OpenCV 使用

发表于 更新于 分类于 ， 阅读次数： Waline： 阅读时长 ≈ 6 分钟

Python下OpenCV的使用

安装OpenCV及其扩展模块

pip install opencv-python
pip install opencv-contrib-python

cv2交换图像通道使得与matplotlib一致

众所周知 cv2 读取的颜色通道为 BGR，而不是广泛使用的 RGB，因此在使用matplotlib 进行绘制 cv2 读取的内容时，首先要进行颜色通道交换。

import cv2
import matplotlib.pyplot as plt

img_path = r'./Lenna.jpg'
img = cv2.imread(img_path)
f, axes = plt.subplots(1, 2, dpi=150, num=f'cv2 交换图像通道使得与 matplotlib 一致')

axes[0].imshow(img)
axes[0].set_title('img')
axes[1].imshow(img[:, :, (2, 1, 0)])  # 等同于 axes[1].imshow(img[:, :, ::-1])
axes[1].set_title('img[:, :, (2, 1, 0)]')  # axes[1].set_title('img[:, :, ::-1]')

cv2交换图像通道使得与matplotlib一致

图片的加载、显示、保存

参考

《Opencv轻松入门-面向python》学习记录1

示例

import cv2

img = cv2.imread(r"./Lenna.jpg")  # 默认色彩格式读取
if img is not None:  # 判断图像读取是否成功
    cv2.imshow("Lenna OpenCV imshow", img)  # 显示图片, winname 里有中文会乱码
    cv2.imwrite(r"./Lenna_opencv_save.jpg", img)  # 保存图片
    cv2.waitKey(0)  # 等待按键，防止窗口一闪而过就关了
    cv2.destroyWindow("Lenna OpenCV imshow")

img = cv2.imread(r"./Lenna.jpg", 0)  # 将图像读取为单通道的灰度图像
if img is not None:  # 判断图像读取是否成功
    cv2.imshow("Lenna OpenCV imshow GRAYSCALE", img)  # 显示图片, winname 里有中文会乱码
    cv2.imwrite(r"./Lenna_opencv_save.jpg", img)  # 保存图片
    cv2.waitKey(0)  # 等待按键，防止窗口一闪而过就关了
    cv2.destroyWindow("Lenna OpenCV imshow")

Lenna OpenCV imshow

Lenna OpenCV imshow GRAYSCALE

读取图片 cv2.imread 函数

retval = cv2.imread(filename[, flags])
参数 含义
retval 读取到的图片数据，若读取失败，则为None
filename 需要读取图片的路径，可以使用相对路径，也可以使用绝对路径
flags 可选，指定加载图片的方式，默认为1

flags常用值如下，可采用第一列参数或者第三列的数值，它们是等价的。更多参数，请参见OpenCV官方文档：OpenCV ImreadModes

参数 含义 数值
cv2.IMREAD_UNCHANGED 保持原格式不变 -1
cv2.IMREAD_GRAYSCALE 将图像读取为单通道的灰度图像 0
cv2.IMREAD_COLOR 将图像读取为3通道的BGR图像，该值是默认值 1

显示图片 cv2.imshow 函数

cv2.imshow(winname, mat)
参数 含义
winname 显示图像的窗口的名字，不建议用中文（目前中文会乱码）
mat cv2.imread读取到的图像矩阵，或者其他方式获取的图像矩阵

cv2.waitKey函数

cv2.waitKey往往搭配cv2.imshow使用，如果不使用在用cv2.imshow时窗口会一闪而过就关闭了

retval = cv2.waitKey([delay])
参数 含义
retval 表示返回值。如果没有按键被按下，则返回−1；如果有按键被按下，则返回该按键的 ASCII 码。
delay 表示等待键盘触发的时间，单位是ms。当该值是负数或者零时，表示无限等待。该值默认为0。

cv2.destoryWindow函数

cv2.destroyWindow(winname)

cv2.destroyWindow与cv2.waitKey()结合使用，winname即上述创建需要关闭的窗口名称

cv2.destroyAllWindows()

cv2.destroyAllWindows()可关闭所有窗口

保存图片cv2.imwrite函数

retval = cv2.imwrite(filename, img[, params])
参数 含义
retval 是返回值。如果保存成功，则返回逻辑值真（True）；如果保存不成功，则返回逻辑值假（False）
filename 是要保存的目标文件的完整路径名，包含文件扩展名，例如'./tmp/abc.jpg'
img 是被保存图像的名称
params 是保存类型参数，是可选的

