《深度学习》OpenCV 计算机视觉入门（上篇）

一、了解OpenCV

1、简介

2、导包

3、了解图片构成

二、函数运用

1、展示图片

2、展示图片属性

[1）img.shape 形状](#1）img.shape 形状)

[2）img.dtype 类型](#2）img.dtype 类型)

像素值类型：

[3）img.size 尺寸](#3）img.size 尺寸)

[• 返回值ret](#• 返回值ret)

[• 返回值frame](#• 返回值frame)

一、了解OpenCV

1、简介

OpenCV （Open Source Computer Vision）是一个开放源代码的计算机视觉库 ，提供了一系列用于处理图像和视频的函数和算法。

它可以用于开发各种计算机视觉应用程序，包括人脸检测、目标跟踪、图像分类、图像分割等。

OpenCV支持多种编程语言，包括C++、Python和Java，并且可以在多个操作系统上运行，包括Windows、Linux和Mac OS X。OpenCV是一个广泛使用的计算机视觉库，被用于许多领域，如工业自动化、医学影像分析、机器人视觉等。

2、导包

python 复制代码

pip install opencv-python==3.4.2

python 复制代码

pip install opencv-contrib-python==3.4.2  # opencv扩展库，包含其他一些图像处理算法函数的扩展库

**注意：**此处两个版本必须相同，防止不兼容问题

3、了解图片构成

一张图片由图像数据组成，图像数据是由像素（pixel）组成的。每个像素代表着图像中的一个点，每个像素包含了图像在该点处的颜色信息。图像的分辨率决定了图像中的像素数量，分辨率越高，图像越清晰。

图像可以以不同的色彩模型 来表示颜色，最常用的是RGB 色彩模型。RGB色彩模型 是一种加法色彩模型，其中的三个通道分别表示了红色R 、绿色G 和蓝色B 的亮度。通过调整这三个分量的数值，可以得到不同的颜色。

此外，还有其他一些重要的图像属性 ，如亮度、对比度、饱和度 等。亮度表示图像的明暗程度 ，对比度表示图像中不同颜色之间的差异程度 ，饱和度表示图像的颜色鲜艳程度。

二、函数运用

1、展示图片

python 复制代码

import cv2  # 导入OpenCV 包

img = cv2.imread('girl.jpg') # 读取图片
cv2.imshow("aa",img)  # 展示图片,展示图片的标签名字为aa
cv2.waitKey(10000)  # 图片展示时间，其内参数为毫秒，如果参数设置为0，可以点击键盘任意键关闭图片
cv2.destroyAllWindows() # 用于关闭所有已经创建的窗口。

运行结果如下所示：（图像来源网络，如有侵权敬请告知删除）

2、展示图片属性

1）img.shape 形状

用于获取图像的形状信息。它返回一个包含图像行数、列数和通道数的元组。

2）img.dtype 类型

用于获取图像的数据类型。它返回一个描述图像像素值类型的字符串。

像素值类型：

uint8：无符号8位整型，表示像素值范围为 0-255。
int8：有符号8位整型，表示像素值范围为 -128-127。
uint16：无符号16位整型，表示像素值范围为 0-65535。
int16：有符号16位整型，表示像素值范围为 -32768-32767。
float32：32位浮点型，表示像素值范围为 -∞-∞。
float64：64位浮点型，表示像素值范围为 -∞-∞。

3）img.size 尺寸

用于获取图像的尺寸信息。它返回一个包含两个元素的元组，表示图像的高度和宽度。

4）演示，img为上图

python 复制代码

print("图片形状：",img.shape)
print("图片数据类型：",img.dtype)
print("图形大小：",img.size)

运行结果如下图，

图像形状所示内容表示，宽度为940个像素，高度为627个像素，通道数为3，即RGB三通道

这里的图像尺寸为图像形状的三个值相乘

3、展示灰度图

1）使用cv2.cvtColor()

python 复制代码

img = cv2.imread('girl.jpg')  # 导入彩色图片
img1 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 转变为灰度图

2）直接使用参数

python 复制代码

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

3）运行结果

4）对比

调试模式 下可以看到彩色图片的格式为：

灰度图下的格式为：

此时少了一个rgb三通道数

4、保存图片

python 复制代码

cv2.imwrite(r'./girl_gray.jpg',img)  # 这里的./表示当前目录下，命名为girl_gray.jpg

5、了解视频构成

一个视频由一系列连续的图像帧 组成。每一帧都是一个静止的图像 ，当这些图像以一定的速率连续播放时，就会形成动态的视频。视频的每一帧都包含了图像的像素信息，包括颜色、亮度等。通过在一定的时间间隔内连续播放这些帧，就能够产生流畅的视频效果。

除了图像帧之外，视频还可以包含音频轨道、元数据以及其他附加信息。在视频文件中，这些信息以特定的文件格式（如AVI、MP4等）进行封装，以便能够方便地进行存储和传输。

6、展示视频

1）videoCapture()

创建一个视频捕捉对象，括号内写入参数为视频地址，也可以设置参数为0，则表示捕获当前电脑默认摄像头，如果有多个摄像头可用，可以传入不同的数字来选择相应的摄像头。

2）isopend()

