（3-2）OpenCV图像视觉处理：OpenCV-Python图像操作_python opencv 读图

在本节的内容中，首先学习读取图像、显示图像以及保存图像的知识，然后讲解绘图、图像算法和几何变换的知识。

3.2.1  读取并显示图像

1. 读取图像

在OpenCV-Python中，使用内置函数cv.imread()读取图像，被读取的图像应该在工作目录中，或使用图像的完整路径。函数cv.imread()的语法格式如下：

cv2.imread(filepath,flags)

（1）filepath：表示要读入图片的完整路径

（2）flags：读入图片的标志，用于设置读取图像的方式，主要方式有：

1. cv.IMREAD_COLOR： 加载彩色图像，用整数1表示。任何图像的透明度都会被忽视，这是是默认标志值；
2. cv.IMREAD_GRAYSCALE：以灰度模式加载图像，用整数0表示；
3. cv.IMREAD_UNCHANGED：加载图像，包括alpha通道，用-1表示；

2. 显示图像

在OpenCV-Python中，使用内置函数cv.imshow()在窗口中显示图像，窗口会自动适合图像的尺寸大小。函数cv.imshow()的语法格式如下：

cv.imshow(winname, mat)

1. 参数winname表示窗口名称，是一个字符串。
2. 参数mat表示我们要显示的图像对象，我们可以根据需要创建任意多个窗口，但可以使用不同的窗口名称。

在下面的实例文件cv01.py中，演示了使用OpenCV-Python读取并显示指定图像的过程。

实例3-1：读取并显示指定的图像

源码路径：daima\3\cv01.py

import cv2 as cv
print( cv.__version__ )
#加载彩色灰度图像
img = cv.imread('111.jpg',0)
cv.imshow('image',img)
cv.waitKey(0)
cv.destroyAllWindows()

1. cv.__version__ 的功能是显示当前安装的OpenCV-Python的版本。
2. cv.imread('111.jpg',0)的功能是用灰度模式加载图片111.jpg，最后通过函数imshow('image',img)显示图片111.jpg。
3. cv.waitKey()是一个键盘绑定函数。其参数是以毫秒为单位的时间。该函数等待任何键盘事件指定的毫秒。如果您在这段时间内按下任何键，程序将继续运行。如果**0**被传递，它将无限期地等待一次敲击键。它也可以设置为检测特定的按键，例如按下键a等。
4. cv.destroyAllWindows()会破坏我们创建的所有窗口，如果要销毁任何特定的窗口，请使用函数 cv.destroyWindow()在其中传递确切的窗口名称作为参数。

执行效果如图3-1所示。

图3-1  执行效果

注意：在特殊情况下，可以创建一个空窗口，然后再将图像加载到该窗口。在这种情况下，可以指定窗口是否可调整大小，这是通过功能函数cv.namedWindow()实现的。在默认情况下，该标志为cv.WINDOW_AUTOSIZE。但是，如果将标志指定为cv.WINDOW_NORMAL，则可以调整窗口大小。当图像尺寸过大以及向窗口添加跟踪栏时，这将很有帮助。例如下面的代码：

cv.namedWindow('image'，cv.WINDOW_NORMAL)
cv.imshow('image'，img)
cv.waitKey(0)
cv.destroyAllWindows()

3.2.2  保存图像

在OpenCV-Python中，使用内置函数cv.imwrite()保存图像。例如：

cv.imwrite('messigray.png'，img)

其中第一个参数表示需要保存图像的文件名，要保存图片为哪种格式，就带什么后缀。第二个参数表示保存的图像，功能是将图像以PNG格式保存在工作目录中。

例如在下面的实例中，先准备一幅彩色图像文件111.jpg。然后以灰度模式加载并显示图像文件111.jpg，按下S键后将灰度文件保存为new.png并退出，或者按ESC键直接退出而不保存。

实例3-2：以灰度模式加载、显示、保存图像

源码路径：daima\3\cv02py

import cv2 as cv
img = cv.imread('111.jpg',0)
cv.imshow('image',img)
k = cv.waitKey(0)
if k == 27:         # 等待ESC退出
    cv.destroyAllWindows()
elif k == ord('s'): # 等待关键字，保存和退出
    cv.imwrite('new.png',img)
    cv.destroyAllWindows()

