Opencv基础

　　视频图片操作

　　import cv2 as cv #导入opencv包

　　cv.imread(path,flags) #加载图片，其中第一个参数是绝对或者相对路径，第二个参数为0时加载灰度图像，为1时加载彩图像。

　　cv.imshow(path,flags) #显示图片，其中第一个参数是显示窗口的名称，第二个参数是打开的图片

　　cv.imwrite(name,flags)#保存图片，第一个参数是途径，第二个参数是要保存的图片 返回boolean

　　cv2.namedWindow 创建一个窗体，只需指定窗体名称

　　cv2.namedWindow()初始化默认标签是cv2.WINDOW_AUTOSIZE。

　　但是如果把标签改成cv2.WINDOW_NORMAL就可以自由的调整窗体大小，

　　当图像维度太大，这将很有帮助。

　　cv2.destroyWindow() 销毁指定窗体

　　cv2.destroyAllWindows() 销毁所有窗体

　　视频

　　cap = cv.VideoCapture(0)打开本地摄像头

　　cap = cv.VideoCapture(videoPath)读取本地视频

　　import cv2 as cv

　　cap = cv.VideoCapture(0)

　　while cap.isOpened():

　　status, frame = cap.read()

　　k = cv.waitKey(25)

　　# 图片灰度化

　　frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)

　　cv.imshow('video', frame)

　　cv.destroyWindow('video')

　　方法

　　cv.shape打印形状

　　cv.size打印像素点个数

　　cv.ndim打印维度

　　cv.dtype打印数据类型

　　cv.waitkey(0) 无限期的等待键盘按下

　　cv.destroyWindow(name)#销毁所有窗体,参数是需要销毁窗体的名称

　　cv.destroyAllWindows()#销毁所有窗体

　　绘图

　　圆：cv.circle(画板，圆心，半径，颜色，粗细，cv.LINE_AA(抗锯齿))

　　线条：cv.line(画板，起点，终点，颜色，粗细)

　　椭圆：cv.ellipse(画板，圆心，(长轴，短轴)，逆时针旋转的角度，椭圆弧沿顺时针起始角度，结束角度，颜色，抗锯齿)

　　多边形：`使用函数cv2.polylines在一副图像中绘制多边形示例代码

　　函数原型：polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) -> img

　　img:要绘制的那张图像

　　pts:多边形的顶点列表

　　isClosed:默认为True表示闭合, False表示不闭合

　　绘制多边形：

　　使用函数cv2.polylines在一副图像中绘制多边形示例代码

　　函数原型：polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) -> img

　　img:要绘制的那张图像

　　pts:多边形的顶点列表

　　isClosed:默认为True表示闭合, False表示不闭合

　　color:线段的颜色,传一个元组,如红色(0，0，255),如果是灰度图请传入灰度值

　　thickness:线段的粗细，默认值-1，表示填充

　　lineType:线段类型：默认8连线，cv2.LINE_AA表示抗锯齿

　　more help:help(cv2.polylines)`

　　绘制矩形：

　　使用函数cv2.rectangle()在一副图像中绘制矩形示例代码

　　函数原型：rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img

　　img:要绘制的那张图像

　　pt1:矩形的左上角坐标，如(0, 0)

　　pt2:矩形右下角坐标， 如(499, 499)

　　color:线段的颜色,传一个元组,如红色(0，0，255), 如果是灰度图请传入灰度值

　　thickness:线段的粗细，默认值-1，表示填充

　　lineType:线段类型：默认8连线，cv2.LINE_AA表示抗锯齿

　　more help:help(cv2.rectangle)

