opencv 小结【甲】

图片读取 cv2.imread()图片展示 cv2.imshow(name,img)彩图读取返回数组时B G R不是RGBcv2.waitKey(0)等待时间，表示毫秒级，0代表任意键终止def cv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()im=cv2.imread(r'C:\Users\hk

骑驴_找马

5174人浏览 · 2022-03-25 20:43:47

骑驴_找马 · 2022-03-25 20:43:47 发布

图片读取 cv2.imread()

图片展示 cv2.imshow(name,img)

彩图读取返回数组时 B G R 不是RGB

cv2.waitKey(0) 等待时间，表示毫秒级，0代表任意键终止

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

im=cv2.imread(r'C:\Users\hk\Desktop\opencv\fate.png')
print(im.shape)
cv_show("001",im)

此代码可以在展示图片时，按动任意键结束展示

    cv2.IMREAD_COLOR  彩色图像
    cv2.IMREAD_GRAYSCALE   灰度图像

cv2.imread(）中加入此参数可以改变返回值

imgray=cv2.imread(r'C:\Users\hk\Desktop\opencv\fate.png',cv2.IMREAD_GRAYSCALE)
print(imgray.shape)
cv_show("002",imgray)

imgray=cv2.imread(r'C:\Users\hk\Desktop\opencv\fate.png',cv2.IMREAD_COLOR)
print(imgray.shape)
cv_show("002",imgray)

保存图片

cv2.imwrite(路径,图片)

cv2.imwrite(r'C:\Users\hk\Desktop\opencv\fateGray.png',imgray)

查看图片大小，形状

im.shape 返回（高度，宽度）=（y，x）

im.size

    读取视频

vc=cv2.VideoCapture(路径) 读取视频传入视频流

vc.isOpened() 检查是否打开正确

openv,fram=vc.read() 视频流获取一帧图片，返回布尔值(是否成功获取)，与这一帧图像

0xFF==27 表示退出键 0xFF == ord('q') 表示按“q”键退出

release()释放摄像头

destroyAllWindows()关闭所有图像窗口

vc=cv2.VideoCapture(r"C:\Users\hk\Desktop\opencv\v.mp4")

if vc.isOpened():
    openv,frame=vc.read()
else:
    openv=False


while openv:
    ret,frame=vc.read()
    if frame is None:
        break
    if ret == True:
        gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        cv2.imshow('result',gray)
        if cv2.waitKey(200) & 0xFF==27:
            break
vc.release()
cv2.destroyAllWindows()

 截取图片

本质是数组切片

img=cv2.imread(r'C:\Users\hk\Desktop\opencv\fate.png')
fate=img[100:600,0:1000]
cv2.imwrite(r'C:\Users\hk\Desktop\opencv\fate-2.png',fate)
cv_show('fate',fate)

颜色通道提取 与 组合

b,g,r=cv2.split(img)
print(b,b.shape)
print(g,g.shape)
print(r,r.shape)

imgCopy=cv2.merge((b,b,r))
cv_show('',imgCopy)
imgCopy.shape

#只保留R
cimg=img.copy()

cimg[:,:,0]=0
cimg[:,:,1]=0

cv_show('',cimg)

边界填充

cv2.copyMakeBorder（图片，顶宽，底宽，左宽，右宽，填充类型）

cv2.BORDER_REPLICATE 复制边部一条像素
cv2.BORDER_REFLECT 镜像复制
cv2.BORDER_REFLECT_101 镜像复制（不复制最边的一条像素）
cv2.BORDER_WRAP 重复
cv2.BORDER_CONSTANT,value=0 纯色填充

img=cv2.imread(r'C:\Users\hk\Desktop\opencv\3.jpg')
topSize,bottomSize,leftSize,rightSize=(300,300,300,300)

i1=cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_REPLICATE)
i2=cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_REFLECT)
i3=cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_REFLECT_101)
i4=cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_WRAP)
i5=cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_CONSTANT,value=0)

plt.figure(figsize=(30,25))
plt.subplot(231),plt.imshow(img[:,:,[2,1,0]]),plt.title('1')
plt.subplot(232),plt.imshow(i1[:,:,[2,1,0]]),plt.title('2')
plt.subplot(233),plt.imshow(i2[:,:,[2,1,0]]),plt.title('3')
plt.subplot(234),plt.imshow(i3[:,:,[2,1,0]]),plt.title('4')
plt.subplot(235),plt.imshow(i4[:,:,[2,1,0]]),plt.title('5')
plt.subplot(236),plt.imshow(i5[:,:,[2,1,0]]),plt.title('6')

数值计算

img1+100+img2 计算结果会自动取余（x%256）

cv2.add(img1,img2) 若结果大于255则取255

img1=cv2.imread(r'C:\Users\hk\Desktop\opencv\3.jpg')
img1=cv2.imread(r'C:\Users\hk\Desktop\opencv\2.jpg')

cv_show('',img1)
img1_1=img1-20
cv_show('',img1_1)

注意相加时形状大小一致

cv_show('',img1+img2[:450,:720])
cv_show('',cv2.add(img1,img2[:450,:720]))

