【OpenCV】OpenCV指南：图像处理基础及实例演示

ImAlex2024-10-16 18:55

OpenCV 是一个功能强大且易于使用的库，广泛应用于图像处理和计算机视觉领域。从读取和显示图像，到颜色空间转换、图像缩放、翻转、边缘检测、高斯模糊、形态学操作以及图像平滑和绘制，本文详细介绍了 OpenCV 的基础使用方法，附带了丰富的代码示例，帮助读者更直观地理解和应用。

1. 什么是OpenCV？

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，由 Intel 在1999年开发，并于2000年推出。它可以处理图像和视频中的许多常见任务，如：

  • 图像处理（滤波、边缘检测等）
  • 视频处理（实时视频处理等）
  • 物体检测和识别（人脸识别、物体跟踪等）
  • 机器学习（支持向量机、神经网络等）

目前，OpenCV 支持 C++、Python、Java 和 MATLAB 等多种编程语言，并可在多个平台上运行，如 Windows、Linux、macOS 和 Android。

2. 安装OpenCV

在安装 OpenCV 之前，需要确保已经安装了 Python。可以通过 pip 命令来安装 OpenCV：

sh 复制代码 
pip install opencv-python
pip install opencv-python-headless  # 不需要绘图界面的版本

3. 基本操作

3.1 导入库

首先需要导入 OpenCV 库和 numpy 库：

python 复制代码 
import cv2
import numpy as np

3.2 读取和显示图像

通过 cv2.imread() 读取图像，使用 cv2.imshow() 显示图像，并通过 cv2.waitKey(0) 保持窗口直到按下键盘任意键关闭。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 显示图像
cv2.imshow('Image', image)

# 等待按键事件并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

3.3 保存图像

可以使用 cv2.imwrite() 来保存处理后的图像。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 保存图像
cv2.imwrite('path_to_save_image.jpg', image)

# 显示保存信息
print("Image saved as path_to_save_image.jpg")

4. 图像处理基础

4.1 转换颜色空间

OpenCV 提供了丰富的颜色空间转换功能，如 RGB 转换为灰度图像。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 转为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

其他常见的颜色空间转换包括：

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# BGR 到 HSV
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow('HSV Image', hsv_image)

# BGR 到 LAB
lab_image = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)
cv2.imshow('LAB Image', lab_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

4.2 图像缩放

可以使用 cv2.resize() 来调整图像的尺寸。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 缩放图像到指定尺寸
resized_image = cv2.resize(image, (400, 400))
cv2.imshow('Resized Image', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 按比例缩放图像
height, width = image.shape[:2]
resized_image = cv2.resize(image, (int(width * 0.5), int(height * 0.5)))
cv2.imshow('Resized Image', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.3 图像翻转

可以使用 cv2.flip() 来翻转图像。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 水平翻转
flipped_image = cv2.flip(image, 1)
cv2.imshow('Flipped Image', flipped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.4 边缘检测

Canny 边缘检测是边缘检测的有效方法。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# Canny 边缘检测
edges = cv2.Canny(image, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.5 高斯模糊

使用 cv2.GaussianBlur() 来应用高斯模糊。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 高斯模糊
blurred_image = cv2.GaussianBlur(image, (5, 5), 0)
cv2.imshow('Blurred Image', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.6 形态学操作

常用的形态学操作包括腐蚀和膨胀。

python 复制代码 
import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 创建一个 5x5 的核心
kernel = np.ones((5, 5), np.uint8)

# 腐蚀操作
erosion = cv2.erode(image, kernel, iterations = 1)
cv2.imshow('Erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 膨胀操作
dilation = cv2.dilate(image, kernel, iterations = 1)
cv2.imshow('Dilation', dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()

此外，还有更多的形态学操作，如开运算、闭运算等：

python 复制代码 
import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 创建一个 5x5 的核心
kernel = np.ones((5, 5), np.uint8)

# 开运算（先腐蚀后膨胀）
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
cv2.imshow('Opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 闭运算（先膨胀后腐蚀）
closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
cv2.imshow('Closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.7 图像平滑

图像平滑是为了减少噪声和细节，可以使用多种方法如均值滤波、中值滤波和双边滤波。

均值滤波

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 均值滤波
blurred_image = cv2.blur(image, (5, 5))
cv2.imshow('Blurred Image', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

中值滤波

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 中值滤波
median_blurred_image = cv2.medianBlur(image, 5)
cv2.imshow('Median Blurred Image', median_blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

双边滤波

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 双边滤波
bilateral_blurred_image = cv2.bilateralFilter(image, 9, 75, 75)
cv2.imshow('Bilateral Blurred Image', bilateral_blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.8 直方图均衡化

直方图均衡化有助于增加图像的对比度。

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 将图像转换为灰度
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 直方图均衡化
equalized_image = cv2.equalizeHist(gray_image)
cv2.imshow('Equalized Image', equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

