Python数据分析工具OpenCV用法示例

Python数据分析工具OpenCV是一个强大的计算机视觉库,提供了丰富的图像处理算法和功能,支持多种编程语言,包括Python、C++、C#等。以下是OpenCV在Python中的一些常见用法示例:

一、图像读取、显示与保存

读取图像

python 复制代码
import cv2  
image = cv2.imread("image.jpg")

显示图像

python 复制代码
cv2.imshow("Image", image)  
cv2.waitKey(0)  # 等待键盘输入  
cv2.destroyAllWindows()  # 关闭所有窗口

保存图像

python 复制代码
cv2.imwrite("new_image.jpg", image)

二、图像基本处理

转换图像颜色空间

例如,将图像从BGR(OpenCV默认颜色空间)转换为灰度图像:

python 复制代码
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

裁剪图像

通过指定图像的起始坐标和宽度高度来裁剪图像:

python 复制代码
cropped_image = image[y:y+h, x:x+w]

调整图像大小

使用cv2.resize()函数可以调整图像的大小:

python 复制代码
resized_image = cv2.resize(image, (new_width, new_height))

三、图像滤波与边缘检测

图像平滑

均值滤波:使用cv2.blur()或cv2.boxFilter()函数进行均值滤波。

高斯滤波:使用cv2.GaussianBlur()函数进行高斯滤波。

中值滤波:使用cv2.medianBlur()函数进行中值滤波,常用于去除椒盐噪声。

边缘检测

使用Canny算法进行边缘检测:

python 复制代码
edges = cv2.Canny(image, threshold1, threshold2)

四、图像变换

图像旋转

使用cv2.rotate()函数可以旋转图像:

python 复制代码
rotated_image = cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE)  # 顺时针旋转90度

图像翻转

使用cv2.flip()函数可以翻转图像:

python 复制代码
flipped_image = cv2.flip(image, 1)  # 水平翻转

仿射变换与透视变换

仿射变换:使用cv2.warpAffine()函数进行仿射变换。

透视变换:使用cv2.warpPerspective()函数进行透视变换。

五、图像阈值处理

使用cv2.threshold()函数可以进行图像阈值处理:

python 复制代码
ret, thresholded_image = cv2.threshold(image, threshold_value, max_value, cv2.THRESH_BINARY)

其中,threshold_value是阈值,max_value是超过阈值后赋予的新值,cv2.THRESH_BINARY是阈值类型。

六、图像融合与绘制

图像融合

使用cv2.addWeighted()函数可以将两幅图像按权重进行融合:

python 复制代码
dst = cv2.addWeighted(img1, alpha, img2, beta, gamma)

其中,alpha和beta分别是两幅图像的权重,gamma是一个加到结果上的标量值。

绘制图形和文字

绘制直线:使用cv2.line()函数。

绘制矩形:使用cv2.rectangle()函数。

绘制圆形:使用cv2.circle()函数。

绘制文字:使用cv2.putText()函数。

七、视频处理

打开摄像头或视频文件

使用cv2.VideoCapture()函数可以打开摄像头或视频文件:

python 复制代码
cap = cv2.VideoCapture(0)  # 打开默认摄像头  
# 或者  
cap = cv2.VideoCapture("video.mp4")  # 打开视频文件

读取视频帧

使用cap.read()函数可以读取视频帧:

python 复制代码
ret, frame = cap.read()

保存视频

使用cv2.VideoWriter()和cv2.VideoWriter_fourcc()函数可以创建视频写入对象并设置视频编解码器,然后逐帧写入视频数据。

以上是OpenCV在Python中的一些常见用法示例,涵盖了图像读取、显示、保存、基本处理、滤波、边缘检测、变换、阈值处理、融合与绘制以及视频处理等多个方面。这些功能和方法为图像处理和计算机视觉任务提供了强大的支持。

相关推荐
黑客笔记5 小时前
python小工具win7翻车事故现场
python
Csvn6 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
pps-key6 小时前
网络攻防入门:从“黑客梦”到合法实操(生存篇)
开发语言·web安全·php
罗西的思考7 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考7 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库7 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静7 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
benchmark_cc7 小时前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
武子康8 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea8 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化