),(450,100)],np.int32) # 创建多边形的点集pts
cv2.fillPoly(img,[pts],False,(0,0,255),5,16) # 注意参数格式！！！pts要用"[]"# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意： 如果是绘制等腰矩形这些规则形状的图形，pts中的点集一定要按顺时针或者逆时针顺序写入，否则无法绘制出目标图形

绘制文本

putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) 绘制文本
其中：

text ：要绘制的文本
org ：文本框在图片中的左下角坐标
fontFace ：字体类型（即字体）
fontScale ：字体大小

# 绘制多边形
import cv2
import numpy as np# 创建一个纯黑的背景图 用于画图
img = np.zeros((480,640,3),np.uint8)# 绘制文本putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) 绘制文本
cv2.putText(img, 'Hello OpenCV' , (50,400) , cv2.FONT_HERSHEY_COMPLEX , 2,[0,0,255])# 注意！opencv只能显示英文字体-没有中文字体的包# 展示图片
cv2.imshow('draw',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果想在系统图片上显示文本，则只用修改img = np.zeros((480,640,3),np.uint8) # 创建全黑图为——> 导入系统中的图img = cv2.imread('./cat.jpeg')即可

如果我们想在图片上展示中文字体，由于OpenCV没有方法来绘制中文，需要借助其他的包 ——> pillow

该方法和opencv没啥关系…

# 安装pillow
import cv2
import numpy as np
from PIL import ImageFont, ImageDraw, Image# 生成一张纯白的图片
img = np.full((200, 200, 3), fill_value=255, dtype=np.uint8)# 定义字体路径(有点多余说实话...) ——> 在我们的电脑C盘-Windows-Fonts-找到对应的文件拷贝到当前目录下
font_path = 'msyhbd.ttc' # 拷贝的字体文件# 导入字体文件
my_font = ImageFont.truetype(font_path, 30) # 30为字体大小fontscal# 创建一个pillow的图片
img_pil = Image.fromarray(img)# 绘制该图片
draw = ImageDraw.Draw(img_pil)# 利用draw绘制中文
draw.text((10, 150), '绘制中文', font=my_font, fill=(0, 255, 0, 0))# 将格式重新变回ndarray，这样才能用opencv的工具cv2.imshow去显示
img = np.array(img_pil)# 中文会显示问号
cv2.putText(img, '中文', (10, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 1)cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

作业

写一个程序, 实现按L键之后拖动鼠标绘制直线, 按R键之后拖动鼠标绘制矩形, 按C键拖动鼠标绘制圆形

# opencv控制鼠标
import cv2
import numpy as np
import math# 设置此时画图的模式，由按键可改变
mode = 0# 模式1：画直线   模式2：画矩形   模式3：画圆# 定义鼠标的回调函数(函数名可以随便取，但是参数必须是五个!)
def mouse_callback(event,x,y,flags,userdata): # event：鼠标事件；xy：鼠标坐标；flags：鼠标的组合操作；userdata：传给用户的数据global x_start,y_start  # 要定义为全局！否则cv2.line()中读取不了#print(event,x,y,flags,userdata)# 增加功能：按下鼠标右键退出if event == 2:cv2.destroyAllWindows() # 窗口会闪一下 然后继续出现，其实我们是运行成功了，只不过下方是个死循环，会一直存在# 增加功能：按下‘L’键后拖动鼠标绘制直线 （按下时记录此时鼠标的坐标—> 直线起点 松手时记录此时鼠标的坐标 —> 终点）if mode == 1 and event == cv2.EVENT_LBUTTONDOWN  :# 如果此时 "L" 被按下且鼠标左键也被按下没有松开x_start,y_start = x,y # 记录此时的鼠标位置 —> 起始elif mode == 1 and event == cv2.EVENT_MOUSEMOVE and flags == cv2.EVENT_FLAG_LBUTTON:# 在上面if按下左键的基础上，如果鼠标被拖动(event == cv2.EVENT_MOUSEMOVE)并且是左键(cv2.EVENT_FLAG_LBUTTON)# 注意我们没有用到左键松开的事件！这可以让我们的笔迹跟随着鼠标，而不是单纯的拖动后才出现笔迹#x_end,y_end = x,y # 记录此时的鼠标位置 —> 终止print("正在绘制直线！")cv2.line(img, (x_start,y_start), (x,y), [255,0,255], 5, 16) # 画直线#cv2.line(img, (x_start,y_start), (x_end,y_end ), [0,255,255], 5, 16) # 记不记录终点信息都可以：我们时一直循环展示图片# 增加功能：按下‘R’键后拖动鼠标绘制矩形if mode == 2 and event == cv2.EVENT_LBUTTONDOWN  :# 如果此时 "R" 被按下且鼠标左键也被按下没有松开x_start,y_start = x,y # 记录此时的鼠标位置 —> 起始elif mode == 2 and event == cv2.EVENT_MOUSEMOVE and flags == cv2.EVENT_FLAG_LBUTTON:# 在上面if按下左键的基础上，如果鼠标被拖动(event == cv2.EVENT_MOUSEMOVE)并且是左键(cv2.EVENT_FLAG_LBUTTON)     print("正在绘制矩形！")cv2.rectangle(img, (x_start,y_start), (x,y), [0,255,255], -5, 16) # 画矩形# 增加功能：按下‘C’键后点击图片，生成以点击位置为圆形，半径固定的圆if mode == 3 and event == cv2.EVENT_LBUTTONDOWN  :# 如果此时 "R" 被按下且鼠标左键也被按下没有松开x_start,y_start = x,y # 记录此时的鼠标位置 —> 起始elif mode == 3 and event == cv2.EVENT_MOUSEMOVE :# 在上面if按下左键的基础上，如果鼠标被拖动(event == cv2.EVENT_MOUSEMOVE)并且是左键(cv2.EVENT_FLAG_LBUTTON)     print("正在绘制圆！")cv2.circle(img,( x_start,y_start),50,(255,255,255))# 创建窗口
cv2.namedWindow('mouse',cv2.WINDOW_NORMAL)
cv2.resizeWindow('mouse',640,360) # 宽度（列）和高度（行）# 设置鼠标的回调函数
cv2.setMouseCallback('mouse',mouse_callback,'123') # '123'为用户数据，会传到上方的参数userdata中# 在我们生成的mouse的窗口上，做任何鼠标的操作，它都会去执行我们定义的mouse_callback()函数# 生成一个全黑的图片（先行后列——> 要和上面反过来）
img = np.zeros((360,640,3),np.uint8) # np.zeros()生成全是0的图片  np.uint8表示0-255 u表示无符号# 循环展示图片
while True:cv2.imshow('mouse',img) # 展示刚才生成的全黑图片# 用变量 "key" 来接受我们在键盘上按下的按键key = cv2.waitKey(1)if key == ord('q') or key == ord('Q'):breakelif key == ord('l') or key == ord('L'): # 按下键盘上的 "L" 键，开始画直线mode = 1 # 模式1：画直线elif key == ord('r') or key == ord('R'): # 按下键盘上的 "R" 键，开始画矩形mode = 2 # 模式2：画矩形elif key == ord('c') or key == ord('C'): # 按下键盘上的 "C" 键，开始画矩形mode = 3 # 模式3：画圆cv2.destroyAllWindows()

