OpenCV基础01-图像文件的读取与保存

介绍:

OpenCV是 Open Souce C omputer V sion Library的简称。要使用OpenCV需要安装OpenCV包,使用前需要导入OpenCV模块

安装 命令 pip install opencv-python

导入 模块 import cv2

1. 图像的读取

python 复制代码
import cv2
img = cv2.imread(path, flag)

这里的flag 是可选参数,默认是 1,将图像转为三通道 BGR 色彩空间。

如果是0表示将图像转为 灰度再读取

2. 图像的保存

python 复制代码
import cv2
cv2.imwrite(path, imageObject)

3. 图像的显示-- 使用matplotlib

python 复制代码
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('come.jpg')
plt.imshow(img)
plt.show()

结果:

这里第一张图是用画图工具打开显示的,第二张图是 python matplotlib 显示的图片,二者的不同是因为,cv2.imread() 返回的是BGR 色彩空间,而我们一般所用的RGB色彩空间,可以通过色彩空间的转化实现第一张图。

python 复制代码
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('come.jpg')
plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
plt.show()

结果:转换之后的显示一致了

4. 灰度读取显示

python 复制代码
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('come.jpg',0)
plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
plt.show()

结果:

python 复制代码
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('come.jpg',65)
plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
plt.show()

缩小1/8, 结果

5. 图像显示 -- 使用OpenCV自带的函数

python 复制代码
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('come.jpg',1)
cv2.imshow("titlename",img) # 指定窗口名为 titlename 显示 img 对象
ret = cv2.waitKey(0) # 等待按键输入,0 表示无限等待,参数单位是毫秒,ret 是按键返回的按键值,可以通过 ord('A') 查看 A的键值
cv2.destroyWindow("titlename") # 关闭 titlename 窗口

结果:

相关推荐
onceco28 分钟前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
whoarethenext3 小时前
使用 C++/OpenCV 和 MFCC 构建双重认证智能门禁系统
开发语言·c++·opencv·mfcc
jndingxin3 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉
Sweet锦3 小时前
零基础保姆级本地化部署文心大模型4.5开源系列
人工智能·语言模型·文心一言
hie988944 小时前
MATLAB锂离子电池伪二维(P2D)模型实现
人工智能·算法·matlab
晨同学03274 小时前
opencv的颜色通道问题 & rgb & bgr
人工智能·opencv·计算机视觉
蓝婷儿5 小时前
Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战
人工智能·python·机器学习
大千AI助手5 小时前
PageRank:互联网的马尔可夫链平衡态
人工智能·机器学习·贝叶斯·mc·pagerank·条件概率·马尔科夫链
小和尚同志5 小时前
Cline | Cline + Grok3 免费 AI 编程新体验
人工智能·aigc
我就是全世界5 小时前
TensorRT-LLM:大模型推理加速的核心技术与实践优势
人工智能·机器学习·性能优化·大模型·tensorrt-llm