vc如何打开plt图像_opencv_python从zero到hero————之图像基本操作01
微信公众号:小白图像与视觉
关于技术、关注
yysilence00
。有问题或建议,请公众号留言。
主题:opencv_python从zero到hero————之图像基本操作01
1、版本:opencv3.4.1 numpy
图像基本操作
环境配置地址:
Anaconda:https://www.anaconda.com/download/
Python_whl:https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
pycharm:按照自己的喜好,选择一个能debug就好
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BGRimport matplotlib.pyplot as pltimport numpy as np %matplotlib inline
img=cv2.imread('cat.jpg')
img
array([[[142, 151, 160], [146, 155, 164], [151, 160, 169], ..., [156, 172, 185], [155, 171, 184], [154, 170, 183]],
[[107, 118, 126], [112, 123, 131], [117, 128, 136], ..., [155, 171, 184], [154, 170, 183], [153, 169, 182]],
[[108, 119, 127], [112, 123, 131], [118, 129, 137], ..., [154, 170, 183], [153, 169, 182], [152, 168, 181]],
...,
[[162, 186, 198], [157, 181, 193], [142, 166, 178], ..., [181, 204, 206], [170, 193, 195], [149, 172, 174]],
[[140, 164, 176], [147, 171, 183], [139, 163, 175], ..., [167, 187, 188], [123, 143, 144], [104, 124, 125]],
[[154, 178, 190], [154, 178, 190], [121, 145, 157], ..., [185, 198, 200], [130, 143, 145], [129, 142, 144]]], dtype=uint8)
#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(0) cv2.destroyAllWindows()
def cv_show(name,img): cv2.imshow(name,img) cv2.waitKey(0) cv2.destroyAllWindows()
img.shape
(414, 500, 3)
img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)img
array([[153, 157, 162, ..., 174, 173, 172], [119, 124, 129, ..., 173, 172, 171], [120, 124, 130, ..., 172, 171, 170], ..., [187, 182, 167, ..., 202, 191, 170], [165, 172, 164, ..., 185, 141, 122], [179, 179, 146, ..., 197, 142, 141]], dtype=uint8)
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cv2.imwrite('mycat.png',img)
True
type(img)
numpy.ndarray
img.size
207000
img.dtype
dtype('uint8')
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: break if ret == True: gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) cv2.imshow('result', gray) if cv2.waitKey(100) & 0xFF == 27: breakvc.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)
r
array([[160, 164, 169, ..., 185, 184, 183], [126, 131, 136, ..., 184, 183, 182], [127, 131, 137, ..., 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)
img=cv2.merge((b,g,r))img.shape
(414, 500, 3)
# 只保留Rcur_img = img.copy()cur_img[:,:,0] = 0cur_img[:,:,1] = 0cv_show('R',cur_img)
# 只保留Gcur_img = img.copy()cur_img[:,:,0] = 0cur_img[:,:,2] = 0cv_show('G',cur_img)
# 只保留Bcur_img = img.copy()cur_img[:,:,1] = 0cur_img[:,:,2] = 0cv_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=0)
import matplotlib.pyplot as pltplt.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()
BORDER_REPLICATE:复制法,也就是复制最边缘像素。
BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101:反射法,也就是以最边缘像素为轴,对称,gfedcb|abcdefgh|gfedcba
BORDER_WRAP:外包装法cdefgh|abcdefgh|abcdefg
BORDER_CONSTANT:常量法,常数值填充。
数值计算
img_cat=cv2.imread('cat.jpg')img_dog=cv2.imread('dog.jpg')
img_cat2= img_cat +10 img_cat[:5,:,0]
array([[142, 146, 151, ..., 156, 155, 154], [107, 112, 117, ..., 155, 154, 153], [108, 112, 118, ..., 154, 153, 152], [139, 143, 148, ..., 156, 155, 154], [153, 158, 163, ..., 160, 159, 158]], dtype=uint8)
img_cat2[:5,:,0]
array([[152, 156, 161, ..., 166, 165, 164], [117, 122, 127, ..., 165, 164, 163], [118, 122, 128, ..., 164, 163, 162], [149, 153, 158, ..., 166, 165, 164], [163, 168, 173, ..., 170, 169, 168]], dtype=uint8)
#相当于% 256(img_cat + img_cat2)[:5,:,0]
array([[ 38, 46, 56, ..., 66, 64, 62], [224, 234, 244, ..., 64, 62, 60], [226, 234, 246, ..., 62, 60, 58], [ 32, 40, 50, ..., 66, 64, 62], [ 60, 70, 80, ..., 74, 72, 70]], dtype=uint8)
cv2.add(img_cat,img_cat2)[:5,:,0]
array([[255, 255, 255, ..., 255, 255, 255], [224, 234, 244, ..., 255, 255, 255], [226, 234, 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 Traceback (most recent call last)
input-33-e8802e660946> in <module>----> 1 img_cat + img_dogValueError: operands could not be broadcast together with shapes (414,500,3) (429,499,3)
img_cat.shape
(414, 500, 3)
img_dog = cv2.resize(img_dog, (500, 414))img_dog.shape
(414, 500, 3)
融合算法 y = a * X_1+ b* X_2 + B
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)
plt.imshow(res)
<matplotlib.image.AxesImage at 0xfbd95c8>
res = cv2.resize(img, (0, 0), fx=4, fy=4)plt.imshow(res)
<matplotlib.image.AxesImage at 0x5381288>
res = cv2.resize(img, (0, 0), fx=1, fy=3)plt.imshow(res)
<matplotlib.image.AxesImage at 0x53e0b48>
更多请扫码关注:
vc如何打开plt图像_opencv_python从zero到hero————之图像基本操作01相关推荐
- vc如何打开plt图像_图像基本操作-open cv
import cv2 import matplotlib.pyplot as plt import numpy as np %matplotlib inline img = cv2.imread('r ...
