Python opencv图像处理基础总结(一)

学过的知识，会过时、会遗忘，但在努力过程中学会的处事态度和做事习惯，都会留在骨子里，变成我们的一部分。

Open Source Computer Vision Library，OpenCV于1999年由Intel建立，如今由Willow Garage提供支持。OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、MacOS操作系统上。它轻量而且高效——由一系列 C 函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

1. 环境搭建：

pip install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install opencv-contrib-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install pytesseract -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

• 1
• 2
• 3

安装opencv的扩展模块

2. 读取并显示图片

import cv2 as cv


def get_image_info(image):
    print(type(image))      # <class 'numpy.ndarray'>
    print(image.shape)      # 高度 宽度  通道数
    print(image.size)       # 像素大小
    print(image.dtype)      # 数据类型


src = cv.imread(r'D:\python\pycharm2020\test\004.jpg')
cv.imshow("input image", src)
get_image_info(src)
cv.waitKey(0)
cv.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

运行结果如下：

<class 'numpy.ndarray'>
(500, 500, 3)
750000
uint8

• 1
• 2
• 3
• 4

3. 读取视频和调用本地摄像头

import cv2 as cv


def read_video():
    cap = cv.VideoCapture(r'D:\beauty\video\test.mp4')
    while True:
        ret, frame = cap.read()
        if ret == False:
            break
        cv.imshow('video', frame)
        cv.waitKey(20)

read_video()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

import cv2 as cv

# 调用笔记本内置镜头


    

cap = cv.VideoCapture(0, cv.CAP_DSHOW)

while True:
    ret, frame = cap.read()
    frame = cv.flip(frame, 1)
    cv.imshow('video', frame)   # 显示镜头捕获的每一帧
    if cv.waitKey(100) & 0xff == ord('q'):   # 按q退出
        break

cap.release()
cv.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14

释放摄像头对象时错误：

SourceReaderCB::~SourceReaderCB terminating async callback

• 1

解决方法：

cap = cv.VideoCapture(0, cv.CAP_DSHOW)

• 1

4. 色彩空间转换API的调用

import cv2 as cv


def color_space_transform(img):
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    cv.imshow('gray', gray)

    hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
    cv.imshow('hsv', hsv)

    hls = cv.cvtColor(img, cv.COLOR_BGR2HLS)
    cv.imshow('hls', hls)

    YCrCb = cv.cvtColor(img, cv.COLOR_BGR2YCrCb)
    cv.imshow('YCrCb', YCrCb)

    yuv = cv.cvtColor(img, cv.COLOR_BGR2YUV)
    cv.imshow('yuv', yuv)


src = cv.imread(r'D:\python\pycharm2020\test\004.jpg')
src = cv.resize(src, None, fx=0.5, fy=0.5)
cv.imshow('src', src)
color_space_transform(src)
cv.waitKey(0)
cv.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26

运行效果如下：

5. InRage函数的使用，追踪特定颜色

函数的参数意义：第一个参数为原数组，可以为单通道，多通道。第二个参数为下界，第三个参数为上界
mask = cv2.inRange(hsv, lower_blue, upper_blue)

• 第一个参数：hsv指的是原图（原始图像矩阵）
• 第二个参数：lower_blue指的是图像中低于这个lower_blue的值，图像值变为0
• 第三个参数：upper_blue指的是图像中高于这个upper_blue的值，图像值变为0(0代表黑色)

而在lower_blue～upper_blue之间的值变成255 (255代表白色)

即：opencv的inRange函数可提取特定颜色，使特定颜色变为白色，其他颜色变为黑色，从而实现图像的二值化处理。

HSV颜色对应的RGB分量范围表如下：（这里是三通道的）

测试所用图像如下：

追踪绿色，代码如下：

import cv2 as cv
import numpy as np


def tracking_colors(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    # 追踪绿色
    lower_hsv = np.array([35, 43, 46])
    upper_hsv = np.array([77, 255, 255])
    mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv)
    cv.imshow('mask', mask)
    cv.waitKey(0)
    cv.destroyAllWindows()

src = cv.imread(r'D:\python\pycharm2020\test\001.jpg')
tracking_colors(src)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16