图片拉伸 cv2_resize(图片，（宽，高）) 像素

cv_show('',cv2.resize(img2,(880,450)))

也可以通fx,fy调整，意思是原宽高的倍数

cv_show('',cv2.resize(img2,(0,0),fx=1,fy=1.5))

图像融合

cv2.addWeighted(图片1，占比1，图片2，占比2，偏移量)

图片1*占比1+图片2*占比2+偏移量

out=cv2.addWeighted(img1,0.6,img2[:450,:720],0.4,0)
plt.imshow(out[:,:,[2,1,0]])

out=cv2.addWeighted(img1,0.3,img2[:450,:720],0.7,0)
plt.imshow(out[:,:,[2,1,0]])

图像阈值

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

src 输入图 thresh 阈值 maxval 超过阈值所赋的值

dst 输出图

type :

THRESH_BINARY 超过阈值部分取maxval,否则取0
THRESH_BINARY_INV 上式反转
THRESH_TRUNC 超过阈值的部分设为maxval,否则不变
THRESH_TOZERO 超过阈值的部分不变，否则取0
THRESH_TOZERO_INV 上式反转

imgray=cv2.imread(r'C:\Users\hk\Desktop\opencv\fate.png')
ret,thresh1=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(imgray,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(imgray,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(imgray,127,255,cv2.THRESH_TOZERO_INV)

images=[imgray,thresh1,thresh2,thresh3,thresh4,thresh5]

plt.figure(figsize=(30,15))
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.imshow(images[i][:,:,[2,1,0]],'gray')
    
plt.show()

imgray=cv2.imread(r'C:\Users\hk\Desktop\opencv\fate.png',cv2.IMREAD_GRAYSCALE)
cv_show("002",imgray)
ret,thresh1=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(imgray,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(imgray,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(imgray,127,255,cv2.THRESH_TOZERO_INV)

images=[imgray,thresh1,thresh2,thresh3,thresh4,thresh5]

plt.figure(figsize=(30,15))
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.imshow(images[i],"gray")
    
plt.show()

图形平滑处理

均值滤波 cv2.blur(图片，（x,y）) (x,y)卷积核大小

方框滤波 cv2.boxFilter(图片，-1，(x,y),normalize=True) 基本与均值滤波一样，可以选择归一化 -1 表示颜色通道一致 normalize=True 归一化（防止越界） normalize=False一旦越界取255

高斯滤波 cv2.GaussianBlur(图片，(x,y)，sigmaX X方向上的高斯核标准偏差)

中值滤波 cv2.medianBlur(图片，卷积核大小）

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\c.png")
blur=cv2.blur(img,(3,3))
cv_show('',blur)
box1=cv2.boxFilter(img,-1,(3,3),normalize=True)
cv_show('',box1)
box2=cv2.boxFilter(img,-1,(3,3),normalize=False)
cv_show('',box2)
gaussian=cv2.GaussianBlur(img,(7,7),1)
cv_show('',gaussian)
median=cv2.medianBlur(img,5)
cv_show('',median)

数组连接横向 np.hstack((1,2,3...))

纵向np.vstack((1,2,3...))

res=np.hstack((img,blur,box1,box2,gaussian,median))
plt.imshow(res[:,:,[2,1,0]])

res=np.vstack((img,blur,box1,box2,gaussian,median))
plt.imshow(res[:,:,[2,1,0]])

形态学——腐蚀操作

cv2.erode(图片，卷积核，iterations迭代次数)

test=cv2.imread(r"C:\Users\hk\Desktop\opencv\0.png")

kernel1=np.ones((5,5),np.uint8)
kernel2=np.ones((17,17),np.uint8)


out11=cv2.erode(test,kernel1,iterations=3)
out13=cv2.erode(test,kernel1,iterations=6)
out21=cv2.erode(test,kernel2,iterations=3)
out23=cv2.erode(test,kernel2,iterations=6)

out=np.hstack((test,out11,out13,out21,out23))
plt.imshow(out)

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\8.jpg")

kernel=np.ones((5,5),np.uint8)
plt.imshow(cv2.erode(img,kernel,iterations=3)[:,:,[2,1,0]])

原图

膨胀操作

cv2.dilate(图片，卷积核，iterations迭代次数)

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\9.png")

kernel=np.ones((3,3),np.uint8)
kernel2=np.ones((5,5),np.uint8)
out11=cv2.dilate(test,kernel1,iterations=1)
out13=cv2.dilate(test,kernel1,iterations=20)
out21=cv2.dilate(test,kernel2,iterations=1)
out23=cv2.dilate(test,kernel2,iterations=20)

out=np.hstack((img,out11,out13,out21,out23))
plt.imshow(out)

开运算 与 闭运算

cv2.morphologyEx(图片，类型，卷积核)

开：先腐蚀后膨胀 cv2.MORPH_OPEN

闭：先膨胀后腐蚀 cv2.MORPH_CLOSE

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\p.png")

kernel=np.ones((7,7),np.uint8)

imOpen=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
imClose=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

out=np.hstack((img,imOpen,imClose))

plt.imshow(out)