用于判断视频捕获对象是否捕获成功，返回布尔值true、false

3）read()

读取捕获的视频的下一帧图像，一帧表示一个图像，这里可以使用死循环来不断读取所有的帧，

• 返回值ret

用于判断是否读取成功，返回布尔值true和false

• 返回值frame

用于表示读取到的帧，类型为numpy数组，可以对其进行处理，如显示、保存、分析

4）实例展示

python 复制代码

import cv2
video_capture = cv2.VideoCapture("tiger9.mp4")  # 创建一个视频捕捉对象

if not video_capture.isOpened():   # 判断是否捕获成功
    print("错误")
    exit()

while True:
    # ret返回bool值，读取成功为ret，每帧图片表示frame
    ret,frame = video_capture.read()
    if not ret:
        break
# 灰度图
    frame = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    cv2.imshow('video',frame)
# 每帧图片停留时间，如果键入esc则停止
    if cv2.waitKey(30) == 27:
        break
# 释放资源
video_capture.release()
cv2.destroyAllWindows()

此处的cv2.waitkey(30) == 27 用于判断键盘点击位置是否是esc键，其值对应为ascll码

运行结果为：

7、图片的切片

python 复制代码

import cv2
a = cv2.imread('girl.jpg')  # 导入图片
a_new = a.copy()  # 复制图片
# 切片
b = a_new[100:300,100:500]  # 高宽,高度为像素值范围为100~300，宽度范围为100~500
cv2.imshow('bb',b)  # 展示图片
cv2.waitKey(10000)
cv2.destroyAllWindows()

其运行结果为：

8、切分图片通道

1）直接切分

python 复制代码

import cv2
a = cv2.imread('girl.jpg')

a1 = a[:,:,0]  # 0表示切分的通道为B
a2 = a[:,:,1]  # 1表示切分的通道为G
a3 = a[:,:,2]  # 2表示切分的通道为R

cv2.imshow('B',a1) 
cv2.waitKey(0)

此时展示的图片为灰色的，如果想展示带切分通道颜色的，可以增加以下内容：

python 复制代码

a[:,:,0] = 0  # 将B通道值改变为0
a[:,:,1] = 0  # 将G通道值改变为0
cv2.imshow('R',a) # 展示a图

此时展示画面为：

2）split切分

python 复制代码

b,g,r = cv2.split(img)

此时返回三个参数，分别表示bgr三通道的图片

9、图片部分打码

python 复制代码

import cv2
import numpy as np
a = cv2.imread('girl.jpg')
a[100:200,200:300] = np.random.randint(0,256,(100,100,3))  
cv2.imshow('a',a)
cv2.waitKey(1000)
cv2.destroyAllWindows()

**a[100:200,200:300]**表示图片的切片，即将高100~200，宽200~300的位置取出

np.random.randint(0,256,(100,100,3)) 使用numpy函数里的random.randint随机生成整数，括号内参数表示0~256之间的随机整数，(100,100,3)表示生成的形状为一个100x100大小的二维数组，每个元素是一个包含3个随机整数的一维数组。

运行结果为：

10、图片缩放

python 复制代码

import cv2
a = cv2.imread('girl.jpg')
a_new = cv2.resize(a,dsize=None,fx=1.3,fy=1.3) # 将图片高宽都更改为1.3倍
cv2.imshow("aa",a_new)
cv2.waitKey(10000)
cv2.destroyAllWindows()

参数解释：

a_new = cv2.resize(a,dsize=None,fx=1.3,fy=1.3)

a 是要调整大小的输入图像。
dsize 是目标图像的大小，可以通过设置dsize参数来指定目标图像的大小，或者通过设置fx和fy参数来按比例调整图像大小。例如cv2.resize(a,(400,500))
- 如果dsize参数不为None，则将图像调整为dsize指定的大小。
- 如果fx和fy参数都为None，则图像大小不会改变，返回与输入图像一样大小的图像。
- 如果只设置了fx参数，那么图像的宽度会按照fx的比例进行调整，高度会根据宽度的比例自动调整。
- 如果只设置了fy参数，那么图像的高度会按照fy的比例进行调整，宽度会根据高度的比例自动调整。
- 如果同时设置了fx和fy参数，那么图像的宽度和高度都会按照对应的比例进行调整。

《深度学习》OpenCV 计算机视觉入门 （上篇）

一、了解OpenCV

1、简介

2、导包

3、了解图片构成

二、函数运用

1、展示图片

2、展示图片属性

1）img.shape 形状

2）img.dtype 类型

像素值类型：

3）img.size 尺寸

4）演示，img为上图

3、展示灰度图

1）使用cv2.cvtColor()

2）直接使用参数

3）运行结果

4）对比

4、保存图片

5、了解视频构成

6、展示视频

1）videoCapture()

2）isopend()

3）read()

• 返回值ret

• 返回值frame

4）实例展示

7、图片的切片

8、切分图片通道

1）直接切分

2）split切分

9、图片部分打码

10、图片缩放

参数解释：

《深度学习》OpenCV 计算机视觉入门（上篇）