运行效果如下：

追踪蓝色，代码如下：

import cv2 as cv
import numpy as np


def tracking_colors(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    # 追踪蓝色
    lower_hsv = np.array([100, 43, 46])
    upper_hsv = np.array([124, 255, 255])
    mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv)
    cv.imshow('mask', mask)
    cv.waitKey(0)
    cv.destroyAllWindows()

src = cv.imread(r'D:\python\pycharm2020\test\001.jpg')
tracking_colors(src)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16

运行效果如下：

通道分离与合并

import


    
 cv2 as cv


src = cv.imread(r'D:\python\pycharm2020\test\004.jpg')
src = cv.resize(src, None, fx=0.5, fy=0.5)
b, g, r = cv.split(src)     # 分离
cv.imshow('blue', b)
cv.imshow('green', g)
cv.imshow('red', r)
cv.imshow('src', src)
cv.waitKey(0)
cv.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

运行效果如下：

import cv2 as cv


src = cv.imread(r'D:\python\pycharm2020\test\004.jpg')
b, g, r = cv.split(src)
src[:, :, 2] = 0    # 修改了的图片
cv.imshow('changed src', src)
src1 = cv.merge((b, g, r))   # 合并得到原来的图片
cv.imshow('merged src', src1)
cv.waitKey(0)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

运行效果如下：

6. 像素运算

算数运算：

像素的算术运算涉及加减乘除等基本运算(要进行算术运算，两张图片的shape必须一样)

实例如下：

import cv2 as cv


def add_demo(m1, m2):   # 像素的加运算
    dst = cv.add(m1, m2)
    cv.imshow("add_demo", dst)


def subtract_demo(m1, m2):   # 像素的减运算
    dst = cv.subtract(m1, m2)
    cv.imshow("subtract_demo", dst)


def divide_demo(m1, m2):   # 像素的除法运算
    dst = cv.divide(m1, m2)
    cv.imshow("divide_demo", dst)


def multiply_demo(m1, m2):   # 像素的乘法运算
    dst = cv.multiply(m1, m2)
    cv.imshow("multiply_demo", dst)


src1 = cv.imread(r'D:\python\pycharm2020\test\007.png')
src2 = cv.


    
imread(r'D:\python\pycharm2020\test\008.png')
cv.imshow('image1', src1)
cv.imshow('image2', src2)
# 像素的算术运算(加、减、乘、除)   两张图片必须shape一致
add_demo(src1, src2)
subtract_demo(src1, src2)
divide_demo(src1, src1)
multiply_demo(src1, src2)

cv.waitKey(0)
cv.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35

运行效果如下：

像素的逻辑运算：

像素的逻辑运算涉及与、或、非、异或等基本运算(要进行逻辑运算，两张图片的shape必须一样)

实例如下：

import cv2 as cv


def and_demo(m1, m2):     # 与运算  每个像素点每个通道的值按位与
    dst = cv.bitwise_and(m1, m2)
    cv.imshow("and_demo", dst)


def or_demo(m1, m2):      # 或运算   每个像素点每个通道的值按位或
    dst = cv.bitwise_or(m1, m2)
    cv.imshow("or_demo", dst)


def not_demo(m1):         # 非运算 每个像素点每个通道的值按位取反
    dst = cv.bitwise_not(m1)
    cv.imshow("not_demo", dst)


src1 = cv.imread(r'D:\python\pycharm2020\test\007.png')
src2 = cv.imread(r'D:\python\pycharm2020\test\008.png')
cv.imshow('image1', src1)
cv.imshow('image2', src2)
# 像素的逻辑运算(与、或、非)  两张图片必须shape一致
and_demo(src1, src2)
or_demo(src1, src2)
not_demo(src1)

cv.waitKey(0)
cv.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29

运行效果如下：

调节图片对比度和亮度：

简单测试如下：

import cv2 as cv
import numpy as np


def adjust_brightness_image(image, c, b):  # 第2个参数rario为对比度  第3个参数b为亮度
    height, width, channels = image.shape
    blank = np.zeros([height, width, channels], image.dtype)  # 新建的一张全黑图片和img1图片shape类型一样，元素类型也一样
    dst = cv.addWeighted(image, c, blank, 1 - c, b)
    cv.imshow("adjust_contrast_brightness", dst)


src = cv.imread(r'D:\python\pycharm2020\test\004.jpg')
cv.imshow("first", src)
# 调节图片对比度和亮度      contrast and brightness (1.2, 100)  (2.5, 0) (0.5 10)
adjust_brightness_image(src, 1.2, 100)
cv.waitKey(0)
cv.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17

运行效果如下：