《机器学习》—— OpenCV 对图片的各种操作

文章目录

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()
相关推荐
余炜yw31 分钟前
【LSTM实战】跨越千年,赋诗成文:用LSTM重现唐诗的韵律与情感
人工智能·rnn·深度学习
莫叫石榴姐1 小时前
数据科学与SQL:组距分组分析 | 区间分布问题
大数据·人工智能·sql·深度学习·算法·机器学习·数据挖掘
弗锐土豆1 小时前
工业生产安全-安全帽第二篇-用java语言看看opencv实现的目标检测使用过程
java·opencv·安全·检测·面部
如若1231 小时前
利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换
人工智能·opencv·matplotlib
YRr YRr1 小时前
深度学习:神经网络中的损失函数的使用
人工智能·深度学习·神经网络
ChaseDreamRunner2 小时前
迁移学习理论与应用
人工智能·机器学习·迁移学习
Guofu_Liao2 小时前
大语言模型---梯度的简单介绍;梯度的定义;梯度计算的方法
人工智能·语言模型·矩阵·llama
我爱学Python!2 小时前
大语言模型与图结构的融合: 推荐系统中的新兴范式
人工智能·语言模型·自然语言处理·langchain·llm·大语言模型·推荐系统
果冻人工智能2 小时前
OpenAI 是怎么“压力测试”大型语言模型的?
人工智能·语言模型·压力测试
日出等日落2 小时前
Windows电脑本地部署llamafile并接入Qwen大语言模型远程AI对话实战
人工智能·语言模型·自然语言处理