OpenCV图像识别实战 第二节 opencv-python基本编程(1)_opencv-python实战

先找个图像基础看一看，几分钟就行了，知道计算机下图像是什么样的。不然问我为什么要用数字，用矩阵...我真回答不上来

这里的代码实现的环境 python 版本3.6.3，  opencv-python版本3.4.1.15

仅供参考

目录

1.引包

2.读取图像

3.显示图像

4.打印图像矩阵

5.保存图像

6.颜色通道B,R,G获取

7.边界填充

8.opencv视频读取与处理

9.ROI区域

10.数值计算

1.引包（如果没有，则代表你的anaconda环境里没有，请下载到anaconda环境，或者切换anaconda环境）

import cv2
import numpy as np
import matplotlib.pyplot as plt #这一条是用matplotlib，如果没有可不输入，matplotlib是图像处理的插件，还是比较好用的，推荐装到环境中

2.读取图像（我的图像命名是girl1.jpg）

彩色图像的读取

# 读取图像(如果图片是在计算机内，而没有放在python项目中，path是你的电脑存储图像的路径)
path = 'C:/Users/13758/Pictures/test/'
img = cv2.imread(path + "girl1.jpg")
#读取图像（如果图像放在python下）
img = cv2.imread("girl1.jpg")

灰度图像的读取 

#读取灰度图
img = cv2.imread("girl1.jpg",cv2.IMREAD_GRAYSCALE)

3.显示图像

# 下面两行是opencv 显示
cv2.imshow('girl1',img)
cv2.waitKey(1000)   #cv2.waitkey（）表示图片滞留时间，若括号内为0，则按任意键结束放映，若为1000，则1000毫秒后自动结束放映

# 下面是三行matplotlib 显示
plt.imshow(img)
plt.axis('off')
plt.show()

若运行上面三行则可以发现图像变蓝，OpenCV读取图片(cv2.imread())后，图像的颜色通道顺序是[B, G, R]，和matplotlib读取图片(plt.imread())后，图像的颜色通道顺继续[R, G, B]恰好是相反的。这时，我们要想让图片正常显示，需要进行通道交换。

img = img[:,:,(2,1,0)] # 交换B和R通道 matplotlib显示图像
plt.imshow(img)
plt.axis('off')
plt.show()

4.打印图像矩阵

# 下面2行为读取图像数据矩阵
pixel_data = np.array(img)
print(pixel_data)
 
print(img.shape) #打印宽度，高度，通道数
print(img.size)  #打印图像像素大小
print(img.dtype) #打印数据类型

5.保存图像

saveFile = "C:/Users/13758/Pictures/test/girl2.jpg"
cv2.imwrite(saveFile,img)

使用函数cv2.imwrite(file，img，num)保存一个图像。第一个参数是要保存的文件名，第二个参数是要保存的图像。可选的第三个参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95;对于png ,第三个参数表示的是压缩级别。默认为3. 

6.颜色通道B,R,G获取

#颜色通道提取
# 分离 b,r,g通道
b,r,g = cv2.split(img)
print(r) #打印r通道
print(r.shape)
# 整合 b,r,g通道
img = cv2.merge((b,g,r))
print(img.shape)
 
#只保留R
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv2.imshow('R',cur_img)
cv2.waitKey(1000)
 
#只保留G
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv2.imshow('G',cur_img)
cv2.waitKey(1000)
 
#只保留R
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv2.imshow('B',cur_img)
cv2.waitKey(1000)

7.边界填充 （会在特征提取中用到）

简单理解就是把图像四周的扩大，那扩大后的区域拿什么来填充的问题

一般就是下面5种扩充的方式

#BORDER_REPLICATE：复制法，也就是复制最边缘像素。 #BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb #BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba #BORDER_WRAP：外包装法cdefgh|abcdefgh|abcdefg #BORDER_CONSTANT：常量法，常数值填充，需要在函数中填入常数参数。

复制法的代码实现

top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
cv2.imshow('replicate',replicate)
cv2.waitKey(0)

其它几种方法实现的代码差不多，下面附上，你也可以改成用opencv查看，这里用的是plt查看

# 填充的范围
#top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
# 填充
#replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
#reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
#reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
#wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
#constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)
# 展示填充效果
#plt.subplot(231), plt.imshow(img, '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()

各种效果图就像下面这样

 8.opencv视频读取与处理（我的视频叫test1)

#vc = cv2.VideoCapture("C:/Users/13758/Pictures/test/test1.mp4") #(如果视频在计算机内，自己指定路径)
vc = cv2.VideoCapture('test1.mp4') #(如果视频在python中）
#检查是否打开正确
if vc.isOpened():
    oepn, frame = vc.read()  #oepn为返回值，读取第一帧 oepn的值为True或者False ,frame为当前图像
else:
    open = False
 
while open: #只要能打开，遍历每一帧
       ret, frame = vc.read()  #读取
       if frame is None:
           break     #如果图像为空，跳出来
       if ret == True:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  #这里我转为黑白图像查看（灰度图像）
            cv2.imshow('result', gray)    #展示结果
            if cv2.waitKey(60) & 0xFF == 27:  #waitkey() 类似于帧率 0xff == 27 表示退出快捷键退出
                break
vc.release()
cv2.destroyWindow()  #销毁窗口，如果不销毁，关闭的时候就会卡一下

这里可能会有疑问？为什么图像的处理代码那么简单，视频这么麻烦？

可以看出这是个循环语句。因为视频是图像连起来形成的，所以处理视频的方式就是一帧一帧图像处理，所以处理完这一张继续处理下一张，这就形成了我们的视频处理，所以要循环，通俗易懂吧，好好揣摩一下。

9.ROI区域 region of intrest(截取图像特定区域)

就是截图！你感兴趣的区域截取出来。

img=cv2.imread("girl1.jpg")
girl=img[600:800,800:900]
cv2.imshow('girl1',girl)
cv2.waitKey(0)

 第二行意思就是你要截取第几个像素点到第几个像素点，长和宽各取一次。

10.数值计算

这里我的图片一张叫girl1，另一张叫cat1

打印下图片矩阵，观察下图像矩阵

arraycat = np.array(img_cat)
print(arraycat)
arraygirl =  np.array(img_girl)
print(arraygirl)

+法的运算（这里只打印前五行，查看下结果）

# +法
img_cat2 = arraycat + 10
print(img_cat2[:5,:,0]) #打印前5行
print(arraycat[:5,:,0])

两张图片的+法

# +法（2） 超过256相当于% 256
img_cat3 = img_cat2 + arraycat
print(img_cat3[:5,:,0])

add法的运算

# add法 超过255就是最大255
img_cat4 = cv2.add(img_cat2,arraycat)
print(img_cat4)

add法与＋法的区别就是如果图像的像素点值超过最大值255的处理，+法会取余数，而add法直接截至255（像素的值不会超过255）

图像融合（两张相同shape的图才能互相融合，记得改shape）

#图像融合
#shape值一样才能融合 用resize使得图像shape一样
img_cat = cv2.resize(img_cat,(2400,1600))
img_girl = cv2.resize(img_girl,(2400,1600))
res = cv2.addWeighted(img_cat,0.4,img_girl,0.6,0) #这里你可以看成加权操作
cv2.imshow('res',res)
cv2.waitKey(3000)

图像融合起来就是这样的效果

如图，有点像重影的感觉

这章先这样，都是很基础的操作，

自己实现一下，很简单的，过一遍就会了。

后面会附上代码包。

(82条消息) opencv-python学习代码-Python文档类资源-CSDN文库