【Opencv-Python】数字图像处理(一) —— 图像的基本操作_cv2 imshow

---

图像的基本操作

1. 实验目的和要求

2. 主要设备及环境

3. 实验内容及实验结果

3.0 实验准备

3.1 图像的读取

3.2 视频的读取

3.2.1 打开视频文件：

3.2.2 打开摄像头：

3.2.3 读取视频帧：

3.3 图像的显示

3.3.1 Opencv 方式

3.3.2 matplotlib 方式

3.4 图像的保存

3.4.1 读入彩色和灰度图像文件，并显示出来，同时给出图像的基本属性。

3.4.2 读取文件夹 images 的图像 lena.bmp，并显示出来。然后将图像另存为 lena.jpg，并比较两文件大小。

3.5 图像的通道拆分与合并

3.5.1 通道拆分

结论： 

3.5.2 通道合并

3.6 图像 ROI （region of interest ）（图像剪裁）

3.6.1 运行实例 

3.6.2 思考题：怎样取出、修改图像某点的像素值？

3.7 图像坐标变换

3.7.1 图像缩放

（1）result = cv2.resize(src, (160,160))， 输出 result ，观察效果。

（2）result = cv2.resize(src, None, fx=0.5, fy=0.5)， 输出 result，观察效果。

3.7.2 图像的仿射变换（实现图像缩放、图像旋转和图像平移）

3.8 图像色彩空间转化

3.8.1 运行实例：

3.8.2 思考：对比上一个 print 语句的输出有何不同？为什么？

4. 实验分析与思考

---

1. 实验目的和要求

（1）熟悉并掌握Python在处理图像方面的能力；

（2）精通在Python中使用opencv-python库读取图像的方法，包括读取不同格式的图像，以及调整图像大小、色彩转换等操作；

（3）掌握Python获取图像信息的方法，包括获取图像的大小、颜色、高度、宽度等相关信息，以及图像的通道等；

（4）掌握在Python中使用opencv-python按照指定要求存储一幅图像的方法，包括存储为不同格式的图像等操作；

（5）掌握图像间的转化方法，包括图像坐标变换和图像的色彩空间转化。

2. 主要设备及环境

（1）计算机；

（2）Python、Pycharm及Anaconda软件；

（3）典型的灰度、彩色图像文件。

3. 实验内容及实验结果

3.0 实验准备

        首先在程序开头导入 OpenCV 模块。

import cv2

3.1 图像的读取

        函数返回一个（行数（高），列数（宽），颜色通道数）的多维阵列，表示图像数据，默认的颜色次序为 BGR。

img = cv2.imread(文件名[,参数])

其中第一个参数为图像文件的路径，第二个参数（可选）的主要形式有：

(1) cv2.IMREAD_UNCHANGED (图像不可变)；

(2) cv2.IMREAD_GRAYSCALE (灰度图像)；

(3) cv2.IMREAD_COLOR (读入彩色图像)，这是默认参数，不填的话默认为这个。

import cv2
jpg = cv2.imread('D:\images\lena_noise.jpg')
print(jpg.shape)

运行结果：

print(image.shape) 返回一个三元组，分别是图像的高度，宽度和颜色通道数。

3.2 视频的读取

        用同样的方法读取视频文件、USB 摄像头及监控摄像头的视频帧。

#打开视频文件
cap=cv2.VideoCapture('./images/1.avi')

#打开内置或 USB 摄像头，0 表示第一个摄像头
cap=cv2.VideoCapture(0)

#判断 VideoCaputre 对象是否成功打开，只有成功打开才能进行读操作

if cap.isOpened():                                      #VideoCaputre 对象成功打开
        print('已经打开了视频文件或摄像头')
else:
        print('视频文件或摄像头打开失败')

3.2.1 打开视频文件：

mp4 = cv2.VideoCapture('D:/video/zoo.mp4')
if mp4.isOpened(): #VideoCaputre 对象成功打开
    print('已经打开了视频文件')
else:
    print('视频文件打开失败')

运行结果：

删除视频文件后运行结果：

3.2.2 打开摄像头：

cap=cv2.VideoCapture(0)
if cap.isOpened(): #VideoCaputre 对象成功打开
     print('已经打开了摄像头')
else:
     print('摄像头打开失败')

运行结果：

3.2.3 读取视频帧：

ret, frame = cap.read()   # 读取一帧视频

其中 ret 是布尔值，如果读取帧是正确的则返回 True，如果文件读取到结尾，它的返回值就为 False。frame 就是每一帧的图像，是个三维矩阵。

import cv2
# 打开视频
mp4 = cv2.VideoCapture('D:/video/zoo.mp4')
if mp4.isOpened(): #VideoCaputre 对象成功打开
    print('已经打开了视频文件')
else:
    print('视频文件打开失败')
    exit()
while True:
    # 读取一帧视频
    ret, frame = mp4.read()  # 读取一帧视频
    if not ret:
        break  # 如果无法读取帧，则跳出循环
    # 显示原始帧
    cv2.imshow('frame', frame)  # 显示原始帧
    # 如果按下 'q' 键，则退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):  # 如果按下 'q' 键，则退出循环
        break
    # 释放摄像头并关闭所有窗口
mp4.release()
cv2.destroyAllWindows()