执行效果如图3-2所示。

图3-2  执行效果

3.2.3  在Matplotlib中显示图像

在Python程序中，经常使用Matplotlib实现绘图功能，例如数据可视化中的统计图。在使用OpenCV-Python显示图像时，可以借助于Matplotlib缩放图像货保存图像。例如在下面的实例中，在Matplotlib中使用OpenCV-Python显示了一幅指定的图像。

实例3-3：在Matplotlib中使用OpenCV-Python显示了一幅指定的图像

源码路径：daima\3\cv03.py

import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('111.jpg',0)
plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])  # 隐藏 x 轴和 y 轴上的刻度值
plt.show()

执行效果如图3-3所示。

图3-3  执行效果

3.2.4  绘图

在OpenCV-Python绘图应用中，经常用到的内置函数有cv.line()、cv.circle()、cv.rectangle()、cv.ellipse()和cv.putText()等，这些函数的的常用参数有：

1. img：表示要绘制形状的图像
2. color：形状的颜色。对于BGR模式来说，将使用元组设置颜色，例如用(255,0,0)设置为蓝色。对于灰度模式来说，只需使用标量值设置即可。
3. 厚度：线或圆等的粗细，默认值为1。如果对闭合图形（如圆）传递-1，它将填充形状。
4. lineType：线的类型，例如8连接线、抗锯齿线等。在默认情况下为8连接线。

（1）画直线

在OpenCV-Python中使用内置函数cv.line()绘制一条线，在绘制时需要设置开始坐标和结束坐标。例如在下面的实例中，演示了在OpenCV-Python中绘制直线的过程。

实例3-4：在OpenCV-Python图像中绘制直线

源码路径：daima\3\cv04.py

import cv2 as cv
 
# 创建黑色的图像
 
img = cv.imread('111.jpg',1)
 
# 绘制一条厚度为5的蓝色对角线
 
cv.line(img,(0,0),(511,511),(255,0,0),5)
 
#显示图像
 
cv.imshow('image',img)
 
cv.waitKey(0)

在上述代码中，(0,0)表示起点，(511,511)表示终点，(255,0,0)表示线的颜色，5表示线的宽度。执行效果如图3-4所示。

（2）画矩形

在OpenCV-Python中使用内置函数cv.rectangle()绘制矩形，在绘制时需要矩形的左上角和右下角。请看下面的代码，将在图像img的右上角绘制一个绿色矩形。

cv.rectangle(img,(384,0),(510,128),(0,255,0),3)

（3）画圆

在OpenCV-Python中使用内置函数cv.circle()绘制圆，在绘制时需要设置圆的中心坐标和半径。例如：

cv.circle(img,(447,63), 63, (0,0,255), -1)

（4）画椭圆

在OpenCV-Python中使用内置函数cv.ellipse()绘制椭圆，在绘制时需要传递如下参数：

1. 中心位置参数（x，y）
2. 轴长度参数（长轴长度，短轴长度）。
3. Angle角度参数，是椭圆沿逆时针方向旋转的角度。startAngle和endAngle分别表示从主轴沿顺时针方向测量的椭圆弧的开始和结束。即给出0和360给出完整的椭圆。

例如下面的代码绘制了一个椭圆：

cv.ellipse(img,(256,256),(100,50),0,0,180,255,-1)

（5）画多边形

在OpenCV-Python中使用内置函数cv.polylines()绘制多边形，在绘制时时首先需要设置顶点坐标，将这些点组成形状为ROWS*1*2的数组，其中ROWS是顶点数，并且其类型应为int32。例如下面绘制了一个带有四个顶点的黄色小多边形。

pts = np.array([[10,5],[20,30],[70,20],[50,10]], np.int32)
pts = pts.reshape((-1,1,2))
cv.polylines(img,[pts],True,(0,255,255))

注意，如果函数cv.polylines()的第三个参数为False，将获得一条连接所有点的折线，而不是闭合形状。

（6）绘制文本：

在图像中绘制文本时需要设置多个内容参数，例如要写入的文字数据、要放置它的位置坐标（即数据开始的左下角）、字体类型、字体比例（指定字体大小）、例如颜色、厚度、线条类型等。为了获得更好的外观，建议使用lineType = cv.LINE_AA。请看下面的代码，将在白色图像上绘制文字“OpenCV”。

font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)

