Python计算机视觉（一）

前期工作

这里的前期工作比较简略。因为基于已经成功安装了pycharm和anaconda等相关工具，并且有一定的工具使用基础。

库安装

这里建议使用Anaconda创建虚拟环境，然后在虚拟环境里面进行安装库

pip install opencv-python
pip install opencv-contrib-python    
1
2

jupyter notebook

Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。
这里安装Jupyter Notebook使得我们可以进行交互式编程，从而对中间结果进行更好的可视化呈现。

pip install jupyter
#可以通过jupyter notebook进入
#终端输入
jupyter notebook
#安装自动补全插件
pip install jupyter_contrib_nbextensions
1
2
3
4
5
6

jupyter安装参考网站
jupyter notebook操作手册

图像基本操作

0-255表示一个像素点，矩阵代表大小，行*列=总像素点个数。然后黑白图由一个通道组成，彩色图像由三个通道，RGB组成。

图像的读取

import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
#cv2不能读取中文路径，最好采用相对路径
#opencv读取的格式是BGR
img = cv2.imread("cvimage.png")
#灰度读取
img1 = cv2.imread("cvimage.png",cv2.IMREAD_GRAYSCALE)
1
2
3
4
5
6
7
8
9

图像的显示与保存

cv2.imshow('image',img)#img对应上文读取的
#等待时间，0表示按任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()
#图像保存
cv2.imwrite('image.png',img)
#封装函数
def cv_show(name,img):
	cv2.imshow(name,img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11

视频读取

vc = cv2.VideoCapture("test.mp4")
if vc.isOpened():
    open,frame = vc.read()
else:
    open = False
frame.shape
1
2
3
4
5
6

灰度图像展示

while open:
    ret,frame = vc.read()
    if frame is None:
        break
    if ret == True:
        #转化为灰度图像
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        #展示灰色图像
        cv2.imshow('result',gray)
        #正常速度1秒30帧，所以33秒比较合适，然后0XFF是表示按任意键退出
        if cv2.waitKey(33) & 0xFF == 27:
            break
vc.release()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

截取部分图像数据

img = cv2.imread("image.png")
#截取其中的一部分图像
cat = img[0:50,0:200]
#这个是前面的封装函数
cv_show("image",cat)
1
2
3
4
5

颜色通道提取

#cv2里面彩色图片的通道顺序是b,g,r
b,g,r = cv2.split(img)
#上面是拆分通道，下面是组合通道
img_1 = cv2.merge((b,g,r))
cv_show("imgae",img_1)
1
2
3
4
5

b,g,r颜色分析

#只保留B
B_img = img.copy()
B_img[:,:,1] = 0
B_img[:,:,2] = 0
cv_show('B',B_img)
#只保留G
G_img = img.copy()
G_img[:,:,0] = 0
G_img[:,:,2] = 0
cv_show('G',G_img)
#只保留R
R_img = img.copy()
R_img[:,:,0] = 0
R_img[:,:,1] = 0
cv_show('R',R_img)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

因此可以得到B是蓝色通道，而G是绿色通道，R是红色通道

边界填充

#定义边界值
top_size,bottom_size,left_size,right_size = (50,50,50,50)
#复制法，复制最边缘的像素
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_REPLICATE)
#反射法，对称复制，daad类似
reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
#反射法 对称复制，但不重复对称轴
reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_REFLECT_101)
#外包装法，多重复制
wrap = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_WRAP)
#常量法，常量填充
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType = cv2.BORDER_CONSTANT,value = 0)
import matplotlib.pyplot as plt
plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGINAI')
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')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

使用cv2.imread()读取图像时，默认彩色图像的三通道顺序为B、G、R，这与我们所熟知的RGB中的R通道和B通道正好互换位置了。而使用plt.imshow()函数却默认显示图像的通道顺序为R、G、B，导致图像出现色差发蓝。可以使用互换方式然后使得重新为R，G，B方式。

b,g,r = cv2.split(img)
img = cv2.merge((r,g,b))
1
2

数值计算

img_one = cv2.imread("image.png")
img_two = cv2.imread("image.png")
img_one = img_one+10
img_one[:5,:,0]
cv_show("",img_one)
#相当于mod256，因为uint8最多到255
img_three = (img_one+img_two)
cv_show("",(img_one+img_two))
#这里的相加到了超过255，只会记作255
img_four = cv2.add(img_one,img_two)
#相减同样的最多到0
img_five = cv2.subtract(img_one,img_two)
cv_show("",img_four)
cv_show("",img_five)
1
2
3
4
5
6
7
8
9
10
11
12
13
14

图像融合

#shape值不同没有办法执行相加相减操作
img_one = cv2.imread('one.png')
img_two = cv2.imread("two.png")
print(img_one.shape,img_two.shape)
#两个的shape值不相同，因此需要进行转化
#resize也可使用倍数(img,(0,0),fx=x,fy=x)
img_two = cv2.resize(img_two,(1200,800))
img_two.shape
res = cv2.addWeighted(img_one,0.4,img_two,0.6,0)
plt.imshow(res)
1
2
3
4
5
6
7
8
9
10

附上最后我使用的图片、