python数字图像处理基础（二）——图像基本操作、滑动条、鼠标操作

_hermit:2024-01-18 17:47

目录

import cv2
import numpy as np
import matplotlib.pyplot as plt

图像读取与显示

  • 图像读取

cv2.MREAD_COLOR: 彩色图像 或用1

cv2.IMREAD_GRAYSCALE:灰度图像 或用0

img = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)

等同于： img = cv2.imread('cat.jpg', 0)

python 复制代码 
img = cv2.imread("D:/OpenCV_code/bank_card/temp.jpg")
# 通过这样指定其他路径的文件图像
  • 图像的显示，也可以创建多个窗口

cv2.imshow('img', img)

  • 等待时间，毫秒级，0表示任意键终止

cv2.waitKey(0)

cv2.destroyAllWindows()

  • 连接多张图片

横着连：res = np.hstack(img1,img2,img3)

竖着连：res = np.vstack(img1,img2,img3)

  • 截取部分图像数据

img = cv2.imread('cat.jpg')

cat = img[0:200, 0:200] #切片

读取视频与查看属性

cv2.VideoCapture(source)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，直接制定好路径即可

source 取值 功能
0 获取笔记本电脑本机摄像头
文件及路径 获取视频文件
python 复制代码 
vc = cv2.VideoCapture('test.mp4')`

#检查是否打开正确`
if vc.isOpened():`
	open, frame = vc.read()`
else:`
	open = False`
while open:`
	ret, frame = vc.read()
	if frame is None:`
		break`
	if ret == True:`
		gray = cv2.cvColor(frame, cv2.COLOR_BGR2GRAY)`
		cv2.imshow('result', gray)`
		if cv2.waitKey(10) & OxFF == 27:   #等待一段时间或按ESC`
			break`
vc.release`
cv2.destroyAllWindows()`
python 复制代码 
import cv2
 
cap = cv2.VideoCapture('Forest.mp4')
while cap.isOpened():
    ret, frame = cap.read()
    # 调整窗口大小
    # 0可调大小，注意：窗口名必须imshow里面的一窗口名一直                   
    cv2.namedWindow("frame", 0)  
    # 设置长和宽                   
    cv2.resizeWindow("frame", 1600, 900)  
     #运行显示                  
    cv2.imshow('frame', frame)
    #q键退出运行窗口【英文状态下】
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
 
    cap.release()
cv2.destroyAllWindows()

此外可以通过cv2.VideoCapture.get()和.set()查看、更改视频属性。

OpenCV-Python设置曝光、对比度等参数_南沐ヾ的博客-CSDN博客_opencv python 对比度

图像保存

cv2.imwrite('mycat.png', img)

区分：

img2 = img1 img2和img1指定同一幅图像
img2 = img1.copy() img2和img1指定两幅相同的图像

保存视频

cv2.VideoWriter()

VideoWriter(filename, fourcc, fps, frameSize[, isColor]) ->

  • 第一个参数是要保存的文件的路径
  • fourcc 指定编码器
  • fps 要保存的视频的帧率
  • frameSize 要保存的文件的画面尺寸
  • isColor 指示是黑白画面还是彩色的画面
python 复制代码 
import numpy as np
import cv2
 
cap = cv2.VideoCapture(0)
 
fourcc = cv2.VideoWriter_fourcc(*'XVID')
 
out = cv2.VideoWriter('testwrite.avi',fourcc, 20.0, (1920,1080),True)
 
while(cap.isOpened()):
    ret, frame = cap.read()
    if ret==True:
 
        cv2.imshow('frame',frame)
        out.write(frame)
 
        if cv2.waitKey(10) & 0xFF == ord('q'):
            break
    else:
        break
 
cap.release()
out.release()
cv2.destroyAllWindows()

图像属性打印

  • img.shape --> (h,w,c) c,表示层数，3为彩图，在opencv中为BGR；灰度图只有(h,w)

  • type(img) --> numpy.ndarray

  • img.size --> 像素点个数

  • img.dtype --> dtype('uint8') 数据类型

  • 图像颜色通道提取

python 复制代码 
b,g,r = cv2.split(img)
b   --> b通道像素点矩阵值
b.shape  --> (h,w)   #三个通道相同（一张图）
#只保留R通道，显示红色
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0   #提取R单通道，故按顺序BGR把0(代表B)、1(代表G)置为0

cv_show('R',cur_img)
  • cv2.split()和cv2.merge()函数

cv2.split()：分离图像的BGR，cv2.merge()：根据BGR值重新融合出图像

遍历图像的所有像素点的RGB值

python 复制代码 
import cv2
import numpy as np

np.set_printoptions(threshold=np.nan)    # 这里多加一行代码，避免控制台输出省略号的问题

pic_path = "../01.jpg"   # 图片路径
img = cv2.imread(pic_path)
for x in range(img.shape[0]):   # 图片的高
	for y in range(img.shape[1]):   # 图片的宽
		px = img[x,y]
		print(px)    # 这样就能得到每个点的bgr值