运行结果：

3.3 图像的显示

3.3.1 Opencv 方式

cv2.imshow(窗口名, img)

cv2.waitKey(0)

#等待显示，如果没有这句的话，图片就会显示一下立马消失
#0 表示无限制的等待（按任意键就退出），大于 0（如 5）表示等待 5ms 自
#动关闭窗口

cv2.destroyAllWindows()      #从内存将窗口清除

jpg = cv2.imread('D:\images\lena_noise.jpg')
cv2.namedWindow("demo1")
cv2.imshow("demo1",jpg)
cv2.waitKey(delay = 0)#等待显示，如果没有这句的话，图片就会显示一下立马消失
#0 表示无限制的等待（按任意键就退出），大于 0（如 5）表示等待 5ms 自动关闭窗口
cv2.destroyAllWindows() #从内存将窗口清除

运行结果：

3.3.2 matplotlib 方式

from matplotlib import pyplot as plt             #首先导入 pyplot 模块

rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

#将 opencv 用的的 BGR 通道顺序变为 plt 用
#的 RGB 顺序 

plt.imshow(rgb)
plt.xticks([]), plt.yticks([])
plt.show()

import cv2
jpg = cv2.imread('D:\images\lena_noise.jpg')
from matplotlib import pyplot as plt #首先导入 pyplot 模块
rgb = cv2.cvtColor(jpg, cv2.COLOR_BGR2RGB) #将 opencv 用的的 BGR 通道顺序变为 plt 用的 RGB 顺序
plt.imshow(rgb)
plt.xticks([]), plt.yticks([])
plt.show()

运行结果：

3.4 图像的保存

cv2.imwrite(文件名, img)

3.4.1 读入彩色和灰度图像文件，并显示出来，同时给出图像的基本属性。

import cv2
img = cv2.imread("D:/images/mother_baby.tif ")
print('color image shape: ', img.shape) #打印出彩色图像的形状信息
print('color image size: ', img.size) #打印出彩色图像的大小
print('color image 数据类型: ', img.dtype) #图像数据的类型
print('\n')
#获取图像高、宽：
#rows, cols = img.shape[:2]
rows = img.shape[0]
cols = img.shape[1]
print('color image width: ', cols)
print('color image height: ', rows)
print('\n')  #换行
img_gray = cv2.imread("D:/images/lena_gray_256.tif", cv2.IMREAD_UNCHANGED)
print('gray image shape: ', img_gray.shape)
print('gray image size: ', img_gray.size)
print('gray image 数据类型: ', img_gray.dtype)
print('\n')
rows_gray = img_gray.shape[0]
cols_gray = img_gray.shape[1]
print('gray image width: ', cols_gray)
print('gray image height: ', rows_gray)
# 显示图像
cv2.imshow("color image ", img)
cv2.imshow("gray image ", img_gray)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

3.4.2 读取文件夹 images 的图像 lena.bmp，并显示出来。然后将图像另存为 lena.jpg，并比较两文件大小。

import cv2
# 读取图像
img = cv2.imread("D:/images/lena.bmp")
# 另存为 lena.jpg
cv2.imwrite("D:/images/lena.jpg", img)
# 打印原始图像大小
print('lena bmp size: ', img.size)
# 打印jpg图像大小
jpg_lena = cv2.imread("D:/images/lena.jpg")
print('lena jpg size: ', jpg_lena.size)
# 显示原始图像
cv2.imshow('BMP Image', img)
# 显示jpg图像
cv2.imshow('JPG Image', jpg_lena)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

3.5 图像的通道拆分与合并

3.5.1 通道拆分

        拆分后，输出 b,g,r 三幅图像。看看哪幅图像最亮，并解释原因。

方法一：

b, g, r = cv2.split(img)

方法二：

b = img[:, :, 0]

g = img[:, :, 1]

r = img[:, :, 2]

方法三：

b = cv2.split(img)[0]

g = cv2.split(img)[1]

r = cv2.split(img)[2]

import cv2
import numpy as np
# 创建一个彩色图像
img = cv2.imread('D:/images/lena.bmp')
# 使用cv2.split()分割图像
b, g, r = cv2.split(img)
# 保存为图像
cv2.imwrite('blue_channel.jpg', b)
cv2.imwrite('green_channel.jpg', g)
cv2.imwrite('red_channel.jpg', r)
# 分别显示三个通道的图像
cv2.imshow('Blue Channel', b)
cv2.imshow('Green Channel', g)
cv2.imshow('Red Channel', r)
# 打印每个通道的亮度（即像素值范围）
print('Blue Channel brightness:', np.max(b))
print('Green Channel brightness:', np.max(g))
print('Red Channel brightness:', np.max(r))
# 等待键盘输入并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

