OpenCV常用的函数和操作_opencv函数 - wpsshop博客
devbox
空白诗007
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

OpenCV常用的函数和操作_opencv函数

作者：空白诗007 | 2024-06-19 17:10:34

赞

踩

opencv函数

OpenCV（Open Source Computer Vision Library）是一个广泛应用于计算机视觉任务的开源计算机视觉库。以下是一些常用的OpenCV函数和操作：

 一、图像读取和显示：

（1）cv2.imread(): 用于读取图像文件

  1. img_cat = cv2.imread('cat.jpg')
  2. img_dog = cv2.imread('dog.jpg')

（2）cv2.imshow(): 用于显示图像。

cv2.imshow('image', img)

（3） cv2.imwrite():用于保存图像到文件。

  1. import cv2
  2.  
  3. # 读取图像
  4. image = cv2.imread('input.jpg')
  5.  
  6. # 处理图像（这里假设对图像进行了处理）
  7.  
  8. # 保存图像到文件
  9. cv2.imwrite('output.jpg', image)

（4） cv2.destroyWindow()：用于关闭指定名称的窗口的函数。

  1. import cv2
  2.  
  3. # 打开两个窗口并显示图像
  4. cv2.imshow('Window1', image1)
  5. cv2.imshow('Window2', image2)
  6.  
  7. # 关闭特定窗口
  8. cv2.destroyWindow('Window1')

（5） cv2.destroyAllWindows()：用于关闭所有通过OpenCV打开的窗口的函数。

  1. import cv2
  2.  
  3. # 打开一个窗口并显示图像
  4. cv2.imshow('Window', image)
  5.  
  6. # 在某个条件下关闭所有窗口
  7. if condition:
  8.     cv2.destroyAllWindows()

二、 图像阈值：

（1）ret, dst = cv2.threshold(src, thresh, maxval, type)

         src： 输入图，只能输入单通道图像，通常来说为灰度图

        dst： 输出图

        thresh： 阈值

        maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值

        type：二值化操作的类型，包含以下5种类型：

                （1）cv2.THRESH_BINARY 超过阈值部分取maxval（最大值），否则取0

                （2）cv2.THRESH_BINARY_INV THRESH_BINARY的反转

                （3）cv2.THRESH_TRUNC 大于阈值部分设为阈值，否则不变

                （4）cv2.THRESH_TOZERO 大于阈值部分不改变，否则设为0

                （5）cv2.THRESH_TOZERO_INV THRESH_TOZERO的反转

  1. import cv2
  2. import matplotlib.pyplot as plt
  3. img=cv2.imread('cat.jpg')
  4. img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  5. ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
  6. ret, thresh2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
  7. ret, thresh3 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC)
  8. ret, thresh4 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO)
  9. ret, thresh5 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)
  10.  
  11. titles = ['Original Image', 'BINARY', 'BINARY_INV', 'TRUNC', 'TOZERO', 'TOZERO_INV']
  12. images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]
  13.  
  14. for i in range(6):
  15.     plt.subplot(2, 3, i + 1), plt.imshow(images[i], 'gray')
  16.     plt.title(titles[i])
  17.     plt.xticks([]), plt.yticks([])
  18. plt.show()

 三、图像平滑：

  图像平滑是一种图像处理技术，用于减少图像中的噪声、去除细节，使图像更加模糊或柔和。这种技术对于许多视觉计算机和图像处理任务非常有用，例如消除图像中的噪声、模糊边缘、改善图像质量等。 

（1）均值滤波 cv2.blur() 

  1. # 均值滤波
  2. # 简单的平均卷积操作
  3. blur = cv2.blur(img, (3, 3))
  4.  
  5. cv2.imshow('blur', blur)
  6. cv2.waitKey(0)
  7. cv2.destroyAllWindows()

（2） 方框滤波 cv2.boxFilter()

  1. # 方框滤波
  2. # 基本和均值一样，可以选择归一化
  3. box = cv2.boxFilter(img,-1,(3,3), normalize=True)  
  4.  
  5. cv2.imshow('box', box)
  6. cv2.waitKey(0)
  7. cv2.destroyAllWindows()

（3） 高斯滤波 cv2.GaussianBlur()

  1. # 高斯滤波
  2. # 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
  3. aussian = cv2.GaussianBlur(img, (5, 5), 1)  
  4.  
  5. cv2.imshow('aussian', aussian)
  6. cv2.waitKey(0)
  7. cv2.destroyAllWindows()

（4） 中值滤波 cv2.medianBlur()

  1. # 相当于用中值代替
  2. median = cv2.medianBlur(img, 5)  # 中值滤波
  3.  
  4. cv2.imshow('median', median)
  5. cv2.waitKey(0)
  6. cv2.destroyAllWindows()