图像边界填充

先指定图像上下左右填充的值大小

top_size,bottom_size,left_size,right_size = (50,50,50,50)

函数

cv2.copyMakeBorder(src,top, bottom, left, right ,borderType,value)

  • src：原图像

  • top,bottem,left,right：分别表示四个方向上边界的长度

  • borderType：边界的类型 以abcdef为例

    cv2.BORDER_CONSTANT 固定值填充，value为颜色值

    cv2.BORDER_REFLECT 边界元素的镜像，填充的边界与原图像边界对称，成镜像，fedcba

    cv2.BORDER_DEFAULT 边界元素的镜像，填充的边界与原图像边界（忽略第一个元素）对称，成镜像，gfedcb

    cv2.BORDER_REPLICATE 用原图像边界的第一个元素进行填充，aaaaa

    cv2.BORDER_WRAP 取上下左右相反的镜像

  • value：如果borderType为cv2.BORDER_CONSTANT时需要填充的常数值

举例：

python 复制代码 
`import cv2`
`import numpy as np`
`import matplotlib.pyplot as plt`

`img = cv2.imread('sugar.jpg')`

`##画图`
`def draw_img(i,img,title):`
    `plt.subplot(2,3,i)`
    `plt.imshow(img)`
    `plt.axis('off')`
    `plt.title(title)`
    
`##BGR转RGB`
`img_rgb = cv2.cvtColor(img_rgb,cv2.COLOR_BGR2RGB)`

`##边界填充`
`constant = cv2.copyMakeBorder(img_rgb, 100, 100, 100, 100, cv2.BORDER_CONSTANT, value=[255, 0, 0])`

`reflect = cv2.copyMakeBorder(img_rgb, 100, 100, 100, 100, cv2.BORDER_REFLECT)`

`default = cv2.copyMakeBorder(img_rgb, 100, 100, 100, 100, cv2.BORDER_DEFAULT)`

`replicate = cv2.copyMakeBorder(img_rgb, 100, 100, 100, 100, cv2.BORDER_REPLICATE)`

`wrap = cv2.copyMakeBorder(img_rgb, 100, 100, 100, 100, cv2.BORDER_WRAP)`

`##画图`
`draw_img(1,img_rgb,'original')`
`draw_img(2,constant,'constant')`
`draw_img(3,reflect,'reflect')`
`draw_img(4,default,'default')`
`draw_img(5,replicate,'replicate')`
`draw_img(6,wrap,'wrap')`
`plt.show()`

数值计算

img1 = img1 + 10 ：

img的G、B、R三个图层的每个像素点的亮度都增加10

也可以是两个图相加
img1+img2

对应相同位置像素点数值相加，范围仍是0-255，超过255取余数

add(img1,img2)

两图对应的相同位置像素点数值相加，结果大于等于255就取255，小于255就取数值相加的值本身

图像大小变化

img1 = cv2.resize(img1, (500, 200))

其中(500,200)代表img1要改变成的shape值的长和宽

img1 = cv2.resize(img1, (0, 0)， fx=1, fy=3)

前面不设具体值，用fx、fy表示与原图像x、y的倍数关系，伸缩图像大小

图像窗口滑动条的创建和使用

createTrackbar() 这个函数用于创建一个可以调整数值的滑动条，并将滑动条附加到指定的窗口上。

滑动条（Trackbar）是一种可以动态调节参数的工具，它依附于窗口而存在。

函数参数：

def createTrackbar(trackbarName, windowName, value, count, onChange)

具体含义为：

  1. trackbarname：跟踪栏名称，创建的轨迹栏的名称。
  2. Winname：窗口的名字
  3. value 该变量的值反映滑块的初始位置。
  4. count 表示滑块可以达到的最大位置的值
  5. onChange：回调函数，每次滑动都会调用回调函数。

cv2.getTrackbarPos(trackbarname, winname) → retval

参数：

第一个：滑动条名

第二个：窗口名

返回值：指定窗口上指定滑动条的当前位置

使用方法

方法一：即先定义createTrackbar() 滑动条，再调用getTrackbarPos获取createTrackbar的返回值用变量储存，进行这样的交互操作。

