OpenCV（python）——一鍵入門--第1篇

一：圖像讀取與展示

import cv2 as cv src = cv.imread("d:/ma.jpg") #imread函數，讀入一張圖片，放在src底下 cv.namedWindow("input",cv.WINDOW_AUTOSIZE) #namedWindow 聲明一個窗口，可以在這里調整窗口大小 cv.imshow("intput",src) #imshow函數，展示src底下的照片 cv.waitKey(0) cv.destroyAllWindows()

cv.imread()

cv,imread() 是一個圖像讀取函數，里面主要輸入一個字符串，內容是圖像所在的絕對路徑或者相對路徑。我們需要把完整的路徑用雙引號保存下來。（請注意，需要提前在路徑放好該照片）

補充：cv.imread() 除了直接讀取照片，還可以傳入第二個參數，比如可以直接設置cv.imread("圖像路徑",cv.IMREAD_GRAYSCALE)，將圖像直接讀取成灰度圖。相關參考資料如下圖：

cv.namedWindow()

cv.nameWindow()是一個窗口聲明函數。第一個參數是該窗口的標題，第二個參數是窗口的模式。最常用的參數是WINDOW_AUTOSIZE。

其他參數簡介如下，感興趣的話可以參考，或者可以直接看下一個函數的介紹：

WINDOW_NORMAL 或 WINDOW_AUTOSIZE：?WINDOW_NORMAL 可以調整窗口大小，而 WINDOW_AUTOSIZE 會自動調整窗口大小以適合顯示的圖像，并且無法手動更改窗口大小。

WINDOW_FREERATIO 或 WINDOW_KEEPRATIO：?WINDOW_FREERATIO 調整圖像而不考慮其比例，而 WINDOW_KEEPRATIO 保持圖像比例。

WINDOW_GUI_NORMAL 或 WINDOW_GUI_EXPANDED：?WINDOW_GUI_NORMAL 是在沒有狀態欄和工具欄的情況下繪制窗口的舊方法，而 WINDOW_GUI_EXPANDED 是一種新的增強型 GUI。默認情況下，標志 == WINDOW_AUTOSIZE |?WINDOW_KEEPRATIO |?WINDOW_GUI_EXPANDED

cv.imshow()

cv.imshow() 是圖像展示函數，我們看代碼第5行第一個參數，是圖片展示對應的窗口名稱。如果該參數和namedWindow設置的窗口大小一致，則會將圖片放在該窗口下。如果是一個全新的標題名，OpenCV會參考該參數創建一個對應的新窗口，并展示該圖像。

補充：如果窗口是使用WINDOW_AUTOSIZE標志創建的，則圖像以其原始大小顯示，但仍受屏幕分辨率的限制。否則，它會將縮放圖像以適合窗口。該函數可以縮放圖像，具體取決于其深度：

如果圖像是 8 位無符號，則按原樣顯示。

如果圖像是 16 位無符號或 32 位整數，則將像素除以 256。即值范圍 [0,255*256] 映射到 [0,255]。

如果圖像是 32 位或 64 位浮點，則像素值乘以 255。即值范圍 [0,1] 映射到 [0,255]。

關于展示圖像相關的補充：

如果窗口是使用 OpenGL 支持創建的，則cv::imshow還支持ogl::Buffer、ogl::Texture2D和cuda::GpuMat作為輸入。

如果在此函數之前沒有創建窗口，則假定使用cv::WINDOW_AUTOSIZE創建一個窗口。

如果需要顯示大于屏幕分辨率的圖像，則需要在 imshow 之前調用 namedWindow("", WINDOW_NORMAL)。

cv.waitKey()

cv.waitKey()是一個鍵盤綁定函數，時間量度是毫秒ms。函數會等待（n）里面的n毫秒，看是否有鍵盤輸入。當有鍵盤輸入時，則會返回按鍵的ASCII值。沒有鍵盤輸入，則返回-1。一般我們設置為0，他會無限等待鍵盤的輸入。

cv.destroyAllWindows()

cv.destroyAllWindows()是用來刪除窗口的，（）里不指定任何參數，則刪除所有窗口。刪除特定的窗口，則需要調用destroyWindow()，往（）輸入特定的窗口值。主要用于釋放變量占用的內存

你可以調用destroyWindow（）或? destroyAllWindows（）來關閉窗口并取消分配任何相關的內存使用。對于一個簡單的程序來說，實際上不必調用這些函數，因為退出時操作系統會自動關閉應用程序的所有資源和窗口。如果任何相關內存使用沒有被取消分配，則調用destroyAllWindows（）會處理掉分配。如果是簡單的使用或確保資源的適當使用，就不需要調用該函數。

