OpenCV1

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言
[1. 简介](#1. 简介)
[2. 图像基础操作](#2. 图像基础操作)
- [2.1 图像的IO操作](#2.1 图像的IO操作)
- [2.2 绘制图形](#2.2 绘制图形)
- [2.3 获取并修改图像中的像素点](#2.3 获取并修改图像中的像素点)
- [2.4 获取图像属性](#2.4 获取图像属性)
- [2.5 图像通道的拆分和合并](#2.5 图像通道的拆分和合并)
- [2.6 色彩空间转换](#2.6 色彩空间转换)
[3. 算术操作](#3. 算术操作)
- [3.1 图像加法](#3.1 图像加法)
- [3.2 图像混合](#3.2 图像混合)
[4. OpenCV图像处理](#4. OpenCV图像处理)
- [4.1 几何变换](#4.1 几何变换)
- [4.2 图像平移](#4.2 图像平移)
- [4.3 图像旋转](#4.3 图像旋转)
- [4.4 仿射变换](#4.4 仿射变换)
- [4.5 透射变换](#4.5 透射变换)
总结

前言

1. 简介

灰度图：0~255

彩色图：RGB三个分量

安装OpenCv之前需要先安装numpy,matplotlib。

java 复制代码

pip install opencv-python

java 复制代码

import cv2

能导入这个就说明安装成功了

安装包含 contrib 扩展模块的版本----》因为我们要利用SIFT和SURF等进行特征提取

java 复制代码

pip install opencv-python opencv-contrib-python

core模块实现了最核心的数据结构及其基本运算，如绘图函数、数组操作相关函数等。

·highgui模块实现了视频与图像的读取、显示、存储等接口。

·imgproc模块实现了图像处理的基础方法，包括图像滤波、图像的几何变换、平滑、阈值分割、形态学

处理、边缘检测、目标检测、运动分析和对象跟踪等。

2. 图像基础操作

2.1 图像的IO操作

java 复制代码

import numpy as py
import cv2 as cv
import matplotlib.pyplot as plt

#读取图像---》默认读取--》彩色
img = cv.imread("../image/dili.jpg")
#显示图像
cv.imshow("dili",img)
cv.waitKey(0)
cv.destroyAllWindows()

cv.waitKey(0)的作用是

这是一个等待键盘输入的函数，参数 0 表示无限期等待用户按下任意键。

OpenCV 的 cv.imshow() 显示窗口需要配合 cv.waitKey() 才能正常停留，否则窗口会瞬间闪过。

只有当用户按下键盘上的任意键后，程序才会继续执行后续代码（这里就是执行 cv.destroyAllWindows()）。

如果参数是其他数值（如 cv.waitKey(500)），则表示等待 500 毫秒（0.5 秒）后自动继续，无需按键。

cv.destroyAllWindows()是关闭图像

java 复制代码

img = cv.imread("../image/dili.jpg")

plt.imshow(img[:,:,::-1])
plt.show()

OpenCV 读取图像时，默认使用 BGR 颜色通道顺序（蓝色、绿色、红色）。

Matplotlib 的 imshow() 函数则默认期望图像是 RGB 颜色通道顺序（红色、绿色、蓝色）

第一个 : ：表示选取所有行（图像的高度方向）

第二个 : ：表示选取所有列（图像的宽度方向）

::-1 ：表示对第三个维度（颜色通道）进行反向切片，即把 BGR 顺序反转成 RGB 顺序

java 复制代码

img = cv.imread("../image/dili.jpg",0)

plt.imshow(img,cmap="gray")
plt.show()

img = cv.imread(..., 0) 执行后，img 是一个二维数组（形状为 (高度, 宽度)），每个元素代表对应像素的灰度值（0 为纯黑，255 为纯白），灰度图像没有RGB

Matplotlib 默认的颜色映射表不是灰度（而是 viridis 等彩色映射），如果不指定 cmap="gray"，直接显示二维灰度数组，会用彩色伪影来表示不同的灰度值

java 复制代码

#保存图像
cv.imwrite("../image/dili_save.jpg",img)