四、 颜色空间转换：

 （1）cv2.cvtColor():用于图像颜色空间的转换，如从BGR到灰度或从BGR到HSV。

  1. import cv2
  2.  
  3. # 读取图像
  4. image = cv2.imread('input.jpg')
  5.  
  6. # 将图像从BGR颜色空间转换为灰度颜色空间
  7. gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  8.  
  9. # 将图像从BGR颜色空间转换为HSV颜色空间
  10. hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

五、 图像处理：

（1）cv2.resize():用于调整图像大小。

  1. img_cat = cv2.resize(img_cat, (499,429))
  2. print(img_cat.shape)

（2）cv2.Canny(): 用于边缘检测

        1) 使用高斯滤波器，以平滑图像，滤除噪声。

        2) 计算图像中每个像素点的梯度强度和方向。

        3) 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

        4) 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

        5) 通过抑制孤立的弱边缘最终完成边缘检测。

  1. import cv2
  2.  
  3. # 读取图像
  4. image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)  # 将图像以灰度方式读取
  5.  
  6. # 使用Canny边缘检测算法
  7. edges = cv2.Canny(image, threshold1, threshold2)
  8.  
  9. # 第一个参数是输入图像，通常是灰度图像。
  10. # 第二个参数threshold1是低阈值maxVal，用于边缘强度的下限。
  11. # 第三个参数threshold2是高阈值minVal，用于边缘强度的上限

（3）cv2.threshold()：用于图像二值化。

  1. import cv2
  2.  
  3. # 读取灰度图像
  4. image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)
  5.  
  6. # 设定阈值，将图像分为前景和背景
  7. threshold_value = 128  # 阈值
  8. retval, thresholded_image = cv2.threshold(image, threshold_value, max_value, threshold_type)

（4）cv2.warpAffine()：用于图像的仿射变换。

五、形态学操作：

（1）cv2.erode()：用于腐蚀图像。

  1. import cv2
  2. img = cv2.imread('dige.png')
  3. kernel = np.ones((3,3),np.uint8)
  4. erosion = cv2.erode(img,kernel,iterations = 1)
  5. cv2.imshow('erosion', erosion)
  6. cv2.waitKey(0)
  7. cv2.destroyAllWindows()

 （2）cv2.dilate()：用于膨胀图像。

  1. kernel = np.ones((3,3),np.uint8) 
  2. dige_dilate = cv2.dilate(dige_erosion,kernel,iterations = 1)
  3.  
  4. cv2.imshow('dilate', dige_dilate)
  5. cv2.waitKey(0)
  6. cv2.destroyAllWindows()

 （3）cv2.morphologyEx()：用于更复杂的形态学操作，如开运算和闭运算，礼帽和黑帽，梯度运算。

  1. # 开：先腐蚀，再膨胀
  2. img = cv2.imread('dige.png')
  3.  
  4. kernel = np.ones((5,5),np.uint8) 
  5. opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
  6.  
  7. cv2.imshow('opening', opening)
  8. cv2.waitKey(0)
  9. cv2.destroyAllWindows()
  1. # 闭：先膨胀，再腐蚀
  2. img = cv2.imread('dige.png')
  3.  
  4. kernel = np.ones((5,5),np.uint8) 
  5. closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
  6.  
  7. cv2.imshow('closing', closing)
  8. cv2.waitKey(0)
  9. cv2.destroyAllWindows()
  1. # 梯度运算（梯度=膨胀-腐蚀）
  2. pie = cv2.imread('pie.png')
  3. kernel = np.ones((7,7),np.uint8)
  4. gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)
  5. cv2.imshow('gradient', gradient)
  6. cv2.waitKey(0)
  7. cv2.destroyAllWindows()
  1. # 礼帽 = 原始输入-开运算结果
  2. #礼帽
  3. img = cv2.imread('dige.png')
  4. tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
  5. cv2.imshow('tophat', tophat)
  6. cv2.waitKey(0)
  7. cv2.destroyAllWindows()
  1. # 黑帽 = 闭运算-原始输入
  2. #黑帽
  3. img = cv2.imread('dige.png')
  4. blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)
  5. cv2.imshow('blackhat ', blackhat )
  6. cv2.waitKey(0)
  7. cv2.destroyAllWindows()

