Opecv-Python常用算子库（总结）

文章目录

• [1 常用算子梗概](#1 常用算子梗概)

1 常用算子梗概

1.1 读取图像 cv2.imread(filename, flags)
1.2 显示图像 cv2.imshow(winname, mat)
1.3 保存图像 cv2.imwrite(filename, mat)
1.4 改变图像大小 cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)
```python
import cv2
image = cv2.imread("input_image.jpg")
new_width = 200
new_height = 300
resized_image = cv2.resize(image, (new_width, new_height)

cv2.imshow("Resize Image", resized_image)
cv2.waitKey(0)
cv2.destoryAllWindows()

1.5 灰度化 cv2.cvtColor(src, code, dst=None)
1.6 二值化 cv2.threshold(src, thresh, maxval, type)

这里边的type几种形式：

（1）cv2.THRESH_BINARY：大于阈值的像素值设置为maxval，小于等于阈值的像素值设为0

（2）cv2.THRESH_BINARY_INV：大于阈值的像素值设为0，小于等于阈值的像素值设为maxval

（3）cv2.THRESH_TRUNC：大于阈值的像素值设为阈值，小于等于阈值的像素值保持不变

（4）cv2.THRESH_TOZERO：大于阈值的像素值保持不变，小于等于阈值的像素值设为0.

（5）cv2.THRESH_TOZERO_INV：大于阈值的像素值设为0，小于等于阈值的像素值保持不变。

实例：

import cv2
image = cv2.imread("input_image.jpg", cv2.IMREAD_GRAYSCALE)
thresh_value=28
ret, thresholded_image = cv2.threshold(image, thresh_value, 255, cv2.THRESH_BINARY)
cv2.imshow("Threshold Image",thresholded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.7 边缘检测 cv2.Canny(image, threshold1, threshold2)

1.8 高斯模糊 cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)

1.9 中值操作 cv2.medianBlue(src, ksize)

1.10 腐蚀操作 cv2.erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

1.11 膨胀操作 cv2.dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

1.12 开运算 cv2.morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

1.13 闭运算 cv2.morphologyEx()

1.14 寻找轮廓 cnt = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

1.15 图像旋转 cv2.getRotationMatrix2D(center, angle, scale)

1.16 透视变换 cv2.getPerspectiveTransform(src, dst)

1.17 均值滤波 cv2.blur(src, size)

1.18 高斯双边滤波 cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace)

1.19 图像金字塔 cv2.pyrDown(), cv2.pyrUp()

1.20 图像阈值化 cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

1.21 轮廓面积 cv2.contourArea(cnt)

1.22 轮廓周长 cv2.arcLength(cnt, closed)

1.23 图像融合 cv2.addWeighted(src1, alpha, src2, beta, gamma)

1.24 边缘增强 cv2.Sobel(src, ddepth, dx, dy, ksize)

1.25 图像直方图 cv2.calcHist(images, channels, mask, histSize, ranges)

1.26 直方图均衡化 cv2.equalizeHist(src)

1.27 颜色空间转换 cv2.cvtColor(src, code)

1.28 图像梯度 cv2.Scharr(src, ddepth, dx, dy)

1.29 图像尺寸 cv2.getSize(src)

1.30 通道分离 cv2.split(src)

1.31 通道合并 cv2.merge(channels)

1.32 轮廓近似 cv2.approxPolyDP(curve, epsilon, closed)

1.33 图像修补 cv2.inpaint(src, inpaintMask, inpaintRadius, flags)

1.34 绘制直线 cv2.line(img, pt1, py2, color, thickness)

1.35 绘制矩形 cv2.rectangle(img, pt1, pt2, color, thickness)

1.36 绘制圆形 cv2.circle(img, center, radius, color, thickness)

1.37 绘制多边形 cv2.polylines(img, pts, isClosed, color, thickness)

1.38 文字绘制 cv2.putText(img, text, org, fontFace, fontScale, color, thickness)

1.39 图像旋转 cv2.warpAffine(src, M, dsize)

1.40 透视变换 cv2.warpPerspective(src, M, dsize)

1.41 得到图像通道数 cv2.getNumChannels(src)

1.42 图像类型 cv2.getType(src)

1.43 图像平移 cv2.warpAffine(src, M, dsize)

1.44 图像修剪 img[startY:endY, startX:endX]

1.45 图像拼接 cv2.vconcat(src1, src2)

1.46 图像填充 cv2.copyMakeBorder(src, top, bottom, left, right, borderType, value)

1.47 图像反转 cv2.flip(src, flipCode)

1.48 图像模板匹配 cv2.matchTemplate(image, templ, method)

1.49 图像统计 cv2.mean(src)

1.50 图像分割 cv2.grabCut(img, mask, rect, bgdMode, fgdMode, iterCount, mode)

1.51 图像直方图比较 cv2.compareHist(H1, H2, method)

1.52 图像轮廓绘制 cv2.drawContours(image, contours, contourldx, color, thickness)

1.53 图像轮廓矩 cv2.moments(cnt)

1.54 图像轮廓近似 cv2.approxPolyDP(curve, epsilon, closed)

1.55 图像轮廓外接矩形 cv2.boundingRect(cnt)

1.56 图像轮廓最小外接矩形 cv2.minAreaRect(cnt)

1.57 图像轮廓最小闭圆 cv2.minEnclosingCircle(cnt)

1.58 图像轮廓最小闭椭圆 cv2.FitEllipse(cnt)

1.59 图像角点检测 cv2.goodFeaturesToTrack(image, maxCorners, quelityLevel, minDistance)

1.60 图像透视变换 cv2.getPerspectiveTransform(src, dst)

1.61 图像直方图归一化 cv2.normalize(src, dst, alpha, beta, norm_type, dtype, mask)

1.62 图像直方图反向投影 cv2.calcBackProject(images, channels, hist, ranges, scale)

1.63 图像自适应直方图均衡化 cv2.createCLAHE(clipLimit, tileGridSize)

1.64 图像边缘连接 cv2.connectedComponents(image, connectivity, Itype)

# 2 实际项目中的总结
```python
2.1 blanck_image = np.zero_like(img)	# 创建空图像
2.2 cv2.drawContours(blanck_image, filterd_contours, -1, (255, 255, 255), thickness=cv2.FILLED)
	在blanck_image上绘制filtered_contours轮廓，-1表示全部绘制，用白色，填充绘制。
2.3 cnt = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
	寻找轮廓
2.4 Cropped = result_img[10:375, 25:560]
	裁剪图像
2.5 result_img = four_point_transform(image, docCnt.reshape(4, 2))  
# 对原始图像进行四点透视变换
在此之前，需要对得到的轮廓进行降序，然后获取近似的轮廓，得到四个角的点。
（1）得到轮廓，对轮廓降序
Contours = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
Contours = contours[1] if imutils.is_cv2 else contours[0]
# 按照面积来降序排序
Contours = sorted(contours, key=cv2.contourArea, reverse=True)
（2）先对近似轮廓降序，再拟合近似轮廓
for c in contours:
peri = cv2.arcLength(c, True)						// 求轮廓的周长
Approx = cv2.approxPolyDP(c, 0.02*peri, True)		// 获取近似的轮廓
If len(Approx)==4:
	docCnt = approx.
	break
（3）确定近似轮廓的四个点
Import imutils.perspective import four_point_transform
Result_img = four_point_transform(image, docCnt.reshape(4, 2))