cv2实现图片相关操作_cv2展示图片

目录

一、图片基本操作

1.1 显示图片

1.2 图像处理

1.3 保存图片

二、图像标注操作

2.1 文本标注和矩形标注

2.2 圆形标注

2.3 箭头标注

2.4 多边形标注

2.5 椭圆标注

2.6 轮廓标注

2.7 填充多边形

2.8 绘制轮廓外接矩形和最小闭圆

---

一、图片基本操作

1.1 显示图片

import cv2
 
# 读取图片
image = cv2.imread('image.jpg')
 
# 显示图片
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.2 图像处理

import cv2
 
# 读取图片
image = cv2.imread('image.jpg')
 
# 调整大小
resized_image = cv2.resize(image, (new_width, new_height))
 
# 裁剪
cropped_image = image[y1:y2, x1:x2]
 
# 旋转
rows, cols = image.shape[:2]
M = cv2.getRotationMatrix2D((cols/2, rows/2), angle, scale)
rotated_image = cv2.warpAffine(image, M, (cols, rows))
 
# 滤波
blurred_image = cv2.GaussianBlur(image, (kernel_size, kernel_size), sigmaX)

1.3 保存图片

 
# 保存图片
cv2.imwrite('processed_image.jpg', processed_image)

二、图像标注操作

cv2.putText            #  文本标注

cv2.rectangle         #  矩形标注

cv2.circle               #  圆形标注

cv2.arrowedLine    #  箭头标注

cv2.polylines          # 多边形标注

cv2.ellipse              # 椭圆标注

cv2.drawContours  # 轮廓

cv2.fillPoly              # 多边形填充

2.1 文本标注和矩形标注

# -*- coding: utf-8 -*-
# @Author: GraceJiang
# @Date: 2024/4/24
# @Description:
 
import cv2
 
# 读取图片
image = cv2.imread(r'F:\pythonScript\pythonProject\AI\annotation_Learning\testA\1.jpg')
 
# 添加文本标注
text = "Example Annotation"
org = (50, 50)  # 标注的起始位置
font = cv2.FONT_HERSHEY_SIMPLEX
font_scale = 1
color = (255, 0, 0)  # 标注的颜色，这里是蓝色
thickness = 2
image_with_annotation = cv2.putText(image, text, org, font, font_scale, color, thickness)
 
# 添加矩形标注
start_point = (100, 100)  # 矩形的左上角坐标
end_point = (200, 200)  # 矩形的右下角坐标
color = (0, 255, 0)  # 标注的颜色，这里是绿色
thickness = 2
image_with_annotation = cv2.rectangle(image_with_annotation, start_point, end_point, color, thickness)
 
# 显示带有标注的图片
cv2.imshow('Image with Annotation', image_with_annotation)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 圆形标注

import cv2
 
# 读取图片
image = cv2.imread(r'F:\pythonScript\pythonProject\AI\annotation_Learning\testA\1.jpg')
 
# 在图片上画圆
center_coordinates = (300, 300)  # 圆心的坐标
radius = 100                     # 圆的半径
color = (0, 255, 0)               # BGR格式的颜色值，这里是绿色
thickness = 2                    # 线条的厚度
image_with_circle = cv2.circle(image, center_coordinates, radius, color, thickness)
 
# 显示带有圆形标注的图片
cv2.imshow('Image with Circle', image_with_circle)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

2.3 箭头标注

import cv2
 
# 读取图片
image = cv2.imread(r'F:\pythonScript\pythonProject\AI\annotation_Learning\testA\1.jpg')
 
# 定义箭头起点和终点坐标
start_point = (100, 100)  # 箭头起点的坐标
end_point = (300, 300)    # 箭头终点的坐标
color = (255, 0, 255)     # BGR格式的颜色值，这里是紫色
thickness = 2             # 线条的厚度
image_with_arrow = cv2.arrowedLine(image, start_point, end_point, color, thickness)
 
# 显示带有箭头标注的图片
cv2.imshow('Image with Arrow', image_with_arrow)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

2.4 多边形标注

import cv2
import numpy as np
 
# 读取图片
image = cv2.imread(r'F:\pythonScript\pythonProject\AI\annotation_Learning\testA\1.jpg')
 
# 定义多边形顶点坐标
pts1 = np.array([[100, 50], [200, 300], [700, 200], [500, 100]], np.int32)
pts1 = pts1.reshape((-1, 1, 2))
color1 = (0, 255, 0)  # 绿色
 
pts2 = np.array([[10, 50], [400, 50], [90, 200], [50, 500]], np.int32)
pts2=pts2.reshape((-1, 1, 2))
color2 = (255, 0, 0)  # 蓝色
 
