OpenCV计算机视觉实战(Python版)

https://www.bilibili.com/video/BV1ct411F7Te?p=2

数据读取-图像
cv2.IMREAD_COLOR：彩色图像
cv2.IMREAD_GRAYSCALE：灰度图像

import cv2 #opencv读取的格式是BGR
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
img=cv2.imread('cat.jpg')

img

array([[[142, 151, 160],[146, 155, 164],[151, 160, 170],...,[183, 198, 200],[128, 143, 145],[127, 142, 144]]], dtype=uint8)

图像的显示,也可以创建多个窗口(imshow第一个参数表示打开窗口的名称，第二个参数是文件名)

cv2.imshow('image',img)
# 等待时间，毫秒级，0表示任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()

定义一个打开图片的函数

def cv_show(name,img):cv2.imshow(name,img) cv2.waitKey(0) cv2.destroyAllWindows()

img.shape

(414, 500)

#图像的显示,也可以创建多个窗口
cv2.imshow('image',img)
# 等待时间，毫秒级，0表示任意键终止
cv2.waitKey(10000)
cv2.destroyAllWindows()

保存图像

#保存
cv2.imwrite('mycat.png',img)

True

type(img)

numpy.ndarray

像素点总和

img.size

图像数据的类型

img.dtype

数据读取-视频
cv2.VideoCapture可以捕获摄像头，用数字来控制不同的设备，例如0,1。
如果是视频文件，直接指定好路径即可。

vc = cv2.VideoCapture('test.mp4')

# 检查是否打开正确
if vc.isOpened(): oepn, frame = vc.read()
else:open = False

while open:ret, frame = vc.read()if frame is None:breakif ret == True:gray = cv2.cvtColor(frame,  cv2.COLOR_BGR2GRAY)cv2.imshow('result', gray)if cv2.waitKey(100) & 0xFF == 27:break
vc.release()
cv2.destroyAllWindows()

截取部分图像数据

img=cv2.imread('cat.jpg')
cat=img[0:50,0:200]
cv_show('cat',cat)

颜色通道提取

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

array([[160, 164, 170, ..., 185, 184, 183],[126, 131, 137, ..., 184, 183, 182],[127, 131, 138, ..., 183, 182, 181],...,[198, 193, 178, ..., 206, 195, 174],[176, 183, 175, ..., 188, 144, 125],[190, 190, 157, ..., 200, 145, 144]], dtype=uint8)

r.shape

(414, 500)

merge（注意opencv颜色通道的顺序）

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

(414, 500, 3)

只保留R

cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)

cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show('G',cur_img)

# 只保留B
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv_show('B',cur_img)

边界填充

top_size,bottom_size,left_size,right_size = (50,50,50,50)replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=255)

import matplotlib.pyplot as plt
plt.subplot(231), plt.imshow(img, '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()

数值计算

mg_cat2= img_cat +10
img_cat[:5,:,0]

rray([[142, 146, 151, ..., 156, 155, 154],[108, 112, 118, ..., 155, 154, 153],[108, 110, 118, ..., 156, 155, 154],[139, 141, 148, ..., 156, 155, 154],[153, 156, 163, ..., 160, 159, 158]], dtype=uint8)

img_cat2[:5,:,0]

array([[152, 156, 161, ..., 166, 165, 164],[118, 122, 128, ..., 165, 164, 163],[118, 120, 128, ..., 166, 165, 164],[149, 151, 158, ..., 166, 165, 164],[163, 166, 173, ..., 170, 169, 168]], dtype=uint8)

相当于% 256

#相当于% 256
(img_cat + img_cat2)[:5,:,0]

array([[ 38,  46,  56, ...,  66,  64,  62],[226, 234, 246, ...,  64,  62,  60],[226, 230, 246, ...,  66,  64,  62],[ 32,  36,  50, ...,  66,  64,  62],[ 60,  66,  80, ...,  74,  72,  70]], dtype=uint8)