　　绘制文字：

　　使用函数cv2.putText()在一副图像中绘制文字

　　函数原型：putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) -> img

　　img:要绘制的那张图像

　　text:要绘制的文本

　　org：绘制的位置坐标

　　fontFace:字体格式

　　fontScale:字体大小

　　color:线段的颜色,传一个元组,如红色(0，0，255),如果是灰度图请传入灰度值

　　thickness:线段的粗细，默认值-1，表示填充

　　lineType:线段类型：默认8连线，cv2.LINE_AA表示抗锯齿

　　bottomLeftOrigin 如果为True则图像位于原点的左下角

　　more help:help(cv2.putText)

　　图片操作

　　仿射变换：

　　matScale = np.float32([[0.5,0,0],[0,0.5,0]])

　　dst = cv.warpAffine(img,matScale,(width,height))

　　RGB通道拆分：b, g, r = cv.split(img)

　　RGB通道合并：img1 = cv.merge((B, g, r))

　　图片缩放：cv.resize(原图,(heigth,width))

　　图片剪切：

　　img = cv.imread('cat.jpg',1)

　　dst = img[100:200,100:300] #起点(100,100)终点(200,200)

　　cv.imshow('dst',dst)

　　cv.waitKey(0)

　　图片移位：

　　matShift = np.float32([[1,0,100],[0,1,200]])

　　dst = cv.warpAffine(img,matShift,(height,width))

　　cv.imshow('dst',dst)

　　图片仿射变换：

　　matsrc = np.float32([[0,0],[0,height],[width,0]]) #原图点位

　　matdst = np.float32([[50,50],[100,height-100],[width-100,50]]) #目标点位

　　matAffine = cv.getAffineTransform(matsrc,matdst) #仿射变换

　　dst = cv.warpAffine(img,matAffine,(width,height))

　　图片旋转：

　　matRotate = cv.getRotationMatrix2D((height*0.5,width*0.5),45,0.5)# 参数(中心点，旋转角度，缩放系数)RotationMatrix2D旋转矩阵方法

　　dst = cv.warpAffine(img,matRotate,(width,height))#放射变化

　　图片特效

　　灰度处理：

　　#方法一：

　　img0 = cv.imread('cat.jpg',0) #灰度图片

　　img1 = cv.imread('cat.jpg',1)#彩图

　　#方法二：

　　img = cv.imread('cat.jpg',1)

　　dst = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

　　#方法三：

　　dst = np.zeros((height,width,3),np.uint8)

　　for i in range(0,height):

　　for j in range(0,width):

　　(b,g,r) = img[i,j]

　　gray = (int(b)+int(g)+int(r))/3

　　dst[i,j] = gray

　　print(np.uint(gray))

　　#方法四

　　dst = np.zeros((height,width,3),np.uint8)

　　for i in range(0,height):

　　for j in range(0,width):

　　(b,g,r) = img[i,j]

　　b = int(b)

　　g = int(g)

　　r = int(r)

　　gray = r*0.229+g*0.587+r*0.114

　　dst[i,j] = np.uint(gray)

　　图片边缘检测：

　　#1.灰度图像处理

　　gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

　　#2.高斯滤波

　　imgG = cv.GaussianBlur(gray,(3,3),0)

　　#3.卷积

　　dst = cv.Canny(img,100,100)

　　绘图

　　import numpy as np

　　import matplotlib.pyplot as plt

　　x = np.array([1,2,3,4,5,6,7,8])

　　y = np.array([3,5,7,6,2,6,10,15])

　　plt.plot(x,y,'r',lw = 10) #折线图

　　plt.bar(x,y,0.5,alpha = 1,color = 'b') #原主图

　　plt.show()