# 在图片上绘制多边形
color = (0, 0, 255)  # BGR格式的颜色值，这里是红色
thickness = 2        # 线条的厚度
image_with_polygon = cv2.polylines(image, [pts1], isClosed=True, color=color1, thickness=thickness)
image_with_polygon = cv2.polylines(image_with_polygon, [pts2], isClosed=True, color=color2, thickness=thickness)
 
# 显示带有多边形标注的图片
cv2.imshow('Image with Polygon', image_with_polygon)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

2.5 椭圆标注

import cv2
import numpy as np
 
# 创建一个空白图像
img = np.zeros((512, 512, 3), np.uint8)
 
# 定义椭圆参数
center = (256, 256)  # 椭圆中心坐标
axes = (150, 100)  # 长轴长度和短轴长度
angle = 45 #旋转角度
startAngle = 0  # 起始角度
endAngle = 360  # 结束角度
color = (0, 255, 0)  # 颜色，这里使用绿色
 
# 绘制椭圆
image_with_ellipse = cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness=3)
 
# 显示绘制的图像
cv2.imshow('Ellipse', image_with_ellipse)
cv2.waitKey(0)
cv2.destroyAllWindows()

 2.6 轮廓标注

import cv2
import numpy as np
 
# 创建一个黑色的图像
img = np.zeros((512,512,3), np.uint8)
 
# 定义轮廓坐标
contours = np.array([[100, 100], [300, 100], [200, 300]])
 
# 将轮廓转换为OpenCV需要的格式
contours = contours.reshape((-1, 1, 2))
 
# 在图像上绘制轮廓
cv2.drawContours(img, [contours], -1, (0,255,0), 3)
 
# 显示绘制的图像
cv2.imshow('Contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

2.7 填充多边形

import cv2
import numpy as np
 
# 创建一个黑色的图像
img = np.zeros((512,512,3), np.uint8)
 
# 定义多边形的顶点坐标
pts = np.array([[10, 50], [400, 50], [90, 200], [50, 500]], np.int32)
pts = pts.reshape((-1,1,2))
 
# 在图像上绘制并填充多边形
cv2.fillPoly(img, [pts], color=(0,255,0))
 
# 显示绘制的图像
cv2.imshow('Filled Polygon', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.8 绘制轮廓外接矩形和最小闭圆

import cv2
import numpy as np
 
# 生成一个示例图像
img = np.zeros((300, 300, 3), np.uint8)
cv2.rectangle(img, (50, 50), (200, 200), (255, 255, 255), -1)  # 画一个白色矩形
 
# 寻找轮廓
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 
# 复制原始图像用于绘制外接矩形和闭圆
img_with_rect = img.copy()
img_with_circle = img.copy()
 
for contour in contours:
    # 绘制轮廓外接矩形
    x, y, w, h = cv2.boundingRect(contour)
    cv2.rectangle(img_with_rect, (x, y), (x+w, y+h), (0, 255, 0), 2)
 
    # 绘制最小闭圆
    (cx, cy), radius = cv2.minEnclosingCircle(contour)
    center = (int(cx), int(cy))
    radius = int(radius)
    cv2.circle(img_with_circle, center, radius, (0, 0, 255), 2)
 
# 显示处理后的图像
cv2.imshow('Bounding Rectangle', img_with_rect)
cv2.imshow('Min Enclosing Circle', img_with_circle)
cv2.waitKey(0)
cv2.destroyAllWindows()

将图像转换为灰度图像，然后进行阈值化处理，最后找到图像中的轮廓存储在contours中.

1. ​​cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)​: 将彩色图像转换为灰度图像。在处理图像时，通常将其转换为灰度图像有助于简化处理，并减少计算量。

2. ​​ret, thresh = cv2.threshold(gray, 127, 255, 0)​: 对灰度图像进行阈值化处理。阈值化是将图像转换为二值图像的过程，即将像素值分为两类：大于阈值的部分设为255（白色），小于阈值的部分设为0（黑色）。阈值为127，超过该阈值的像素值被设为255。

3. ​​contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)​: 找到图像中的轮廓。​cv2.findContours()​ 函数用于在二值图像中查找轮廓，返回所有轮廓的列表。参数 ​thresh​ 是二值图像，​cv2.RETR_EXTERNAL​ 表示只检测外部轮廓，​cv2.CHAIN_APPROX_SIMPLE​ 表示只保留轮廓的端点信息，以节省内存。​_​ 通常被用作一个占位符，表示接收的值将被丢弃，不会在后续的代码中使用。