OpenCV学习记录——图片、视频的读取处理_opencv摄像头图像采集并处理图像

文章目录

---

前言

为了更好地利用树莓派进行视觉处理，我从现在开始学习opencv并进行记录分享。

一、学习目的

        学习opencv的目的是为了对摄像头捕获到的图像信息进行处理，例如：人脸识别即是由摄像头捕获到人脸特征信息，再通过特殊的通信手段，将这些信息发送到微处理器进行下一步的处理。那么，本篇文章记录的就是最基本的图片、视频的读取和处理操作 。

二、代码分析（读取图片）

首先来看一段最简单的代码

import cv2                   #导入opencv视觉库
 
img = cv2.imread('cat.jpg')  #读取图片，并放入“img”里
cv2.imshow('image', img)     #创建一个名为‘image’的窗口，显示img这张图片
cv2.waitKey(0)               #显示一段时间
cv2.destroyAllWindows()      #销毁所有的窗口

        这段代码每一行的作用都已经注释在后面了，我主要记录一下opencv库各个函数的具体用法。

(1) cv2.imread('图片地址')

        大部分的opencv函数都是“cv2.”后面接函数名

        例如：要读取一张图片就可以使用  cv2.imread(' 图片地址')，需要特别注意的是图片地址的格式，如果这张图片在python程序的同一个文件夹中，可以直接将图片地址写为图片名称，例如：

cv2.imread('cat.jpg')

        相反的，如果图片不在python程序的同一文件夹中，那么则需要写上完整的图片地址，并在地址前加上转义字符‘r’来避免由“\”带来的错误，例如：

cv2.imread(r'C:\Users\26835\Desktop\picture\cat.jpg')

(2) cv2.imshow('窗口名称', 图片)

        这是一个显示函数，会创建一个窗口，并显示指定的图片

(3) cv2.waitKey(0)

        这条代码可以让图片显示一段指定时间，但并不准确。

        需要注意的是，只有当括号内为非0时才会有效，例如：

cv2.waitKey(100)   #显示大约100ms

(4) cv2.destroyAllWindows() 

        销毁所有的窗口

除了以上最基本的显示操作外，还有一些基本的处理操作如下：

(5) cv2.resize(img, (480, 640))

        这条代码可以修改图片的尺寸大小，其中img为读取的图片，480为图片的宽度参数，640为图片的高度参数，参数都可以根据需要自定义，具体用法如下：

img = cv2.imread('cat.jpg')         #读取图片
img = cv2.resize(img, (480, 640))   #修改图片大小

        修改图片大小还有另一种方法，同样采用cv2.resize()函数：cv2.resize(img, (0, 0), fx=3, fy=1)

        可以将原本的参数都改成0，用fx=、fy=来表示宽度和高度的倍数关系，例如：

img = cv2.imread('cat.jpg')
img = cv2.resize(img, (0, 0), fx=3, fy=1)

        修改图片大小的手段主要用于方便进行图片的数值计算、图像融合等

(6) cv2.resizeWindow('name', 480, 640)

        这条代码可以用来修改显示窗口的大小

(7) cap = img[0:100, 0:100]

        这条代码不是一个函数，而是一个常用的切片操作，有时我们不需要处理整张照片，而只需要其中的某一块位置进行处理，就可以通过切片的方式取出对应的部分，具体用法如下：

img = cv2.imread('cat.jpg')
cap = img[0:100, 0:100]       #取出宽为0-100，高为0-100的部分
 
cv2.imshow('image', cap)      #显示选择的内容
cv2.waitKey(0)
cv2.destroyAllWindows()

二、代码分析（读取视频）

还是先看一下完整码代码

import cv2     #导入opencv视觉库
 
vc = cv2.VideoCapture('cat.MP4')  #获取视频,若需要调用摄像头，则为vc = cv2.VideoCapture(0)
 
if vc.isOpened():     #检查视频是否能打开
    open, frame  = vc.read()    #如果能打开，则获取视频的两个参数：open、frame
else:
    open = False            #不能打开则将open设置为False，即表示不能打开
 
while open:                 #当open的值为非0时进入以下循环
    ret, frame = vc.read()  #先获取参数，frame为是视频本身，即视频的数字化表示
    if frame is None:       #判断，frame是否为空
        break               #如果为空，则跳出循环，即没有读取到视频
    if ret == True:         #如果ret为Ture，则表示可以打开视频
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)   #调整视频的颜色为灰色
        cv2.imshow('video', gray)                        #显示视频
        if cv2.waitKey(10) & 0xff == 27:                 #显示10ms，或者按下Esc退出窗口
            break
vc.release()                #释放窗口
cv2.destroyAllWindows()     #销毁所有窗口

        代码的大致作用已经注释在后面了，其中需要注意的是vc = cv2.VideoCapture('cat.MP4')中，'cat.MP4'指的是视频地址，如果不是调用视频，而是调用摄像头，则将该参数改为0，此时0代表的是摄像头编号，例如：vc = cv2.VideoCapture(0)

        接下来我们分析一下视频读取和处理的原理：

        视频有两个参数，可以命名为open和frame

        其中open代表着该视频是否可以打开，open为0时即不能打开该视频，所以通常在读取视频前通过open参数判断一下，避免由于视频不能打开带来的问题。

        frame代表的是视频本身，视频是由很多张图片构成的，我们可以通过"print(frame)"来看看：

  ...
  ...
  [177 190 198]
  [177 190 198]
  [175 188 196]]]
[[[205 222 233]
  [205 222 233]
  [205 222 233]
  ...
  ...

        这就是打印出来的frame的部分内容

        所以，通常也通过判断frame是否为空来检查视频内容是否有问题

        接下来，我们分析一下处理视频时使用的函数

(1) cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

        这是颜色空间转换函数，这里将BGR转换成GRAY，即将彩色图像转换为灰度图，这样通常是为了在做图像处理时，减少颜色混乱带来的识别困难问题

(2) cv2.waitKey(10) & 0xff == 27

        这段代码是用来关闭显示窗口，与之前不同的是，它除了可以通过等待10ms来自动关闭，也可以通过按下“Esc”来关闭，‘27’代表的就是“Esc”。也可以设置成其他按键关闭，例如常用的0xff == ‘q’

        需要特别注意的是，使用cv2.waitKey(10)时，会改变视频的运行速度，如果设置为10ms，视频会在10ms内播放完毕，速度极快。同理，设置的时间越长，播放视频的速度越慢，通常也可以用这个办法进行视频的快放和慢放。