Python-OpenCV基本操作方法详解_Python

基本属性

cv2.imread(文件名，属性) 读入图像

属性：指定图像用哪种方式读取文件

cv2.imread_color：读入彩色图像，默认参数，opencv 读取彩色图像为bgr模式！！！注意

cv2.imread_grayscale：读入灰度图像。

cv2.imshow(窗口名，图像文件) 显示图像

可以创建多个窗口

cv2.waitkey() 键盘绑定函数

函数等待特定的几毫秒，看是否由键盘输入。

cv2.namedwindow(窗口名，属性) 创建一个窗口

属性:指定窗口大小模式

cv2.window_autosize：根据图像大小自动创建大小

cv2.window_normal：窗口大小可调整

cv2.destoryallwindows(窗口名) 删除任何建立的窗口

代码实例：

									import cv2

									 img=cv2.imread('test.py',cv2.imread_color)

									 cv2.namedwindow('image',cv2.window_normal)

									 cv2.imshow('image',img)

									 cv2.waitkey(0)

									 cv2.destoryallwindows()

cv2.imwrite(保存图像名，需保存图像) 保存图像

代码实例：

									import cv2

									img=cv2.imread('test.png',0)

									cv2.imshow('image',img)

									k=cv2.waitkey(0)

									if k==27: #等待 esc 键

									 cv2.destoryallwindows()

									elif k==ord('s') #等待 's' 键来保存和退出

									 cv2.imwrite('messigray.png',img)

									 cv2.destoryallwindows()

对于图像的一些操作

0x01. 获取图片属性

									import cv2

									img=img.imread('test.png')

									print img.shape

									#(768,1024,3)

									print img.size

									#2359296 768*1024*3

									print img.dtype

									#uint8

0x02. 输出文本

在处理图片时，将一些信息直接以文字的形式输出在图片上

cv2.puttext(图片名，文字，坐标，文字颜色)

0x03. 缩放图片

实现缩放图片并保存，在使用opencv时常用的操作。cv2.resize()支持多种插值算法，默认使用cv2.inter_linear，缩小最适合使用：cv2.inter_area，放大最适合使用：cv2.inter_cubic或cv2.inter_linear。

1	`res=cv2.resize(image,(2width,2height),interpolation=cv2.inter_cubic)`

或者：

1	`res=cv2.resize(image,none,fx=2,fy=2,interpolation=cv2.inter_cubic)`

此处none本应该是输出图像的尺寸，因为后边设置了缩放因子

0x04. 图像平移

1	`cv2.warpaffine(src, m, dsize[, dst[, flags[, bordermode[, bordervalue]]]])`

平移就是将图像换个位置，如果要沿(x,y)方向移动，移动距离为(tx,ty),则需要构建偏移矩阵m。

Python-OpenCV基本操作方法详解

例如平移图片(100,50）

									import cv2

									img=cv2.imread('test.png',1)

									rows,cols,channel=img.shape

									m=np.float32([[1,0,100],[0,1,50]])

									dst=cv2.warpaffine(img,m,(cols,rows))

									cv2.imshow('img',dst)

									cv2.waitkey(0)

									cv2.destoryallwindows()

其中 (cols,rows)代表输出图像的大小，m为变换矩阵，100代表x的偏移量，50代表y的偏移量，单位为像素。

0x05. 图像旋转

opencv中首先需要构造一个旋转矩阵，通过cv2.getrotationmatrix2d获得。

									import cv2

									img=cv2.imread('test.png',0)

									rows,cols=img.shape

									#第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子

									m=cv2.getrotationmatrix2d((cols/2,rows/2),45,0.6)

									#第三个参数为图像的尺寸中心

									dst=cv2.warpaffine(img,m,(2*cols,2*rows))

									cv2.imshow('img',dst)

									cv2.waitkey(0)

									cv2.destoryallwindows()

0x06. 仿射变换

在仿射变换中，原图中所有的平行线在结果图像中同样平行。为了创建偏移矩阵，需要在原图像中找到三个点以及它们在输出图像中的位置。然后opencv中提供了cv2.getaffinetransform创建2*3的矩阵，最后将矩阵传给函数cv2.warpaffine。

									import cv2

									import matplotlib.pyplot as plt

									import numpy as np

									img=cv2.imread('test.png')

									rows,cols,ch=img.shape

									pts1=np.float32([[50,50],[200,50],[50,200]])

									pts2=np.float32([[10,100],[200,50],[100,250]])

									m=cv2.getaffinetransform(pts1,pts2)

									dst=cv2.warpaffine(img,m,(cols,rows))

									plt.subplot(121),plt.imshow(img),plt.title('input')

									plt.subplot(122),plt.imshow(dst),plt.title('output')

									plt.show()

Python-OpenCV基本操作方法详解

0x07. 透视变换

视角变换，需要一个3*3变换矩阵。在变换前后要保证直线还是直线。构建此矩阵需要在输入图像中找寻4个点，以及在输出图像中对应的位置。这四个点中的任意三个点不能共线。变换矩阵opencv提供cv2.getperspectivetransform()构建。然后将矩阵传入函数cv2.warpperspective。

									import cv2

									import numpy as np

									import matplotlib.pyplot as plt

									img=cv2.imread('test.png')

									rows,cols,ch=img.shape

									pts1=np.float32([[56,65],[368,52],[28,387],[389,390]])

									pts2=np.float32([[0,0],[300,0],[0,300],[300,300]])

									m=cv2.getperspectivetransform(pts1,pts2)

									dst=cv2.warpperspective(img,m,(300,300))

									plt.subplot(121),plt.imshow(img),plt.title('input')

									plt.subplot(122),plt.imshow(dst),plt.title('output')

									plt.show()

Python-OpenCV基本操作方法详解

0x09. 图像 regions of interest

有时需要对一副图像的特定区域进行操作，roi使用numpy索引来获得的。

									import cv2

									import numpy as np

									import matplotlib.pyplot as plt

									image=cv2.imread('test.png')

									rows,cols,ch=image.shape

									tall=image[0:100,300:700]

									image[0:100,600:1000]=tallall

									cv2.imshow("image",image)

									cv2.waitkey(0)

									cv2.destoryallwindows()

Python-OpenCV基本操作方法详解

0x10. 通道的拆分/合并处理

有时需要对bgr三个通道分别进行操作。这时需要将bgr拆分成单个通道。同时有时需要把独立通道的图片合并成一个bgr图像。

使用opencv库函数版本

									import cv2

									import numpy as np

									import matplotlib.pyplot as plt

									image=cv2.imread('pitt1.jpg')

									rows,cols,ch=image.shape

									#拆分通道，cv2.split()是一个比较耗时的操作。只有需要时使用，尽量numpy

									b,g,r=cv2.split(image)

									print b.shape

									#(768,1024)

									#合并通道

									image=cv2.merge(b,g,r)

使用numpy索引版本：

									import cv2

									import numpy as np

									import matplotlib.pyplot as plt

									image=cv2.imread('pitt1.jpg')

									rows,cols,ch=image.shape

									#直接获取

									b=img[:,:,0]