方法二：也可直接调用createTrackbar() 函数，直接就运行函数，进而反复调用createTrackbar()的第五个参数------自定义函数中进行操作也可。在自定义函数中调用getTrackbarPos获取createTrackbar的返回值用变量储存，再进行交互操作。

即一个不用reateTrackbar()的第五个参数，一个用。

鼠标操作

小白学pyhon（opencv鼠标操作）_mcl19909949541的博客-CSDN博客

【Python+OpenCV入门学习】六、鼠标操作_楚俊慕的博客-CSDN博客

鼠标交互操作主要通过两个函数实现：

第一个是cv2.setMouseCallback(windowName, onMouse [, param])

第二个是**setMouseCallback()**的第二个参数，称为鼠标回调函数onMouse(event, x, y, flags, param)

cv2.setMouseCallback(windowName, onMouse [, param])

第一个是你打开的窗口名字（要对应）

第二个是你定义的鼠标事件函数（任意）

鼠标回调函数：onMouse(event, x, y, flags, param)

这个参数列表不要改变它，除了param外其他都是由回调函数自动获取值。

  1. event：由回调函数根据鼠标对图像的操作自动获得，内容包含左键点击，左键弹起，右键点击...等等等非常多的操作。
  2. x，y：由回调函数自动获得，记录了鼠标当前位置的坐标，坐标以图像左上角为原点(0, 0)，x方向向右为正，y方向向下为正
  3. flags：记录了一些专门的操作
  4. param：从setMouseCallback()里传递过来的参数。该参数在setMouseCallback()处是可选参数，所以可以不设置。
    param即为我们向里面传的图片参数
python 复制代码 
# event：
EVENT_LBUTTONDBLCLK = 7         左键双击
EVENT_LBUTTONDOWN = 1           左键点击
EVENT_LBUTTONUP = 4             左键释放
EVENT_MBUTTONDBLCLK = 9         中间释放
EVENT_MBUTTONDOWN = 3           中间点击
EVENT_MBUTTONUP = 6             中间释放
EVENT_MOUSEHWHEEL = 11          滚轮事件
EVENT_MOUSEMOVE = 0             滑动
EVENT_MOUSEWHEEL = 10           滚轮事件
EVENT_RBUTTONDBLCLK = 8         右键双击
EVENT_RBUTTONDOWN = 2           右键点击
EVENT_RBUTTONUP = 5             右键释放

# flags:
EVENT_FLAG_ALTKEY = 32          按Alt不放事件
EVENT_FLAG_CTRLKEY = 8          按Ctrl不放事件
EVENT_FLAG_LBUTTON = 1          左键拖拽
EVENT_FLAG_MBUTTON = 4          中键拖拽
EVENT_FLAG_RBUTTON = 2          右键拖拽
EVENT_FLAG_SHIFTKEY = 16        按Shift不放事件
相关推荐
秀儿还能再秀1 小时前
机器学习——简单线性回归、逻辑回归
笔记·python·学习·机器学习
学术搬运工1 小时前
【珠海科技学院主办，暨南大学协办 | IEEE出版 | EI检索稳定 】2024年健康大数据与智能医疗国际会议（ICHIH 2024）
大数据·图像处理·人工智能·科技·机器学习·自然语言处理
阿_旭2 小时前
如何使用OpenCV和Python进行相机校准
python·opencv·相机校准·畸变校准
幸运的星竹2 小时前
使用pytest+openpyxl做接口自动化遇到的问题
python·自动化·pytest
kali-Myon3 小时前
ctfshow-web入门-SSTI（web361-web368）上
前端·python·学习·安全·web安全·web
大凝的IC进阶之路3 小时前
ISP——你可以从这里起步（二）
图像处理·isp·isp算法
B站计算机毕业设计超人3 小时前
计算机毕业设计Python+大模型农产品价格预测 ARIMA自回归模型 农产品可视化 农产品爬虫 机器学习 深度学习 大数据毕业设计 Django Flask
大数据·爬虫·python·深度学习·机器学习·课程设计·数据可视化
新手小白勇闯新世界3 小时前
深度学习知识点5-马尔可夫链
人工智能·深度学习·计算机视觉
热门推荐
01玄机平台应急响应—webshell查杀02【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04新版微信小程序获取用户手机号05全面解析：构建基于深度学习的安全帽检测系统（UI界面+YOLO代码+数据集）06Windows10安装PCL1.14.0及点云配准07【TC3xx芯片】TC3xx芯片电源管理系统PMS详解08Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO09基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测10【软件工程】UML用例图介绍和实例说明