《机器学习》—— OpenCV 对图片的各种操作

文章目录

1、安装OpenCV库
2、读取、显示、查看图片
3、对图片进行切割
4、改变图像的大小
5、图片打码
6、图片组合
7、图像运算
8、图像加权运算

1、安装OpenCV库

使用pip是最简单、最快捷的安装方式
python 复制代码
```
pip install opencv-python==3.4.2
```
还需要安装一个包含了其他一些图像处理算法函数的opencv扩展库
python 复制代码
```
pip install opencv-contrib-python==3.4.2
```
注意：安装的版本可以自行选择与自己python适配的进行安装，但是这两个库的版本必须是一致的

2、读取、显示、查看图片

读取图像：使用cv2.imread(filename, flags)函数，其中filename是图像的路径，flags指定读取图像的方式（如灰度图像、彩色图像等）。

显示图像 ：使用cv2.imshow(window_name, image)函数，其中window_name是窗口名称，image是要显示的图像。之后，通常使用cv2.waitKey(delay)等待用户按键，最后使用cv2.destroyAllWindows()关闭所有窗口。

python 复制代码

Man = cv2.imread('kobe.jpg')
cv2.imshow('8-24', Man)
# 可以给定规定显示的时间，单位为毫秒，0表示一直显示
# 若是想结束显示，可以在英文状态下按下电脑键盘上的任意键
# 若是用变量接收，再打印出这个变量，则会返回你所按下键的ASCII码值
b = cv2.waitKey(0)
print(b)   # 可以显示出所按键的ASCII码值
# 关闭窗口
cv2.destroyAllWindows()
# 可以通过 shape dtype size 来查看图片的每个维度的大小、类型、总体大小
print(Man.shape)
print(Man.dtype)
print(Man.size)

3、对图片进行切割

python 复制代码

import cv2
M = cv2.imread('kobe.jpg')
# 给定所想切出的长宽大小范围，并用变量接收
A = M[0:800, 0:800]
B = M[500:800, 500:800]
cv2.imshow('qiepian_A', A)
cv2.imshow('qiepian_B', B)
cv2.waitKey(0)
cv2.destroyAllWindows()

4、改变图像的大小

python 复制代码

import cv2
M = cv2.imread('kobe.jpg')
# 可以直接指定需要的图片大小，也可以指定大小，对长宽进行百分比的缩放
# M_new = cv2.resize(M, (400, 600)) 
M_new = cv2.resize(M, dsize=None, fx=0.6, fy=0.6)  # dsize 不指定规定大小
cv2.imshow('M', M)
cv2.imshow('M_new', M_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

5、图片打码

python 复制代码

import cv2
import numpy as np
M = cv2.imread('kobe.jpg')
# 给出需要打码的区域，运用numpy的方法随机选取[0~255]的像素，并给定打码的大小
# 注意这里打码的长宽大小必须与打码区域的长宽大小相同
M[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))  # 矩阵赋值必须是相同大小
cv2.imshow('masaike', M)
cv2.waitKey(1000000)
cv2.destroyAllWindows()

6、图片组合

python 复制代码

M = cv2.imread('kobe.jpg')
# MB.jpg 是 kobe.jpg 灰度图，为了可以让效果看的明显一点
M1 = cv2.imread('MB.jpg')
# 设置第一张需要替换的位置长宽大小必须和第二张图片相同
M[500:700, 500:700] = M1[300:500, 300:500]
cv2.imshow('M', M)
cv2.waitKey(100000)
cv2.destroyAllWindows()

7、图像运算

图像+号运算

python 复制代码

# 对于+号运算，当对图像a，图像b进行加法求和时，遵循以下规则:
# 当某位置像素相加得到的数值小于255时，该位置数值为两图像该位置像素相加之和
# 当某位置像素相加得到的数值大于255时，该位置数值将截断结果并将其减去 256 例如:相加后是260，实际是260-256=4
M = cv2.imread('kobe.jpg')
I = cv2.imread('wechat.jpg')
MM = M + 50 
# 需要将相加起来的区域大小设置成相同的
MI = M[500:700, 500:700] + I[500:700, 500:700]
cv2.imshow('MM', MM)
cv2.imshow('MI', MI)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像 add 运算

python 复制代码

M = cv2.imread('kobe.jpg')
I = cv2.imread('wechat.jpg')
# 将两张图片的大小设置成相同的
M = cv2.resize(M, (400, 400))
I = cv2.resize(I, (400, 400))
MI = cv2.add(M, I)
cv2.imshow('MI', MI)
cv2.waitKeyEx(100000)
cv2.destroyAllWindows()

8、图像加权运算

python 复制代码

M = cv2.imread('wechat.jpg')
I = cv2.imread('wechat2.jpg')
M = cv2.resize(M, (600, 500))
I = cv2.resize(I, (600, 500))
# 需要给定每个图像的权重大小（简单来说：谁设定的数值越大其显示的程度越高），10为图像的亮度值
MI = cv2.addWeighted(M, 0.5, I, 0.5, 10)
cv2.imshow('MI', MI)
cv2.waitKey(100000)
cv2.destroyAllWindows()