从零开始:OpenCV计算机视觉基础教程【图像基本操作】

一、视频读取**-**摄像头读取

cap.get(propId)访问视频的一些功能,propId是0-18之间的数字。

每个数字表示视频得到属性,cap.set(propId, value)可以进行修改,value是新值

例如:

cap.get(cv.CAP_PROP_FRAME_WIDTH)) #读取视频宽度 cap.get(cv.CAP_PROP_FRAME_HEIGHT) #读取视频的高度
ret = cap.set(cv.CAP_PROP_FRAME_WIDTH,320) # 修改视频宽度为320

ret = cap.set(cv.CAP_PROP_FRAME_HEIGHT,240) #修改视频高度为240

二、视频写入到文件

复制代码
VideoWriter('output.avi', fourcc, 20.0, (640,  480))

5个参数:

1.文件路径,文件名称(默认路径情况下,也就是当前目录下)。

2.fourcc:四个字符用来表示压缩帧的codec,可选参数如下:

CV_FOURCC('P','I','M','1') = MPEG-1 codec

CV_FOURCC('M','J','P','G') = motion-jpeg codec

CV_FOURCC('M', 'P', '4', '2') = MPEG-4.2 codec

CV_FOURCC('D', 'I', 'V', '3') = MPEG-4.3 codec

CV_FOURCC('D', 'I', 'V', 'X') = MPEG-4 codec

CV_FOURCC('U', '2', '6', '3') = H263 codec

CV_FOURCC('I', '2', '6', '3') = H263I codec

CV_FOURCC('F', 'L', 'V', '1') = FLV1 codec

3.fps:被创建视频流的帧率

4.frame_size:视频流的大小

5.isColor:如果为True则每一帧为彩色图,否则为灰度图,默认为True

三、访问和修改像素值

python 复制代码
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
>>> px = img[100,100]
>>> print( px )
[157 166 200]
# 仅访问蓝色像素
>>> blue = img[100,100,0]
>>> print( blue )
157
>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]

可以通过行和列坐标来访问像素值。

对于 BGR 图像,它返回一个由蓝色、绿色和红色值组成的数组。

对于灰度图像,只返回相应的灰度。

python 复制代码
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
# 访问 RED 值
>>> img.item(10,10,2)
59
# 修改 RED 值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

**item(a,b)**函数的功能是索引出要访问的图像的某个像素点。函数返回要索引的像素点的值。函数有两个参数,第一个参数是像素点的行,第二个参数是像素点的列。

itemset((a,b),c) 函数用来修改指定像素点的像素值。本函数直接在原图像上修改,不返回任何值。 函数有两个参数,第一个参数是要修改的像素点,第二个参数是要修改的像素的值。

四、访问图像属性

python 复制代码
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
>>> print( img.shape )   #行,列,通道数的元祖
(342, 548, 3)
>>> print( img.size )      #像素总数
562248
>>> print( img.dtype )    #图像数据类型
uint8

图像属性包括行数,列数和通道数,图像数据类型,像素数等。

五、**图像感兴趣的区域ROI(**region of interest)

选择球并将其复制到图像中的另一个区域:

python 复制代码
>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball

就像下面的图一样

六、拆分和合并图像通道

有时你需要分别处理图像的B,G,R通道。在这种情况下,你需要将BGR图像拆分为单个通道。你可能需要将这些单独的频道加入BGR图片。你可以通过以下方式简单地做到这一点:

python 复制代码
>>> b,g,r = cv.split(img) 

或者

python 复制代码
>>> b = img [:, :, 0]

>>> img = cv.merge((b,g,r)) # 切分完之后可进行组合

七、边界填充**-**为图像设置边框

目的:在图像的周围创建边框,使用cv.copyMakeBorder() 函数。在卷积运算,零填充等方面有很多应用。此函数参数如下:

src - 输入图像

top,bottom,left,right边界宽度(以相应方向上的像素数为单位)

borderType- 定义要添加哪种边框的标志。它可以是以下类型:

cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。

cv.BORDER_REFLECT - 边框将是边框元素的镜像,如下所示: fedcba | abcdefgh | hgfedcb

**cv.BORDER_REFLECT_101**或 **cv.BORDER_DEFAULT**与上述相同,但略有变化,例如: gfedcb | abcdefgh | gfedcba

**cv.BORDER_REPLICATE**最后一个元素被复制,像这样: aaaaaa | abcdefgh | hhhhhhh

**cv.BORDER_WRAP**难以解释,它看起来像这样: cdefgh | abcdefgh | abcdefg

value-边框的颜色,如果边框类型为**cv.BORDER_CONSTANT**

如下代码:

python 复制代码
top_size,bottom_size,left_size,right_size = (50,50,50,50)

replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)

可视化展示:

python 复制代码
import matplotlib.pyplot as plt
plt.subplot(231), plt.imshow(img, 'gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')
plt.show()

是这样的效果:

简单来说:

  • BORDER_REPLICATE:复制法,也就是复制最边缘像素。

  • BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefgh|hgfedcb

  • BORDER_REFLECT_101:反射法,也就是以最边缘像素为轴,对称,gfedcb|abcdefgh|gfedcba

  • BORDER_WRAP:外包装法abcdefgh|abcdefgh|abcdefgh

  • BORDER_CONSTANT:常量法,常数值填充。


有趣有趣~

相关推荐
AI数据皮皮侠13 小时前
中国上市公司数据(2000-2023年)
大数据·人工智能·python·深度学习·机器学习
我爱计算机视觉13 小时前
ICCV 2025 (Highlight) Being-VL:师夷长技,用NLP的BPE算法统一视觉语言模型
人工智能·算法·语言模型·自然语言处理
FunTester13 小时前
人工智能:技术分类、核心领域与应用全景
人工智能·语言模型·分类
xwz小王子14 小时前
首个零样本跨本体泛化开源具身模型:智源RoboBrain-X0 技术细节全解析
人工智能·团队开发
ggaofeng15 小时前
深度学习基本函数
人工智能·深度学习
XINVRY-FPGA15 小时前
XCVU9P-2FLGA2104E Xilinx AMD Virtex UltraScale+ FPGA
人工智能·嵌入式硬件·fpga开发·硬件工程·dsp开发·射频工程·fpga
Elastic 中国社区官方博客17 小时前
Elasticsearch MCP 服务器:与你的 Index 聊天
大数据·服务器·人工智能·elasticsearch·搜索引擎·ai·全文检索
virtual_k1smet18 小时前
#等价于e * d ≡ 1 mod φ(n) #模逆元详解
人工智能·算法·机器学习
可触的未来,发芽的智生19 小时前
新奇特:神经网络的集团作战思维,权重共享层的智慧
人工智能·python·神经网络·算法·架构
H3C-Navigator19 小时前
HRPC在Polaris存储系统中的应用
网络·人工智能·ai-native