图像缩放 cv2.resize函数

参考

《Opencv轻松入门-面向python》学习记录5

dst = cv2.resize(src, dsize[, fx[, fy[, interpolation]]])
参数 含义
dst 代表输出的目标图像，该图像的类型与src相同，其大小为dsize（当该值非零时），或者可以通过src.size()、fx、fy计算得到。
src 需要缩放的图像
dsize 代表指定输出图像的大小 格式为元组： (new_width, new_height)
fx 代表水平方向的缩放比例
fy 代表垂直方向的缩放比例
interpolation 代表插值方式

注意：参数dsize和参数fx, fy不同时使用，如果指定参数dsize的值，则无论是否指定了参数fx, fy，都由参数dsize指定目标图像的大小

情况一：通过参数dsize指定

那么就代表将原图像缩放到这个dsize = (new_width, new_height)指定的大小

情况二：通过参数fx, fy指定

当dsize为None时，dsize由fx, fy计算，dsize = Size(round(fx * src.cols), round(fy * src.rows))；

常见的interpolation插值方式如下，更多参数，请参见OpenCV官方文档，InterpolationFlags：

参数 含义
cv2.INTER_NEAREST 最临近插值
cv2.INTER_LINEAR 双线性插值(默认方式)
cv2.INTER_CUBIC 三次样条插值

示例

import cv2

img = cv2.imread(r"./Lenna.jpg")  # 默认色彩格式读取
if img is not None:  # 判断图像读取是否成功
    img_resize = cv2.resize(img, (500,500))
    cv2.imshow("Lenna OpenCV imshow", img)  # 显示图片, winname 里有中文会乱码
    cv2.imshow("Lenna OpenCV imshow resize 500*500", img_resize)  # 显示图片, winname 里有中文会乱码
    cv2.waitKey(0)  # 等待按键，防止窗口一闪而过就关了
    cv2.destroyWindow("Lenna OpenCV imshow")
    cv2.destroyWindow("Lenna OpenCV imshow resize 500*500")

Lenna OpenCV imshow resize 500*500

dst与src坐标对应关系

原始图像src与cvc2.resize()后图像dst坐标对应关系

srcx=(dstx+0.5)×srcwidthdstwidth−0.5src_x = (dst_x + 0.5) \times \frac{src_{width}}{dst_{width}} - 0.5

srcy=(dsty+0.5)×srcheightdstheight−0.5src_y = (dst_y + 0.5) \times \frac{src_{height}}{dst_{height}} - 0.5

得出方式

首先易知双线性插值坐标关系

srcx=dstx×srcwidthdstwidthsrc_x = dst_x \times \frac{src_{width}}{dst_{width}}

srcy=dsty×srcheightdstheightsrc_y = dst_y \times \frac{src_{height}}{dst_{height}}

cvc2.resize()认为每个像素点代表该格子的中心，则有

srcx+0.5=(dstx+0.5)×srcheightdstheightsrc_x+0.5 = (dst_x+0.5) \times \frac{src_{height}}{dst_{height}}

srcy+0.5=(dsty+0.5)×srcheightdstheightsrc_y+0.5 = (dst_y+0.5) \times \frac{src_{height}}{dst_{height}}

