图像处理OpenCV(2)——OpenCV基本操作之图像的基础操作

文章目录

  • 2.OpenCV基本操作
    • 2.1 图像的IO操作
      • 2.1.1 读取图像
      • 2.1.2 显示图像
      • 2.1.3 保存图像
      • 2.1.4总结
    • 2.2 绘制几何图形
      • 2.2.1 绘制直线
      • 2.2.2绘制圆形
      • 2.2.3绘制矩形
      • 2.2.4向图像中添加文字
      • 2.2.5效果显示
    • 2.3获取并修改图像中的像素点
    • 2.4获取图像的属性
    • 2.5图像通道的拆分与合并
    • 2.6色彩空间的改变

2.OpenCV基本操作

2.1 图像的IO操作

2.1.1 读取图像

  1. API

    cv.imread()
    

    参数:

    • 要读取的图像

    • 读取方式的标志:

      • cv.UMREAD*COLOR:以彩色模式加载图像,任何图像的透明度都将被忽略,这是默认参数

      • cv.IMREAD*GRAYSCALE:以灰度模式加载图像

      • cv.IMREAD_UNCHANGED:包括alpha通道的加载图像模式

        可以使用1、0或者-1来代替上面三个标志

    • 参考代码:

      import numpy as np
      import cv2 as cv
      # 以灰度图的形式读取图像
      img = cv.imread('1.png',0)
      

注意:如果加载的路径有错误,不会报错,会返回一个None值,因此要确保图像是存在的,图片路径是对的。

2.1.2 显示图像

  1. API

    cv.imshow()
    

    参数:

    • 显示图像的窗口名称,以字符串类型表示
    • 要加载的图像

    注意:在调用显示图像的API后,要调用cv.waitKey()个图像绘制留下时间,否则窗口会出现无响应的情况,并且图像无法显示出来。

    另外,我们也可以使用matplotlib对图像进行展示。

    参考代码:

    # opencv中显示
    cv.imshow('image',img)
    cv.waitKey(0)
    # matplotlib中展示
    plt.imshow(img[:,:,::-1])
    

2.1.3 保存图像

  1. API

    cv.imwrite()
    

    参数:

    • 文件名,要保存在哪里
    • 要保存的图像
  2. 参考代码

    cv.imwrite('test.png',img)
    

2.1.4总结

我们通过加载灰度图像,显示图像,如果按’s’并退出则保存图像,或者按ESC键直接退出而不保存。

参考代码:

  • 显示彩色图像:

    import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt
    # 1.读取图像
    img = cv.imread('1.png')
    # 2.显示图像
    # 2.1利用opencv展示图像
    cv.imshow('image',img)
    cv.waitKey(0)
    cv.destroyAllWindows()
    
  • 显示灰色图像

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1.读取图像
img = cv.imread('1.png',0)
# 按照灰度图进行展示
plt.imshow(img,cmap=plt.cm.gray)
# plt.title('匹配结果'),plt.xticks([]),plt.yticks([])
plt.show()
  • 保存图像

    # 3.保存图像,注意保存路径中不能有中文路径
    cv.imwrite('./1_IOtest.png',img)
    

2.2 绘制几何图形

2.2.1 绘制直线

cv.line(img,start,end,color,thickness)
  • 参数:
    • img:要绘制直线的图像
    • Start,end:直线的起点和终点
    • color:线条的颜色
    • thickness:线条宽度

2.2.2绘制圆形

cv.circle(img,centerpoint,r,color,thickness)
  • 参数:
    • img:要绘制图形的图像
    • centerpoint,r:圆心和半径
    • color:线条的颜色
    • thickness:线条宽度,为-1时生成闭合图案并填充颜色

2.2.3绘制矩形

cv.rectangle(img,leftupper,rightdown,color,thickness)
  • 参数:
    • img:要绘制矩形的图像
    • leftupper,rightdown:举行的左上角和右下角坐标
    • color:线条的颜色
    • thickness:线条宽度

2.2.4向图像中添加文字

cv.putText(img,text,station,font,fontsize,color,thickness,cv.LINE_AA)
  • 参数:
    • img:图像
    • text:要写入的文本数据
    • station:文本的放置位置
    • font:字体
    • fontsize:字体大小

2.2.5效果显示

生成一个全黑的图像,然后再里面绘制图像并添加文字

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 创建一个空白的图像
# 生成全黑的图像即为np.zeros
img = np.zeros((512,512,3),np.uint8)
# 绘制图形
cv.line(img,(0,0),(511,511),(255,0,0),5)
cv.rectangle(img,(128,128),(384,384),(0,255,0),3)
cv.circle(img,(256,256),63,(0,0,255),-1)
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500),font,4,(255,255,255),2,cv.LINE_AA)
# 3.图像显示
plt.imshow(img[:,:,::-1])
# plt.imshow(img)
plt.title('hello'),plt.xticks([]),plt.yticks([])
plt.show()

效果:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-B4wlv6iR-1647516243400)(C:\Users\23642\AppData\Roaming\Typora\typora-user-images\image-20220317171053140.png)]

2.3获取并修改图像中的像素点

我们可以通过行和列的坐标获取该像素点的像素值。对于BGR图像,它返回一个蓝、绿、红值得数组。对于灰度图像,仅返回相应的强度值,使用相同的方法对像素值进行修改。

import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv
img = cv.imread('/images/1.png')
# 创建全黑的图像
img = np.zeros((256,256,3),np.uint8)
plt.imshow(img[:,:,::-1])
print(img[100, 100])
print(img[100, 100, 0])
img[100,100]=(0,0,255)
print(img[100, 100])
plt.imshow(img[:,:,::-1])
plt.show()

2.4获取图像的属性

图像属性包括行数、列数和通道数,图像数据类型、像素数等。

属性 API
形状 img.shape
图像大小 img.size
数据类型 img.dtype

代码演示:

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# img = cv.imread('/images/1.png')
img = np.zeros((256,256,3),np.uint8)
print(img.shape) # (256, 256, 3)
print(img.dtype) # uint8
print(img.size) # 196608

2.5图像通道的拆分与合并

有时需要在B、G、R通道图像上单独工作。在这种情况下,需要将RGB图像分割为单个通道,或者在其他情况下,可能需要将这些单独的通道合并到RGB图像,可以通过以下方式完成:

# 通道拆分
b,g,r=cv.split(img)
# 通道合并
img = cv.merge((b,g,r))

2.6色彩空间的改变

OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种,BGR<->Gray和BGR<->HSV

API:

cv.cvColor(input_image,flag)

参数:

  • input_image:进行颜色空间转换的图像
  • flag:转换类型
    • cv.COLOR_BGR2GRAY :BGR<->Gray
    • cv.COLOR_BGR2HSV :BGR<->HSV
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img= cv.imread('images/1.png')
plt.imshow(img[:,:,::-1])
plt.show()
b,g,r=cv.split(img)
plt.imshow(b,cmap=plt.cm.gray)
plt.show()
img2 = cv.merge((b,g,r))
plt.imshow(img2[:,:,::-1])
plt.show()
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
plt.imshow(gray,cmap=plt.cm.gray)
plt.show()
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
plt.imshow(hsv)
plt.show()
# print(b,g,r)

效果:
图像处理OpenCV(2)——OpenCV基本操作之图像的基础操作_第1张图片

你可能感兴趣的