Python OpenCV基本功能怎么用

本篇内容主要讲解“Python OpenCV基本功能怎么用”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python OpenCV基本功能怎么用”吧!

准备工作

右击新建的项目，选择Python File，新建一个Python文件，然后在开头import cv2导入cv2库。

转成灰度图像

• 调用imread()方法获取我们资源文件夹中的图片lena.png

• cvtColor()方法可以让我们的图片转换成任意颜色，第一个参数是我们要转换的图片，第二个参数是要转成的颜色空间，cv2.COLOR_BGR2GRAY就是由BGR变为GRAY，我们日常生活中都是RGB三通道顺序，而在OpenCV中是BGR顺序。

• 使用imshow()方法显示图片，窗口名称为Gray Image

• waitKey(0)这句可以让窗口一直保持，如果去掉这句，窗口会一闪而过

img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("Gray Image",imgGray)
cv2.waitKey(0)

我们来看下效果：

高斯模糊

• GaussianBlur()是对图片进行高斯模糊(也称为高斯平滑)，是去除图像噪声的一种方法。

• 第一个参数是图像，第二个参数(7,7)是卷积核的大小，只能是奇数长度的矩阵，第三个参数是Sigma X，默认为0

• imshow()显示原图和灰度图

img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.waitKey(0)

我们来看下效果，左为原图，右是高斯模糊：

边缘检测

边缘检测Canny()方法中第一个参数是图像，第二个参数是阈值1，第三个参数是阈值2，用来显示灰度值在此范围内的边缘线。

img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
imgCanny=cv2.Canny(img,150,200)

cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.imshow("Canny Image",imgCanny)
cv2.waitKey(0)

我们运行看下效果：

膨胀运算

膨胀运算中，会用到numpy库，我们先导入一下：import numpy as np定义一下大小为5x5的卷积核：kernel=np.ones((5,5),np.uint8)，数值类型是无符号整型

kernel=np.ones((5,5),np.uint8)
img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
imgCanny=cv2.Canny(img,150,200)
imgDialation=cv2.dilate(imgCanny,kernel,iterations=1)

cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.imshow("Canny Image",imgCanny)
cv2.imshow("Dialation Image",imgDialation)
cv2.waitKey(0)

我们看下效果，膨胀使得边缘线变得更厚，全部连接到一块。

腐蚀运算

我们对刚刚膨胀的图像进行腐蚀运算，就可以得到闭合的边缘图像。

kernel=np.ones((5,5),np.uint8)
img=cv2.imread("Resources/lena.png")
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur=cv2.GaussianBlur(imgGray,(7,7),0)
imgCanny=cv2.Canny(img,150,200)
imgDialation=cv2.dilate(imgCanny,kernel,iterations=1)

cv2.imshow("Gray Image",imgGray)
cv2.imshow("Blur Image",imgBlur)
cv2.imshow("Canny Image",imgCanny)
cv2.imshow("Dialation Image",imgDialation)
cv2.waitKey(0)

从左到右依次为膨胀图像、腐蚀图像、边缘检测图像

到此，相信大家对“Python OpenCV基本功能怎么用”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！