2.2 绘制图形

java 复制代码

import numpy as py
import cv2 as cv
import matplotlib.pyplot as plt

#创建图形
img = py.zeros((512,512,3),py.uint8)
#绘制线
cv.line(img,(0,0),(511,511),(255,0,0),5)
#显示结果
plt.imshow(img[:,:,::-1])
plt.show()

np.zeros() 创建一个全为 0 的数组，代表黑色图像

(512,512,3) 表示图像尺寸为 512x512 像素，3 个颜色通道（BGR 格式），意思就是长宽为512，高为3，这个高就是RGB

np.uint8 是数据类型，代表每个像素值范围是 0-255

(0,0) 是线段的起点坐标（左上角）

(511,511) 是线段的终点坐标（右下角）

(255,0,0) 是线条颜色，这里是蓝色（BGR 格式）

5 是线条的粗细，单位为像素

java 复制代码

cv.circle(img,(256,256),60,(0,0,255),4)

(256,256)表示圆心,60表示半径，4表示宽度

java 复制代码

cv.circle(img,(256,256),60,(0,0,255),-1)

-1表示填充

java 复制代码

cv.rectangle(img,(100,100),(300,300),(0,255,0),5)

分别是左上角坐标和右下角坐标

java 复制代码

cv.putText(img,"hello",(100,150),cv.FONT_HERSHEY_COMPLEX,5,(255,255,255),3)

5表示字体大小，3表示字体宽度，(100,150)表示字体位置

2.3 获取并修改图像中的像素点

java 复制代码

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

java 复制代码

img = np.zeros((256,256,3),np.uint8)

java 复制代码

plt.imshow(img[:,:,::-1])

其实应该是全黑的，因为我的背景是黑色，所以显示为白色

java 复制代码

img[100,100]

返回的是这个位置的RGB值

java 复制代码

img[100,100,0]

返回的是这个位置，蓝色通道的值

java 复制代码

img[100,100] = [0,0,255]
plt.imshow(img[:,:,::-1])
img[100,100]

2.4 获取图像属性

java 复制代码

img.shape

java 复制代码

img.dtype

java 复制代码

img.size

2.5 图像通道的拆分和合并

java 复制代码

dili = cv.imread("../../py/image/dili.jpg")
plt.imshow(dili[:,:,::-1])
plt.show()

java 复制代码

b,g,r = cv.split(dili)

一个通道就是灰色了

java 复制代码

img2=cv.merge((b,g,r))
plt.imshow(img2[:,:,::-1])

2.6 色彩空间转换

java 复制代码

gray = cv.cvtColor(dili,cv.COLOR_BGR2GRAY)
plt.imshow(gray, cmap="gray")

这样就转换为灰度图了

java 复制代码

hsv = cv.cvtColor(dili,cv.COLOR_BGR2HSV)
plt.imshow(hsv)

3. 算术操作

3.1 图像加法

np相加的话，超过255的话，那么就是和之后取模255---》模运算

cv加法的话，超过255的话，那么就是等于255了---》饱和运算

java 复制代码

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

java 复制代码

rain = cv.imread("../../py/image/rain.jpg")
plt.imshow(rain[:,:,::-1])

java 复制代码

view = cv.imread("../../py/image/view.jpg")
plt.imshow(view[:,:,::-1])

java 复制代码

img1 = cv.add(rain,view)
plt.imshow(img1[:,:,::-1])

java 复制代码

img2= rain+ view
plt.imshow(img2[:,:,::-1])

所以cv的加法更好

3.2 图像混合

就是加法的权重不同

反正就是这样

img = aimg1 +b img2+x

a,b,x都是参数

java 复制代码

img3 = cv.addWeighted(rain,0.3,view,0.7,0)
plt.imshow(img3[:,:,::-1])