使用cv2.add()将两个图像相加，可以使用numpy中的矩阵加法来实现，饱和操作

cv2.add(img_cat,img_cat2)[:5,:,0]

array([[255, 255, 255, ..., 255, 255, 255],[226, 234, 246, ..., 255, 255, 255],[226, 230, 246, ..., 255, 255, 255],[255, 255, 255, ..., 255, 255, 255],[255, 255, 255, ..., 255, 255, 255]], dtype=uint8)

图像融合

img_cat + img_dog

ValueError: operands could not be broadcast together with shapes (414,500,3) (429,499,3)

size必须一致
注意
#在OpenCV中，img.shape[0]得到的是图片的高，img.shape[1]得到是图片的宽，
#可是在cv2.resize(img, (dimension[0], dimension[1]))函数里，dimension[0]却是新图片的宽，dimension[1]是新图

#在OpenCV中，img.shape[0]得到的是图片的高，img.shape[1]得到是图片的宽，
#可是在cv2.resize(img, (dimension[0], dimension[1]))函数里，dimension[0]却是新图片 的宽，dimension[1]是新图片的高，有点奇葩哈
img_dog = cv2.resize(img_dog, (500, 414))
img_dog.shape

(414, 500, 3)

res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)

plt.imshow(res)

res = cv2.resize(img, (0, 0), fx=4, fy=4)
plt.imshow(res)

res = cv2.resize(img, (0, 0), fx=1, fy=3)
plt.imshow(res)

OpenCV计算机视觉实战(Python版)_002图像基本操作相关推荐

OpenCV计算机视觉实战(Python版)_005图像的梯度处理
图像梯度-Sobel算子 img = cv2.imread('pie.png',cv2.IMREAD_GRAYSCALE) cv2.imshow("img",img) cv2.wa ...
OpenCV计算机视觉实战(Python版)_004图像形态学处理
形态学处理腐蚀操作 img = cv2.imread('dige.png')cv2.imshow('img', img) cv2.waitKey(0) cv2.destroyAllWindows() ...
OpenCV计算机视觉实战(Python版)资源
疲劳检测 pan.baidu.com/s/1Ng_-utB8BSrXlgVelc8ovw #导入工具包 from scipy.spatial import distance as dist from ...
OpenCV计算机视觉实战(Python版)_003阈值与平滑处理
灰度图 import cv2 #opencv读取的格式是BGR import numpy as np import matplotlib.pyplot as plt#Matplotlib是RGB %m ...
OpenCV计算机视觉实战(Python版)_006边缘检测
Canny边缘检测使用高斯滤波器,以平滑图像,滤除噪声. 计算图像中每个像素点的梯度强度和方向. 应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应. ...
OpenCV计算机视觉实战 | 第5章图像梯度算子
本文为课程<OpenCV计算机视觉实战>的课程笔记. 本章节讲述了图像梯度的计算方法.图像的梯度表征每个像素点和周围像素点差异程度. 上:梯度值公式:下:梯度方向公式 1 Sobel算子 ...
OpenCV计算机视觉学习（1）——图像基本操作（图像视频读取，ROI区域截取，常用cv函数解释）
人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力.FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台.每周免费提供 ...
OpenCV计算机视觉实战(Python)_09-项目实战：信用卡数字识别( Jupyter notebook实现)
1.介绍从一个银行卡中识别其中的银行卡号: 2. 流程读图 , 灰度图 , 二值化使用模板匹配方式对模板,以及输入图像进行轮廓检测(检测外轮廓). 得到当前轮廓的外接矩形. 将模板中的外接矩形切 ...
OpenCV计算机视觉实战(Python)_05-图像梯度处理
图像梯度-Sobel算子其计算梯度的过程为: sobel和scharr对应的参数信息: src – 输入图像.dst – 输出图像,与输入图像同样大小,拥有同样个数的通道. ddepth –输出图片 ...

OpenCV计算机视觉实战(Python版)_002图像基本操作

OpenCV计算机视觉实战(Python版)

颜色通道提取

边界填充

数值计算

OpenCV计算机视觉实战(Python版)_002图像基本操作相关推荐

最新文章

热门文章