- plt.imshow()显示以ndarray格式存储的图像数据
1 plt.imshow()详细介绍:常用参数为红色标注 输入可以是实际的RGB(A)数据,也可以是2D标量数据,这些数据将被渲染为伪彩色图像.为了显示灰度图像,使用参数设置颜色映射:cmap='gr ...
- PIL图像处理:读取图像,显示图像,ROI,保存图像
PIL 读取图像,显示图像,ROI,保存图像 import matplotlib.pyplot as plt from PIL import Imagesrc_img = Image.open(Src ...
- python opencv 图像切割_【OpenCV+Python】图像的基本操作与算术运算
图像的基本操作 在上个教程中,我们介绍了使用鼠标画笔的功能.本次教程,我们将要谈及OpenCV图像处理的基本操作. 本次教程的所有操作基本上都和Numpy相关,而不是与OpenCV相关.要使用Open ...
- opencv图像配准_Milvus 实战 | 基于 Milvus 的图像查重系统
背景介绍 由于巨大的利益,论文造假屡见不鲜,在部分国家或地区甚至形成了论文造假的产业链.目前大部分论文查重系统只能检查论文文字,不能检查图片.因此,论文图片查重已然成为了学术论文原创性检测的重要部分. ...
- python画函数图像 保留_2.3python如何绘制二次函数图像
2.3.1工具 python matplotlib pyplot pyplot四Matplotlib中的模块,封装了很多处理graph的方法.绘制表格,修改表格属性都是用它实现的. 2.3.2例子 二 ...
- VS+openCV 用直方图统计像素(上)计算图像直方图、利用查找表修改图像外观
一.计算图像直方图 图像由各种数值的像素构成.例如在单通道灰度图像中,每个像素都有一个 0(黑色)~255(白色)的整数.对于每个灰度,都有不同数量的像素分布在图像内,具体取决于图片内容. 直方图是一 ...
- 手写Verilog用FPGA实现实时图像卷积,用Block Ram缓存图像
手写Verilog用FPGA实现实时图像卷积,用Block Ram缓存图像_哔哩哔哩_bilibili可用于神经网络卷积加速.Vivado里生成本代码所需Block Ram IP时要把Output R ...
- python图像锐化滤波_OpenCV-Python学习(九):图像滤波
目录: 1.滤波的相关概念 2.卷积操作 3.平滑操作(低通滤波) 均值滤波 中值滤波 高斯滤波 双边滤波 4.锐化操作(高通滤波) 自定义锐化核 USM锐化(UnsharpMask) 5.梯度操作( ...
最新文章
- Windows7 64位下vs2008配置OpenCV2.3.1
- python 赋值、表达式
- 11张图演进SeviceMesh服务网格
- 李涓子 | 机器智能加速器:大数据环境下知识工程的机遇和挑战
- java 方法 示例_Java扫描仪的hasNextBoolean()方法与示例
- 微信可以远程控制电脑吗_上车| 手机远程控制手机,还可以控制电脑
- 圣诞节海报设计需要的手写字体素材
- 「leetcode」738.单调递增的数字【贪心算法】详细讲解!
- Mac电脑很早以前就删除的信息,现在想要恢复该怎么做?
- 【三维路径规划】基于matlab狼群算法无人机三维路径规划【含Matlab源码 167期】
- 计算机通信职称评定,2017年通信工程师中级职称评定条件说明
- DBN深度置信网络的实现
- lenovo L480 进入bios_联想笔记本BIOS升级教程
- 光伏行业MES管理系统解决方案
- cocos2d-x 音乐/音效设置
- Calendar获取当天0点的时间戳
- 电脑重装系统不小心格式化了恢复文件教程
- 什么原因导致LED发光二极管的光衰?
- laravel5整合sendcloud邮箱服务
- Linux 高级调试工具-pstack和strace