二：圖像色域轉換

a = cv.cvtColor(src , cv.COLOR_BGR2HSV) #轉換色域，xxx2xxx #包括以下色域：YCrCb,HSV,HLS,Lab,Luv,Bayer,XYZ,GRAY cv.imshow("output",a)

提醒：當然，import 語句以及cv.waitKey()，cv.destroyAllWindows()都是很重要的語句，在往后部分僅強調核心的部分代碼，運行時候記得在首尾加上。

cv.cvtColor()

該函數將輸入圖像從一種顏色空間轉換為另一種顏色空間。 ?我們主要使用的色域空間如下：YCrCb , HSV , HLS , Lab , Luv , Bayer , XYZ , GRAY

R、G 和 B 通道值的常規范圍是：

CV_8U 圖像為 0 到 255

CV_16U 圖像的 0 到 65535

CV_32F 圖像為 0 到 1

如下圖所示，output是原圖，g-output則是圖像處于hsv色域時的圖

重點：opencv中的圖像通道默認不是RGB，而是BGR，也就是

通道0對應藍色，通道1對應綠色，通道2對應紅色

三：圖像的修改

import cv2 as cv import numpy as np m1 = src cv.imshow("m1",m1) #原圖 m2 = np.copy(src) #圖像拷貝 m2[100:300,300:500,2]=255 #修改像素坐標底下的通道值 cv.imshow("m2",m2) m3 = np.zeros(src.shape, src.dtype) #使用numpy創建一個空圖像 cv.imshow("m3", m3) m4 = np.zeros([512,215,3], np.uint16)#高 寬 通道數ch，這里是設置圖像大小 m4[:,:,1] =127 #給綠色通道賦值 127 cv.imshow("m4", m4) cv.waitKey(0) cv.destroyAllWindows()

numpy

NumPy是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。我們用簡寫np來描述numpy函數。

np.copy

拷貝矩陣。我們的圖像可以看成是一個二維矩陣，可以直接用numpy的copy函數拷貝圖像，括號內是要拷貝的圖像，然后用 “=” 號賦值給新的變量。

np.zeros

numpy.zeros(shape, dtype = float, order = 'C')

創建指定大小的數組，數組元素以 0 來填充

參數介紹：shape：數組形狀。需要傳入圖像的寬和高。也可以用 image.shape傳入數據。

dtype：數據類型。可以參考如下表格：

order：‘C’用于C的行數組。或者用‘F’用于FORTRAN的列數組

在代碼中，m2[100:300,300:500,2]=255，是將像素點從左上角開始數，坐標區間【100->300】,【300->500】的像素進行賦值。坐標和值都可以自己設置

四：像素之間的加減法

src = cv.imread("D:/p1.jpg") src2 = cv.imread("D:/p2.jpg") #加法 add_result = np.zeros(src2.shape, src2.dtype) cv.add(src,src2,add_result) cv.imshow("add-result",add_result) #減法 sub_result = np.zeros(src2.shape, src2.dtype) cv.subtract(src,src2,sub_result) cv.imshow("sub_result",sub_result) #乘法 mul_result = np.zeros(src2.shape, src2.dtype) cv.multiply(src,src2,mul_result) cv.imshow("mul_result",mul_result) #除法 div_result = np.zeros(src2.shape,src2.dtype) cv.divide(src,src2,div_result) cv.imshow("div_result",div_result)

cv.add()? 加法? ；cv.subtract()? 減法? ；cv.multiply()? 乘法? ；cv.divide()? 除法

這些像素級的圖像計算函數共通的，前兩個參數為需要參與計算的兩張圖像，最后一個參數是輸出的圖像。通常我們會用 np.zeros 函數創建一個新的空圖像。然后再放進函數中去

五：像素邏輯運算

#邏輯運算 dst1 = cv.bitwise_and(src, src2)#與運算 dst2 = cv.bitwise_xor(src, src2)#異或運算 dst3 = cv.bitwise_or(src, src2) #或運算 cv.imshow("dst1", dst1) cv.imshow("dst2", dst2) cv.imshow("dst3", dst3)

cv.bitwise主要有四種邏輯運算函數? ?cv.bitwise_and（按位與）? cv.bitwise_not（非運算）? cv.bitwise_xor（異或運算）? cv.bitwise_or（或運算）

這些像素級的圖像計算函數共通的，兩個參數為參與運算的兩個圖像變量。然后用 “=” 號承接圖像即可。

AI OpenCV Python 機器視覺

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。