5. 图像中的基本绘制操作

OpenCV 提供了一些基本绘制函数，可以绘制线条、矩形、圆形、多边形和文本。

5.1 绘制线条

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 绘制从点 (0, 0) 到点 (511, 511) 的蓝色线条，线条粗细为 5
image_with_line = cv2.line(image.copy(), (0, 0), (511, 511), (255, 0, 0), 5)
cv2.imshow('Line', image_with_line)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.2 绘制矩形

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 绘制左上角 (384, 0) 到右下角 (510, 128) 的绿色矩形，线条粗细为 3
image_with_rectangle = cv2.rectangle(image.copy(), (384, 0), (510, 128), (0, 255, 0), 3)
cv2.imshow('Rectangle', image_with_rectangle)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.3 绘制圆形

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 绘制中心为 (447, 63) 半径为 63 的红色圆形，填充该圆
image_with_circle = cv2.circle(image.copy(), (447, 63), 63, (0, 0, 255), -1)
cv2.imshow('Circle', image_with_circle)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.4 绘制多边形

python 复制代码 
import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 定义多边形的顶点
points = np.array([[10, 5], [20, 30], [70, 20], [50, 10]], np.int32)
points = points.reshape((-1, 1, 2))

# 绘制多边形
image_with_polygon = cv2.polylines(image.copy(), [points], True, (0, 255, 255))
cv2.imshow('Polygon', image_with_polygon)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.5 绘制文本

python 复制代码 
import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 绘制文本
image_with_text = cv2.putText(image.copy(), 'OpenCV', (10, 500), cv2.FONT_HERSHEY_SIMPLEX, 4, (255, 255, 255), 2, cv2.LINE_AA)
cv2.imshow('Text', image_with_text)
cv2.waitKey(0)
cv2.destroyAllWindows()

6. 实例项目：边缘检测与形态学操作结合

一个典型的应用案例将边缘检测与形态学操作结合起来进行基本的图像处理。

python 复制代码 
import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg')
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用高斯模糊
blurred_image = cv2.GaussianBlur(gray_image, (5, 5), 0)

# 应用 Canny 边缘检测
edges = cv2.Canny(blurred_image, 50, 150)

# 定义形态学核心
kernel = np.ones((5, 5), np.uint8)

# 应用膨胀操作以增强边缘
dilated_edges = cv2.dilate(edges, kernel, iterations=1)

# 显示最终结果
cv2.imshow('Original Image', image)
cv2.imshow('Edges', edges)
cv2.imshow('Dilated Edges', dilated_edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

7. 总结

OpenCV 是一个功能强大且易于使用的库，广泛应用于图像处理和计算机视觉领域。从读取和显示图像，到颜色空间转换、图像缩放、翻转、边缘检测、高斯模糊、形态学操作以及图像平滑和绘制，本文详细介绍了 OpenCV 的基础使用方法，附带了丰富的代码示例，帮助读者更直观地理解和应用。

相关推荐
FOUR_A34 分钟前
【机器学习导引】ch6-支持向量机
人工智能·算法·机器学习·支持向量机·机器学习导引
IT猿手4 小时前
多目标优化算法：多目标鹅算法(MOGOOSE)求解UF1-UF10，提供完整MATLAB代码
开发语言·算法·matlab·多目标算法
南宫生5 小时前
力扣-Hot100-链表其二【算法学习day.35】
学习·算法·leetcode·链表
皎味小行家6 小时前
第三十二天|动态规划| 理论基础，509. 斐波那契数，70. 爬楼梯 ，746. 使用最小花费爬楼梯
java·数据结构·算法·leetcode·动态规划
小小宇宙中微子6 小时前
DP动态规划基础题（Kadane算法）
算法·动态规划
橘子遇见BUG6 小时前
算法日记 26-27day 贪心算法
算法·贪心算法
tang13897646 小时前
机器学习（贝叶斯算法，决策树）
算法·决策树·机器学习
独自破碎E7 小时前
【2】猫眼娱乐后端开发面试题整理
算法·哈希算法·娱乐
tyler-泰勒8 小时前
C++: string(二)
数据库·c++·算法
打不了嗝 ᥬ᭄8 小时前
3步实现贪吃蛇
c语言·数据结构·c++·算法·链表
热门推荐
01PyTorch机器学习实现液态神经网络02聊聊 Python 中的同步原语，为什么有了 GIL 还需要同步原语03【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总04玄机平台应急响应—webshell查杀05RAG 实践- Ollama+RagFlow 部署本地知识库06组基轨迹建模 GBTM的介绍与实现（Stata 或 R）07Unity中PICO实现 隔空取物 和 接触抓取物体08软件工程从理论到实践客观题汇总(头歌第一章至第八章)09Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO10手部关键点检测2：YOLOv5实现手部检测(含训练代码和数据集)