机器学习：opencv图像识别--图片专项

import cv2

"--------------------读取图片-------------------"
a = cv2.imread('suda.jpg')
cv2.imshow('suda', a)  # 显示图片 第一个参数，给显示框命名
b = cv2.waitKey(0)    # 显示时间 单位毫秒  0一直显示 键盘任意按键结束 返回按键的ascll码值
print(b)
cv2.destroyAllWindows()   # 关闭所有窗口

print("图片的形状", a.shape)
print("图像数据类型", a.dtype)
print("图像大小", a.size)

输出：

python 复制代码

图片的形状 (940, 940, 3)
图像数据类型 uint8
图像大小 2650800

3.读取灰度图

代码：

python 复制代码

import cv2

"--------------------读取灰度图------------------"
a = cv2.imread('suda.jpg', cv2.IMREAD_GRAYSCALE)  # 读取的时候转换成灰度图进行读取 IMREAD可以用0替换
# img = cv2.imread('suda.jpg')
# a = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('suda', a)  # 显示图片 第一个参数，给显示框命名
b = cv2.waitKey(0)  # 显示时间 单位毫秒  0一直显示 键盘任意按键结束 返回按键的ascll码值
print(b)
cv2.destroyAllWindows()  # 关闭所有窗口

print("图片的形状", a.shape)
print("图像数据类型", a.dtype)
print("图像大小", a.size)

'''保存图片'''
cv2.imwrite('suda_GRAY.jpg', a)

输出：

可以看到图片的形状变成了一维
图像大小变成了彩色图片的三分之一

python 复制代码

图片的形状 (940, 940)
图像数据类型 uint8
图像大小 883600

二、RGB

1.RGB的概念

RGB 是一种颜色表示模型，用于图像和视频处理中。RGB 代表红色（Red）、绿色（Green）和蓝色（Blue）三个颜色通道，通过调整这三种颜色的强度来生成其他颜色。每种颜色通道的强度通常用一个整数值表示，范围从0到255。

2.颜色通道：

红色通道（R）：控制红色的强度。
绿色通道（G）：控制绿色的强度。
蓝色通道（B）：控制蓝色的强度。

3.图像表示

在数字图像处理中，每个像素的颜色通常由三个数值表示，这三个数值分别对应于红色、绿色和蓝色通道的强度。
例如，一个像素的颜色为（128，64,32）表示红色强度为128，绿色强度为64，蓝色强度为32。

4.代码实现单通道图像

为什么这样读取单色通道，因为每个图像是由三张不同的单色通道的图叠加而成的
直接显示单色通道图会呈现类似灰度图的样子，因为此时默认另外两个通道的值为255，会有很大影响
当把另外两个通道的值变成0时，即可输出正常的单色图像
最后还有使用cv2.merge（）函数实现多通道合并

python 复制代码

import cv2

# 读取图像
a = cv2.imread('suda.jpg')

# 提取颜色通道
# b = a[:, :, 0]  # 蓝色通道
# g = a[:, :, 1]  # 绿色
# r = a[:, :,2]  # 红色
# 分离通道
b, g, r = cv2.split(a)

# 显示单通道的图像  灰度
cv2.imshow('result', b)  # 显示为灰度图的样子 因为取单通道时其他通道默认值为255 调成0才显示单颜色
cv2.waitKey(10000)
cv2.destroyAllWindows()

# 显示单通道图像  单色
a_new = a.copy()
a_new[:, :, 1] = 0  # 将绿色通道设置为0
a_new[:, :, 2] = 0  # 将红色通道设置为0
cv2.imshow('result', a_new)  # 显示为单色
cv2.waitKey(10000)
cv2.destroyAllWindows()

'''合并颜色通道'''
img = cv2.merge((b, g, r))  # 图片通道数只能是1,3,4
cv2.imshow('result', img)  # 显示为单色
cv2.waitKey(10000)
cv2.destroyAllWindows()

未将另外两个通道的值设置为0时，默认255的效果：

将另外两个通道的值设置为0时的效果：

合并颜色通道的效果：

三、ROI

"ROI" 在图像处理中代表"感兴趣区域"（Region of Interest）。它是图像中的一个特定区域，人为取出图像中的某个区域。

1.代码实现

代码很简单
实质是取图片数组中的某个部分，形成新的显示

python 复制代码

import cv2

a = cv2.imread("suda.jpg")
b = a[100:600, 100:600]
cv2.imshow('pic', a)
cv2.imshow('sec', b)
cv2.waitKey(10000)
cv2.destroyAllWindows()

四、图片打码

实质是用随机像素组成的矩阵替换图片中某一块矩阵的像素

python 复制代码

import cv2
import numpy as np

# 图片打码
a = cv2.imread('suda.jpg')
a[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))
"""
两边矩阵大小须一致
np.random.randint(0, 256, (100, 100, 3)) 生成一个形状为 (100, 100, 3) 的随机整数数组
这些随机整数在 [0, 256) 范围内（即从0到255），通常用于表示RGB图像的像素值
(100, 100, 3) 表示生成一个100行100列的像素区域，每个像素有三个通道（R、G、B）
"""
cv2.imshow('pic', a)
cv2.waitKey(10000)
cv2.destroyAllWindows()

输出：

五、图片组合

本质是用一张图片的某一部分取替换另一张图片的某一部分

python 复制代码

# 图片组合
a = cv2.imread('suda.jpg')
b = cv2.imread('figure_0_9.png')
a[200:300, 300:500] = b[300:400, 500:700]  # 将a的一部分替换为b的一部分 两边矩阵大小须一致
cv2.imshow('pic', a)
cv2.imshow('sec', b)
cv2.waitKey(10000)
cv2.destroyAllWindows()

输出：

六、图片缩放

有两种方法：
- 一种是直接设定新图片的宽高
- 另一种是使用resize设定新图片与原图片的比例

python 复制代码

# 图片缩放
""" 
cv2.resize
src:要调整大小的输入图像，可以是numpy数组、PIL图像或其他类型
dsize:输出图像的大小，可以是一个元组，例如(宽，高),或者使用整数标量来缩放原始图像。如果dsize为None,则根据scalefx和scalefy缩放原始图像
fx:沿x轴的缩放倍数
fy:沿y轴的缩放倍数
"""
a = cv2.imread('suda.jpg')
a_new = cv2.resize(a, (200, 600))  # 设置宽、高
# a_new = cv2.resize(a, dsize=None, fx=0.5, fy=0.5)
print(a.shape)  # 高、宽、通道数
cv2.imshow('pic', a)
cv2.imshow('sec', a_new)
cv2.waitKey(10000)
cv2.destroyAllWindows()

输出：

这是设置宽高

这是设置比例

总结

opencv库的功能十分强大，这只是其中一部分，后续还会介绍其他的功能