结果：

怎么拖动鼠标画圆我还搞不出来

OpenCV：02基础知识和绘制图形相关推荐

考试备战系列--软考--02基础知识复习
这部分主要是计算机基础知识的概念介绍,相关系列文章如下所示. 考试备战系列--软考--01基础架构概念考试备战系列--软考--02基础知识复习考试备战系列--软考--03综合知识复习考试备战系列 ...
PS 基础知识如何绘制几何图形
注意:规则的几何图形必须用路径工具,如果使用简单的椭圆工具再描边,则效果是像素堆砌起来的.图像一旦放大就是出现明显的失真. 使用钢笔工具,然后选择路径工具,然后选择需要绘制的图形. 如果需要找正圆心, ...
02- OpenCV绘制图形及图像算术变换 (OpenCV系列) (机器视觉)
知识重点 OpenCV用的最多的色彩空间是HSV. 方便OpenCV做图像处理 img2 = img.view() # 浅拷贝 img3 = img.copy() # 深拷贝 split ...
R语言可视化绘图基础知识详解
R语言可视化绘图基础知识详解图形参数:字体.坐标.颜色.标签等: 图像符号和线条: 文本属性: 图像尺寸及边界: 坐标轴.图例自定义等: 图像的组合: #install.packages(c(&qu ...
神经网络基础知识、常用激活函数及其Python图形绘制
在人工智能与机器学习研究与应用领域,神经网络占有重要地位.神经网络(Neural Networks, NNs),又称人工神经网络(Artificial Neural Networks, ANNs),是 ...
C#的图形绘制基础知识
图形绘制基础在Windows的用户界面中,当创建一个窗口,并在该窗口进行绘图时,一般要声明一个派生于System.Windows.Forms.Form的类.如果要编写一个定制控件,就要声明一个 ...
【opencv图像处理】--2. 颜色空间，绘制图形，绘制(中文)文本
"人群里敞着一扇门" 1. 颜色空间的基础知识 1.1 色彩空间转换 2. mat数据结构的深浅拷贝 ndarray的常见属性 3.颜色通道的分离和合并 4. 绘制图形 5. 绘制 ...
OpenCV基础知识
下载安装参考链接 VS2017配置opencv教程(超详细!!!)_Chosen One-CSDN博客_opencv 注意: 1. 后面的课程环境配置可能需要自己稍微改改,上面的配置教程可能学习到V ...
Python计算机视觉编程第十章——OpenCV基础知识
Python计算机视觉编程 (一)OpenCV 的 Python 接口 (二)OpenCV 基础知识 2.1 读取和写入图像 2.2 颜色空间 2.3 显示图像及结果 (三)处理视频 3.1 视频输入 ...

OpenCV：02基础知识和绘制图形

文章目录

OpenCV的色彩空间

RGB和BGR

`HSV`,`HSL`和`YUV`

`HSV(HSB)`

`HSL`

`YUV`

颜色空间的转化

OpenCV的一种重要数据结构——Mat

Mat介绍

Mat拷贝

访问图像(Mat)的属性

图像通道的分割和合并

绘制图形

绘制直线

绘制矩形

绘制圆

绘制椭圆

绘制多边形

绘制一个填充的多边形

绘制文本

作业

OpenCV：02基础知识和绘制图形相关推荐

最新文章

热门文章

OpenCV：02基础知识和绘制图形

文章目录

OpenCV的色彩空间

RGB和BGR

HSV,HSL和YUV

HSV(HSB)

HSL

YUV

颜色空间的转化

OpenCV的一种重要数据结构——Mat

Mat介绍

Mat拷贝

访问图像(Mat)的属性

图像通道的分割和合并

绘制图形

绘制直线

绘制矩形

绘制圆

绘制椭圆

绘制多边形

绘制一个填充的多边形

绘制文本

作业

OpenCV：02基础知识和绘制图形相关推荐

最新文章

热门文章

`HSV`,`HSL`和`YUV`

`HSV(HSB)`

`HSL`

`YUV`