权值之和为1,0就是x

4. OpenCV图像处理

4.1 几何变换

java 复制代码

kids = cv.imread("../../py/image/kids.jpg")
plt.imshow(kids[:,:,::-1])

java 复制代码

#绝对尺寸缩放
rows,cols = kids.shape[:2]

kids.shape 是 OpenCV 中图像的形状属性，返回一个元组 (高度, 宽度, 通道数)（对于彩色图像）或 (高度, 宽度)（对于灰度图像）。

第一个元素是图像的高度（行数，rows）

第二个元素是图像的宽度（列数，cols）

第三个元素（如果存在）是通道数（如 RGB 图像为 3）

$:2$ 表示截取元组的前 2 个元素，即只获取高度和宽度，忽略通道数（即使图像有通道信息也不处理）

java 复制代码

res = cv.resize(kids,(cols*2,rows*2))
plt.imshow(res[:,:,::-1])

看坐标就知道变大了

java 复制代码

res1=cv.resize(kids,None,fx=0.5,fy=0.5)
plt.imshow(res1[:,:,::-1])

0.5表示缩小为原来的de0.5倍

4.2 图像平移

java 复制代码

#图像平移->平移矩阵
M = np.float32([[1,0,100],[0,1,50]])

表示往（1,0）方向也就是x方向移动100，y方向移动50

java 复制代码

res2 = cv.warpAffine(kids,M,(cols,rows))
plt.imshow(res2[:,:,::-1])

(cols,rows)表示移动后显示范围画布的大小，并不是图像的大小

注意cv中，坐标原点在左上角，x轴往右，y轴往下

java 复制代码

res2 = cv.warpAffine(kids,M,(cols*2,rows*2))
plt.imshow(res2[:,:,::-1])

4.3 图像旋转

java 复制代码

#图像旋转
M = cv.getRotationMatrix2D((cols/2,rows/2),90,1)
res3 = cv.warpAffine(kids,M,(cols,rows))
plt.imshow(res3[:,:,::-1])

(cols/2,rows/2)是旋转中心，90就是选择角度，1表示对图像的缩放比例

(cols,rows)表示画布的大小

java 复制代码

#图像旋转
M = cv.getRotationMatrix2D((cols/2,rows/2),90,0.5)
res3 = cv.warpAffine(kids,M,(cols,rows))
plt.imshow(res3[:,:,::-1])

4.4 仿射变换

仿射变换就是对图像缩放旋转平移的组合

点之间的映射，仿射前后，平行的线还是平行的，线的比例关系不变

共线的点还是共线，共面的还是共面

java 复制代码

plt.imshow(res3[:,:,::-1])
#%%
#仿射变换
#原始图像位置
pts1 = np.float32([[50,50],[200,50],[50,200]])
#仿射变换后位置
pts2 = np.float32([[100,100],[200,50],[100,250]])
#构建仿射变换矩阵
M = cv.getAffineTransform(pts1,pts2)
M

前面两列是线性变换，后一列是平移

java 复制代码

#仿射变换
#原始图像位置
pts1 = np.float32([[50,50],[200,50],[50,200]])
#仿射变换后位置
pts2 = np.float32([[100,100],[200,50],[100,250]])
#构建仿射变换矩阵
M = cv.getAffineTransform(pts1,pts2)
#应用仿射变换
res4 = cv.warpAffine(kids,M,(cols,rows))
plt.imshow(res4[:,:,::-1])

(cols,rows)是输出图像大小

仿射变换后，点线的关系和原图是一样的

但是线的长度会发送变化，角度也会

文章目录

前言

1. 简介

2. 图像基础操作

2.1 图像的IO操作

2.2 绘制图形

2.3 获取并修改图像中的像素点

2.4 获取图像属性

2.5 图像通道的拆分和合并

2.6 色彩空间转换

3. 算术操作

3.1 图像加法

3.2 图像混合

4. OpenCV图像处理

4.1 几何变换

4.2 图像平移

4.3 图像旋转

4.4 仿射变换

4.5 透射变换

总结