六、 轮廓检测： 

（1） cv2.findContours()：用于检测图像中的轮廓。

  1. import cv2
  2. # 读取图像
  3. image = cv2.imread('input.jpg')
  4. # 将图像转换为灰度
  5. gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  6. # 查找图像中的轮廓
  7. contours, hierarchy = cv2.findContours(gray_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  8. # cv2.findContours()函数参数包括：
  9. # 第一个参数是输入图像，通常是灰度图像。
  10. # 第二个参数是检索模式，它定义了如何检索。常见的选项包括：
  11. # （1）cv2.RETR_EXTERNAL：仅检测外部。
  12. # （2）cv2.RETR_LIST：检测所有单一，不建立层次关系。
  13. # （3）cv2.RETR_CCOMP：检测所有的，建立两层的层次关系。
  14. # （4）cv2.RETR_TREE：检测所有的，建立完整的层次关系树。
  15. # 第三个参数是虚构的近方法，它定义了如何表示虚构的点。常见的选项包括：
  16. # （1）cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线段，仅保留它们的端点。
  17. # （2）cv2.CHAIN_APPROX_NONE：保留所有单一点。
  18. # 函数的返回值包括两个：
  19. # （1）contours是一个包含检测到的自定义的列表，每个都是一个点坐标的列表。
  20. # （2）hierarchy是一个层次的信息，它表示之间的关系。

（2）  cv2.drawContours(): 绘制轮廓

   图像代码首先使用cv2.imread()读取一个图像文件（例如，'input.jpg'），然后将图像转换为灰度图像，因为通常是在灰度图像上进行检测。接下来，使用函数查找图像中的转换cv2.findContours()。最后，cv2.drawContours()在原始图像上使用函数来计算这些相似值。

  1. import cv2
  2. # 读取图像
  3. image = cv2.imread('input.jpg')
  4. # 将图像转换为灰度
  5. gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  6. # 查找图像中的轮廓
  7. contours, _ = cv2.findContours(gray_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  8. # 在图像上绘制轮廓
  9. cv2.drawContours(image, contours, -1, (0, 255, 0), 2)
  10. # cv2.drawContours()函数参数包括：
  11. # 
  12. # 第一个参数是目标图像，这里是原始图像。
  13. # 第二个参数是列表，它包含了要不同的单独。
  14. # 第三个参数是抽象的索引，如果设置为-1，则将不同的所有检测到抽象的。
  15. # 第四个参数是自定义的颜色。
  16. # 第五个参数是相似的线宽。

七、绘图函数：

（1）cv2.line()：绘制直线。

（2）cv2.rectangle()：绘制矩形。

（3）cv2.circle()：绘制圆。

（4）cv2.putText()：在图像上绘制文本。

八、计算机视觉：

（1）cv2.CascadeClassifier()：用于对象检测，如人脸检测。

（2）cv2.calcHist()：用于图像直方图的计算。

九、视频处理：

（1）cv2.VideoCapture()：用于捕获视频。

  1. vc = cv2.VideoCapture('test.mp4')
  2. if vc.isOpened():
  3.     open, frame = vc.read()
  4. else:
  5.     open = False
  6. while open:
  7.     ret, frame = vc.read()
  8.     if frame is None:
  9.         break
  10.     if ret == True:
  11.         gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
  12.         cv2.imshow('result',gray)
  13.         if cv2.waitKey(10) & 0XFF == 27:
  14.             break
  15. vc.release()
  16. cv2.destroyAllWindows()

（2） cv2.VideoWriter()：用于保存视频。

十、特征检测和匹配：

（1）cv2.SIFT()：用于检测关键点和计算SIFT特征。

（2）cv2.matchTemplate()：用于模板匹配。

十一、图像混合和融合：

（1）cv2.add()：用于图像加法。

（2）cv2.addWeighted()：用于图像权重相加。

  1. import cv2
  2.  
  3. # 读取两幅图像
  4. image1 = cv2.imread('image1.jpg')
  5. image2 = cv2.imread('image2.jpg')
  6.  
  7. # 设置权重参数
  8. alpha = 0.5
  9. beta = 0.5
  10. gamma = 0
  11.  
  12. # 执行加权叠加
  13. result = cv2.addWeighted(image1, alpha, image2, beta, gamma)
  14. # src1：第一幅输入图像。
  15. # alpha：第一幅输入图像的权重，通常是一个浮点数。
  16. # src2：第二幅输入图像。
  17. # beta：第二幅输入图像的权重，通常是一个浮点数。
  18. # gamma：加到结果图像上的标量值。通常用于调整图像的亮度。
  19. # dst：输出图像，与输入图像具有相同的大小和深度。
  20. # dtype（可选）：输出图像的数据类型，通常使用默认值 cv2.CV_64F 或 -1
  21.  
  22. # 显示结果图像
  23. cv2.imshow('Blended Image', result)
  24. cv2.waitKey(0)
  25. cv2.destroyAllWindows()

 这些只是OpenCV库中的一些常见函数和操作。OpenCV提供了大量的功能，适用于各种计算机视觉和图像处理任务。你可以根据具体的需求查阅OpenCV的文档并使用适当的函数来完成你的项目。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/空白诗007/article/detail/737142
推荐阅读
相关标签