梯度运算

本质：膨胀 — 腐蚀

cv2.morphologyEx(图片，cv2.MORPH_GRADIENT，卷积核)

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\0.png")
kernel=np.ones((7,7),np.uint8)

imd=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

plt.imshow(imd)

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\0.png")
kernel=np.ones((7,7),np.uint8)

out1=cv2.erode(img,kernel,iterations=1)
out2=cv2.dilate(img,kernel,iterations=1)
imd=out2-out1
#imd=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

plt.imshow(imd)

礼帽 = 原始数据 - 开运算结果
黑帽 = 闭运算 - 原始数据

MORPH_TOPHAT 礼帽
MORPH_BLACKHAT 黑帽

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\o.png")
kernel=np.ones((7,7),np.uint8)

out1=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
out2=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

plt.subplot(121),plt.imshow(out1)
plt.subplot(122),plt.imshow(out2)

plt.show()

Sobel 算子

-1 0 1 -1 -2 -1

-2 0 2 0 0 0

-1 0 1 1 2 1

cv2.Sobel(src,ddepth,dx,dy,ksize)

ddepth:图像深度一般选 -1；表示输入输出深度一致

dx,dy表示水平，竖直方向

ksize 是Sobel算子大小

cv2.convertScaleAbs(图片) 将图片数组数值绝对值化，否则负数将视为0；

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\0.png")
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx=cv2.convertScaleAbs(sobelx)

plt.subplot(121),plt.imshow(img)
plt.subplot(122),plt.imshow(sobelx)

plt.show()

img=cv2.imread(r"C:\Users\hk\Desktop\opencv\0.png")
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely=cv2.convertScaleAbs(sobely)

plt.subplot(121),plt.imshow(img)
plt.subplot(122),plt.imshow(sobely)

plt.show()

sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
plt.imshow(sobelxy)

直接将dx，dy设为1，1 的缺陷

im=cv2.imread(r'C:\Users\hk\Desktop\opencv\3.3.jpg',cv2.IMREAD_GRAYSCALE)

sobelx=cv2.Sobel(im,cv2.CV_64F,1,0,ksize=3)
sobelx=cv2.convertScaleAbs(sobelx)
sobely=cv2.Sobel(im,cv2.CV_64F,0,1,ksize=3)
sobely=cv2.convertScaleAbs(sobely)

sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

# plt.subplot(121),plt.imshow(im,'gray')
# plt.subplot(122),plt.imshow(sobelxy,'gray')
# plt.show()
cv_show('',im)
cv_show('',sobelxy)

Scharr 算子
laplacian 算子

cv2.Scharr(图像，cv2.CV_64F,dx,dy)

cv2.Laplacian(图像，cv2.CV_64F)

scharr:

-3 0 3 -3 -10 -3

-10 0 10 0 0 0

-3 0 3 3 10 3

laplacin:

0 1 0 

1 -4 1

0 1 0

im=cv2.imread(r'C:\Users\hk\Desktop\opencv\2.jpg',cv2.IMREAD_GRAYSCALE)

sobelx=cv2.Sobel(im,cv2.CV_64F,1,0,ksize=3)
sobelx=cv2.convertScaleAbs(sobelx)
sobely=cv2.Sobel(im,cv2.CV_64F,0,1,ksize=3)
sobely=cv2.convertScaleAbs(sobely)
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

scharrx=cv2.Scharr(im,cv2.CV_64F,1,0)
scharrx=cv2.convertScaleAbs(scharrx)
scharry=cv2.Scharr(im,cv2.CV_64F,0,1)
scharry=cv2.convertScaleAbs(scharry)
scharrxy=cv2.addWeighted(scharrx,0.5,scharry,0.5,0)

laplacian=cv2.Laplacian(im,cv2.CV_64F)
laplacian=cv2.convertScaleAbs(laplacian)

plt.figure(figsize=(30,15))
plt.subplot(221),plt.imshow(im,'gray')
plt.subplot(222),plt.imshow(sobelxy,'gray')
plt.subplot(223),plt.imshow(scharrxy,'gray')
plt.subplot(224),plt.imshow(laplacian,'gray')
plt.show()

Canny    边缘检测

.............................【乙】

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

Semgrep与AI：智能代码审计规则开发实战（二）

2048 AI社区

8个AI论文软件推荐，专科生轻松搞定毕业论文！

2048 AI社区

碳纤维3D打印：当轻量化强度，成为触手可及的制造现实

从确保制造一致性的“卓越的重复精度”，到激发客户“创新潜能”的深度合作，再到为匹克（PEAK）这样的大型企业实现定制化批量制造所提供的“一站式专业服务”，Raise3D的每一步都建立在将尖端技术工程化、可靠化的基础之上。Raise3D的工业级设备在设计之初就考虑了这些高要求，采用了耐用设计以延长关键部件在打印 abrasive（磨蚀性）材料时的寿命，从而在提供强大打印能力的同时，致力于控制长期的维