请看下面的实例，我们将对上面的代码进行总结，演示使用OpenCV-Python中绘制常见图形的过程。

实例3-5：绘制常见的图形

源码路径：daima\3\cv05.py

import numpy as np
import cv2 as cv
# 创建黑色的图像
img = np.zeros((512,512,3), np.uint8)
# 绘制一条厚度为5的蓝色对角线
cv.line(img,(0,0),(511,511),(255,0,0),5)
 
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
 
cv.circle(img,(447,63), 63, (0,0,255), -1)
 
cv.ellipse(img,(256,256),(100,50),0,0,180,255,-1)
 
pts = np.array([[10,5],[20,30],[70,20],[50,10]], np.int32)
pts = pts.reshape((-1,1,2))
cv.polylines(img,[pts],True,(0,255,255))
 
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
 
#显示图像
cv.imshow('image',img)
cv.waitKey(0)

执行效果如图3-5所示。

图3-5  执行效果

3.2.5  将鼠标作为画笔

在使用电脑绘图时，通常将鼠标作为画笔。假设我们即将创建一个应用程序，要求在双击鼠标后可以在图像上绘制一个圆。为了实现这个功能，首先创建一个鼠标回调函数，该函数在发生鼠标事件时执行。鼠标事件可以是与鼠标相关的任何事物，例如左键按下，左键按下，左键双击等。它为我们提供了每个鼠标事件的坐标(x，y)。通过此活动和地点，我们可以做任何我们喜欢的事情。通过如下Python代码，可以输出显示所有可用的鼠标事件。

import cv2 as cv
events = [i for i in dir(cv) if 'EVENT' in i]
print( events )

在作者的电脑中执行后会输出显示OpenCV-Python支持的鼠标事件：

['EVENT_FLAG_ALTKEY', 'EVENT_FLAG_CTRLKEY', 'EVENT_FLAG_LBUTTON', 'EVENT_FLAG_MBUTTON', 'EVENT_FLAG_RBUTTON', 'EVENT_FLAG_SHIFTKEY', 'EVENT_LBUTTONDBLCLK', 'EVENT_LBUTTONDOWN', 'EVENT_LBUTTONUP', 'EVENT_MBUTTONDBLCLK', 'EVENT_MBUTTONDOWN', 'EVENT_MBUTTONUP', 'EVENT_MOUSEHWHEEL', 'EVENT_MOUSEMOVE', 'EVENT_MOUSEWHEEL', 'EVENT_RBUTTONDBLCLK', 'EVENT_RBUTTONDOWN', 'EVENT_RBUTTONUP']
'
运行
运行

请看下面的实例，功能是创建一个矩形画布，当双击鼠标左键时调用函数draw_circle()绘制一个指定样式的圆。

实例3-6：绘制一个指定样式的圆

源码路径：daima\3\cv06.py

import numpy as np
import cv2 as cv
# 鼠标回调函数
def draw_circle(event,x,y,flags,param):
    if event == cv.EVENT_LBUTTONDBLCLK:
        cv.circle(img,(x,y),100,(222,220,0),-1)
# 创建一个黑色的图像，一个窗口，并绑定到窗口的功能
img = np.zeros((512,512,3), np.uint8)
cv.namedWindow('image')
cv.setMouseCallback('image',draw_circle)
while(1):
    cv.imshow('image',img)
    if cv.waitKey(20) & 0xFF == 27:
        break
cv.destroyAllWindows()

执行效果如图3-6所示。

图3-6  当双击鼠标左键时绘制圆

3.2.6  调色板程序

在OpenCV-Python中使用内置函数cv.getTrackbarPos()创建滑块，例如：

cv.createTrackbar('R','image',0,255,nothing)

在函数cv.getTrackbarPos()中，第一个参数表示滑块的名称，第二个参数是滑块附加到的窗口的名称，第三个参数是默认值，第四个参数是最大值，第五个是执行的回调函数每次跟踪栏值更改。

在下面的实例中，使用内置函数cv.getTrackbarPos()创建滑块，通过滑块可以设置屏幕的颜色。执行后先显示设置颜色窗口，以及三个用于指定B、G、R颜色的跟踪栏。通过滑动滑块可以相应地更改窗口的颜色。在默认情况下，初始颜色将设置为黑色。