　　图片腐蚀：

　　腐蚀操作：

　　原理：

　　如果卷积核对应的原图像的所有像素值都是1，那么中心像素点就保持原来的值，

　　否则变为0。所以前景物体会变小，整幅图像的白色区域会减少。

　　erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

　　参数解析：郑州人流医院 http://www.zzzzyy120.com/

　　element:腐蚀操作的内核。 如果不指定，默认为一个简单的 3x3 矩阵。

　　否则，我们就要明确指定它的形状，可以使用函数getStructuringElement()。

　　anchor:默认为Point(-1,-1),内核中心点。省略时为默认值。

　　iterations:腐蚀次数。省略时为默认值1。

　　borderType:推断边缘类型，具体参见borderInterpolate函数。默认为BORDER_DEFAULT，省略时为默认值。

　　borderValue:边缘值，具体可参见createMorphoogyFilter函数。可省略。

　　作用：

　　腐蚀对于去除白噪声很有用，也可以用来断开两个连接在一个的物体

　　代码示例：

　　kernel = np.ones((5, 5), np.float32)

　　erosion = cv.erode(img, kernel, iterations=1)

　　膨胀操作：

　　膨胀操作：

　　原理：

　　与腐蚀相反，与卷积核对应的原始图像的像素值中只要有一个是1，

　　中心像素的值就是1，所以膨胀操作增加白色区域(前景)。

　　dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

　　参数解析：

　　anchor:默认为Point(-1,-1),内核中心点。省略时为默认值。

　　iterations:膨胀次数。省略时为默认值1。

　　borderType:推断边缘类型，具体参见borderInterpolate函数。默认为BORDER_DEFAULT，省略时为默认值。

　　borderValue:边缘值，具体可参见createMorphoogyFilter函数。可省略。

　　作用：

　　一般在去除图像噪声时可以先腐蚀然后在膨胀，

　　这样噪声就已经被去除了，不会再回来，但前景会增加。

　　膨胀也可以用连接两个分开的物体。

　　代码示例：

　　kernel = np.ones((5, 5), np.float32)

　　dilate = cv.dilate(img, kernel, iterations=1)

　　简单阈值：

　　全局阈值：

　　def threshold_dem0(image):

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)

　　print("阈值",ret)

　　cv.imshow('binary',binary)

　　ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)

　　ret = 阈值，binary = 阈值图像

　　参数(灰度图像，阈值，255，阈值算法)

　　局部阈值：

　　def local_threshold(image):

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　binary = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,25,10)

　　cv.imshow('biary',binary)

　　binary = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)

　　自定义阈值：

　　def load_threshold(image):

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　h,w = gray.shape[:2]

　　men = np.reshape(gray,[1,w*h])

　　men1 = men.sum()/(w*h) #所有像素的均值

　　are,binary = cv.threshold(gray,men1,255,cv.THRESH_BINARY)

　　cv.imshow('biary',binary)

　　开操作和闭操作：

　　开运算：先腐蚀后膨胀, 去除噪声，去除白色小点、空洞

　　闭运算：先膨胀后腐蚀, 用来填充前景物体的小黑点

　　形态学梯度：膨胀减去腐蚀, 可以得到前景物体的轮廓

　　礼帽：原图减去开运算

　　黑帽：闭运算减去原图

　　使用函数morphologyEx()进行形态学其他操作

　　函数原型为：morphologyEx(src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

　　op参数：

　　cv.MORPH_OPEN：开运算

　　cv.MORPH_CLOSE：闭运算

　　cv.MORPH_GRADIENT：形态学梯度

　　cv.MORPH_TOPHAT：礼帽

　　cv.MORPH_BLACKHAT：黑帽

　　def open_dem0(image):# 开操作

　　print(image.shape)

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY_INV | cv.THRESH_OTSU)#阈值化

　　cv.imshow('binary',binary)

　　kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE,(3,3)#结构元素

　　binarya = cv.morphologyEx(binary,cv.THRESH_TRUNC ,kernel) #形态学操作

　　cv.imshow('binary2',binarya)

　　def close_dem0(image):#闭操作

　　print(image.shape)

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　ret,binay = cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU) #阈值化

　　cv.imshow('binay',binay)

　　kernel = cv.getStructuringElement(cv.MORPH_RECT,(15,15)) #结构元素

　　binay = cv.morphologyEx(binay,cv.MORPH_CLOSE,kernel) #形态学操作

　　cv.imshow('binay',binay)