图像平滑处理

参考

《Opencv轻松入门-面向python》学习记录7

高斯滤波 cv2.GaussianBlur

dst = cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])
参数 含义
src 需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F或者CV_64F中的一种。
ksize 滤波核的大小
sigmaX 卷积核在水平方向上（X 轴方向）的标准差，其控制的是权重比例
sigmaY 卷积核在垂直方向上（Y 轴方向）的标准差
如果 sigmaX 和 sigmaY 都是 0，则通过 ksize.width 和 ksize.height 计算得到。
其中：
sigmaX = 0.3×[(ksize.width-1)×0.5-1] + 0.8
sigmaY = 0.3×[(ksize.height-1)×0.5-1] + 0.8
borderType 是边界样式，该值决定了以何种方式处理边界。一般情况下，使用默认值即可。更多请参见OpenCV官方文档：BorderTypes

示例

import cv2

img_o = cv2.imread(r"./Lenna.jpg")  # 默认色彩格式读取
if img_o is not None:  # 判断图像读取是否成功
    img_r = cv2.GaussianBlur(img_o, ksize=(9, 9), sigmaX=0, sigmaY=0)
    cv2.imshow("original", img_o)  # 显示原始图像
    cv2.imshow("GaussianBlur result", img_r)  # 显示高斯滤波后图像
    cv2.waitKey()  # 等待按键，防止窗口一闪而过就关了
    cv2.destroyAllWindows()  # 关闭所有窗口

original & GaussianBlur result

2D卷积

dst = cv2.filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])
参数 含义
src 需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F或者CV_64F中的一种
ddepth 是处理结果图像的图像深度，一般使用-1表示与原始图像使用相同的图像深度
kernel 是卷积核，是一个单通道的数组。这个kernel就是自己自定义的
anchor 是锚点，其默认值表示当前计算均值的点位于核的中心点位置。一般使用默认值即可。
delta 是修正值，它是可选项。使用默认值即可。
borderType 是边界样式，该值决定了以何种情况处理边界，通常使用默认值即可。更多请参见OpenCV官方文档：BorderTypes

示例

import cv2
import numpy as np

img_o = cv2.imread(r"./Lenna.jpg")  # 默认色彩格式读取
if img_o is not None:  # 判断图像读取是否成功
    kernel = np.array([[1, 1, 1], [1, 2, 1], [1, 1, 1]], dtype=np.float32) / 10  # 自定义卷积核 
    img_r = cv2.filter2D(img_o, -1, kernel)
    print(f'kernel = \n{kernel}')
    cv2.imshow("original", img_o)  # 显示原始图像
    cv2.imshow("filter2D result", img_r)  # 显示filter2D后图像
    cv2.waitKey()  # 等待按键，防止窗口一闪而过就关了
    cv2.destroyAllWindows()  # 关闭所有窗口

输出

kernel = 
[[0.1 0.1 0.1]
 [0.1 0.2 0.1]
 [0.1 0.1 0.1]]

original & filter2D result

直方图

参考

《Opencv轻松入门-面向python》学习记录13

matplotlib.pyplot.hist方式呈现

  • matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)[source]

bins: 直方图横轴密度

range: 数据分布范围

import cv2
import matplotlib.pyplot as plt

img = cv2.imread(r"./Lenna.jpg", 0)  # 将图像读取为单通道的灰度图像
if img is not None:  # 判断图像读取是否成功
    plt.figure(dpi=200)
    plt.imshow(img, cmap='gray')

    data_ravel = img.ravel()  # 展成一维
    plt.figure(dpi=200)
    plt.hist(data_ravel, bins=data_ravel.max() - data_ravel.min())
    plt.show()

matplotlib.pyplot.hist方式呈现

形态学操作

参考

OpenCV图像处理-平滑处理、形态学操作

形态学图像处理（一）：膨胀与腐蚀

✔️ 包括膨胀、腐蚀、开运算和闭运算等形态学操作

✔️ OpenCV函数：cv2.erode(), cv2.dilate(), cv2.morphologyEx()

膨胀

pass

腐蚀

pass

开运算

pass

闭运算

pass