结论： 

        哪幅图像最亮取决于图像的内容和颜色分布。在图像中，红色通道是最亮的，其次，蓝色通道比绿色通道亮，因为空气对蓝色光的散射强。

3.5.2 通道合并

m = cv2.merge([b, g, r])

import cv2
# 创建一个彩色图像
img = cv2.imread('D:/images/lena.bmp')
# 使用cv2.split()分割图像
b, g, r = cv2.split(img)
# 保存为图像
cv2.imwrite('blue_channel.jpg', b)
cv2.imwrite('green_channel.jpg', g)
cv2.imwrite('red_channel.jpg', r)
# 分别显示三个通道的图像
cv2.imshow('Blue Channel', b)
cv2.imshow('Green Channel', g)
cv2.imshow('Red Channel', r)
# 将通道合并
merged_img = cv2.merge([b, g, r])
# 显示合并后的图像
cv2.imshow('Merged Image', merged_img)
# 关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

3.6 图像 ROI （region of interest ）（图像剪裁）

img = cv2.imread("图像文件名")

subimg=img[r1:r2, c1:c2]

# 输出 subimg，观察效果。

3.6.1 运行实例 

import cv2
# 读取图像
img = cv2.imread('D:/images/lena.bmp')
# 截取子图像
subimg = img[50:150, 100:200]
# 显示子图像
cv2.imshow('Subimage', subimg)
# 等待键盘输入，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

3.6.2 思考题：怎样取出、修改图像某点的像素值？

        导入图像，将它转化为数组形式，对每一个像素点的像素值进行调整和修改并输出。

3.7 图像坐标变换

3.7.1 图像缩放

（1）result = cv2.resize(src, (160,160))， 输出 result ，观察效果。

import cv2
# 加载图像
src = cv2.imread('D:/images/lena.bmp')
# 缩放图像
result = cv2.resize(src, (160, 160))
# 保存缩放后的图像
cv2.imwrite('resized_image.jpg', result)
# 显示图像
cv2.imshow('result', result)
# 等待键盘输入，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

（2）result = cv2.resize(src, None, fx=0.5, fy=0.5)， 输出 result，观察效果。

import cv2
# 加载图像
src = cv2.imread('D:/images/lena.bmp')
# 修改图像
result = cv2.resize(src, None, fx=0.5, fy=0.5)
# 保存修改后的图像
cv2.imwrite('resized_image.jpg', result)
# 显示图像
cv2.imshow('result', result)
# 等待键盘输入，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

3.7.2 图像的仿射变换（实现图像缩放、图像旋转和图像平移）

         编写程序来使用 cv2.warpAffine() 函数(先读入图像，然后用该函数对图像做各种变换，最后显示各种变换后的图像效果)。

import cv2
import numpy as np
# 读入图像
img = cv2.imread('D:/images/lena.bmp')
# 定义变换矩阵
M = np.float32([[1, 0, 100], [0, 1, 50]])
# 进行变换
dst = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))
# 显示原图和变换后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Affine Transformed Image', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

3.8 图像色彩空间转化

dst = cv2.cvtColor(src, 参数)

其中常用的参数有：

cv2.COLOR_BGR2GRAY

cv2.COLOR_BGR2RGB

cv2.COLOR_BGR2HSV

cv2.COLOR_RGB2BGR

cv2.COLOR_GRAY2BGR

3.8.1 运行实例：

import cv2
img = cv2.imread("D:/images/lena.bmp")
print('image shape: ', img.shape)
# 图像颜色转换
gray_img= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print('gray image shape: ', gray_img.shape)
# 显示图像
cv2.imshow("src", img)
cv2.imshow("result", gray_img)
# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

3.8.2 思考：对比上一个 print 语句的输出有何不同？为什么？

        原始图像的形状通常为 (height, width, channels)，其中channels通常为3（对应RGB）。灰度图像的形状为 (height, width)，因为灰度图像只有一个通道。

4. 实验分析与思考

       在实验中遇到预想之外的问题（比如得到的图像处理效果与预期不同），自己找到原因，并想到办法加以解决。

        （1）运行时，配置环境未选择anaconda，所以报错，选择后解决；

        （2）img= cv2.imread('D:\images\lena_noise.jpg') 报错，因为返回值不是img，应该是jpg，修改成jpg之后运行成功；

        （3）print(image.shape)返回一个三元组，分别是图像的高度，宽度和颜色通道数；

        （4）变量“jpg”没有被定义，要在调用cv2.cvtColor(jpg, cv2.COLOR_BGR2RGB)之前读取一张图片并将其存储在变量“jpg”中；

        报错：

        添加语句后：

---

  如果觉得作者写得还不错的话, 点赞 / 收藏 / 评论 / 转发 四连支持一下吧~