实例3-7：通过滑块设置屏幕的颜色

源码路径：daima\3\cv07.py

import numpy as np
import cv2 as cv
def nothing(x):
    pass
# 创建一个黑色的图像，一个窗口
img = np.zeros((300,512,3), np.uint8)
cv.namedWindow('image')
# 创建颜色变化的轨迹栏
cv.createTrackbar('R','image',0,255,nothing)
cv.createTrackbar('G','image',0,255,nothing)
cv.createTrackbar('B','image',0,255,nothing)
# 为 ON/OFF 功能创建开关
switch = '0 : OFF \n1 : ON'
cv.createTrackbar(switch, 'image',0,1,nothing)
while(1):
    cv.imshow('image',img)
    k = cv.waitKey(1) & 0xFF
    if k == 27:
        break
    # 得到四条轨迹的当前位置
    r = cv.getTrackbarPos('R','image')
    g = cv.getTrackbarPos('G','image')
    b = cv.getTrackbarPos('B','image')
    s = cv.getTrackbarPos(switch,'image')
    if s == 0:
        img[:] = 0
    else:
        img[:] = [b,g,r]
cv.destroyAllWindows()

在上述代码中，我们创建了一个画笔开关，只有在该开关为ON的情况下，才能使用滑块设置屏幕的颜色，否则屏幕始终为黑色。执行效果如图3-7所示。

图3-7  执行效果

3.2.7  基本的属性操作

（1）访问和修改像素值

首先加载一幅指定的彩色图像：

>>> import numpy as np
 
>>> import cv2 as cv
 
>>> img = cv.imread('111.jpg')

接下来可以通过行和列坐标来访问图像的像素值。对于BGR图像来说，会返回一个由蓝色、绿色和红色值组成的数组。对于灰度图像来说，只会返回相应的灰度。

>>> px = img[100,100]
 
>>> print( px )
 
[157 166 200]
 
# 仅访问蓝色像素
 
>>> blue = img[100,100,0]
 
>>> print( blue )
 
157

也可以用相同的方式修改图像的像素值：

>>> img[100,100] = [255,255,255]
 
>>> print( img[100,100] )
 
[255 255 255]

也可以用下面的方法访问和修改像素值：

# 访问 RED 值
 
>>> img.item(10,10,2)
 
59
 
# 修改 RED 值
 
>>> img.itemset((10,10,2),100)
 
>>> img.item(10,10,2)
 
100

（2）访问图像属性

图像属性包括行数，列数和通道数，图像数据类型，像素数等。在OpenCV-Python中，可以通过img.shape访问图像的形状。img.shape会返回由行、列和通道数组成的元组（如果图像是彩色的），例如：

>>> print( img.shape )
 
(342, 548, 3)

注意：如果图像是灰度模式，则返回的元组仅包含行数和列数，因此这是检查加载的图像是灰度还是彩色的好方法。

可以通过访问img.size获得图像的像素总数：

>>> print( img.size )
562248

可以通过img.dtype获得图像的数据类型：

>>> print( img.dtype )
 
uint8

（3）为图像设置边框（填充）

如果要在图像周围创建边框（如相框），可以使用OpenCV-Python内置函数cv.copyMakeBorder()实现。函数cv.copyMakeBorder()在卷积运算和零填充等方面的应用比较常见，此函数的常用参数如下：

1. src：要处理的图像
2. top/bottom/left/right：边界的宽度（以相应方向上的像素数为单位）；
3. borderTyp：定义要添加哪种边框的标志，可以是以下类型：

1. cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。
2. cv.BORDER_REFLECT - 边框将是边框元素的镜像；

1. value：边框的颜色。

请看下面的实例，演示了使用函数cv.copyMakeBorder()为图像设置边框的过程。在Matplotlib中，为图像111.jpg设置了多种样式的边框。

实例3-8：为图像设置多种样式的边框

源码路径：daima\3\cv08.py

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv.imread('111.jpg')
replicate = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_WRAP)
constant= cv.copyMakeBorder(img1,10,10,10,10,cv.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
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')
plt.show()

执行效果如图3-8所示。

图3-8  执行效果

未完待续