大众号：尤而小屋
作者：Peter
编辑：Peter
咱们好，我是Peter~
工作的原因，最近开始涉及到很多图画处理的工作，所以决议拓荒一个新专栏：OpenCV入门教程系列。
教程从零开始，记载自己的学习历程，欢迎关注本专栏，精力有限，确保周更至少一篇。假如文章中有误或许更好的办法，欢迎咱们提出来，一同学习~
本文是第一篇，主要是介绍OpenCV和图片的根底操作，比如图片的存储方法、格局以及图片的读取、写入、显现等。
图画概述
图画是一种以二维或三维方法存在的数据调集，用于表明对象的视觉信息。依据不同的分类办法，图画能够分为静态图画和动态图画、灰度图画和五颜六色图画等。
- 静态图画是指不随时刻改动的图画
- 动态图画则会跟着时刻的改动呈现出不同的视觉效果
- 灰度图画只包含亮度信息
- 五颜六色图画则包含了亮度和颜色信息
在实践运用中，依据不同的需求，人们会选择不同类型的图画进行处理和剖析。
OpenCV介绍
OpenCV（Open Source Computer Vision Library）是一个跨渠道的计算机视觉库，供给了丰厚的函数和东西，用于处理和剖析图画和视频数据。它是由英特尔公司开发的，现在现已成为全球规模内广泛运用的计算机视觉领域的重要东西。
OpenCV的主要方针是供给一种简略、高效和可扩展的方法来处理图画和视频数据。它支撑各种常见的图画处理和计算机视觉算法，包括图画滤波、图画切割、特征提取、方针检测、人脸辨认等。
OpenCV还供给了丰厚的接口和东西，能够与其他编程语言和框架进行集成，如Python、C++、Java等。它还支撑各种常见的硬件加速技术，如GPU加速和多核处理器，能够显著提高图画处理和计算机视觉算法的性能和功率。
除此之外，OpenCV还供给了很多的示例代码和教程，能够帮助开发人员快速入门和学习运用OpenCV库。它仍是一个开源项目，具有活泼的社区支撑和文档库，能够供给继续的技术支撑和改善。
运用领域
- 人机互动：比如人机交互
- 物体辨认：根据视觉对物体进行判别
- 图画切割：ROI（Region of Interest，感兴趣区域）技术
- 人脸辨认：经过Haar级联来完成
- 动作辨认：主要是2D和3D动作辨认
- 运动追踪、计算机视觉、图画标示、方针检测等
装置opencv-python
OpenCV-python是OpenCV库的Python接口，它供给了在Python中运用OpenCV的功用和东西。OpenCV-python是OpenCV官方支撑的Python绑定，能够轻松地在Python中运用OpenCV的图画处理和计算机视觉功用。
经过运用OpenCV-python，开发人员能够运用Python语言来编写计算机视觉运用，然后提高了代码的可读性和易用性。它还供给了与OpenCV C++接口类似的API，使得开发人员能够轻松地从C++代码迁移到Python代码。
此外，OpenCV-python还支撑各种常见的Python框架和库，如NumPy、Pandas、Matplotlib等，这些库能够与OpenCV-python无缝集成，然后提高了开发人员的工作功率和代码质量。
总归，OpenCV-python是一个功用强大的Python计算机视觉库，它为开发人员供给了一种简略、高效和可扩展的方法来处理图画和视频数据。
装置：
pip install opencv-python
OpenCV常用python内置函数
ord函数
将键盘输入的字符(长度为1)转成ASCII码
In [1]:
ord("a")
Out[1]:
97
In [2]:
ord("b")
Out[2]:
98
In [3]:
ord("A")
Out[3]:
65
max/min函数
对含有噪声的图片进行去噪处理
In [4]:
max(["a","B"])
Out[4]:
'a'
In [5]:
max(["a","B"], key=str.upper) # 先统一转成大写
Out[5]:
'B'
sorted函数
排序功用，提高程序中图片抗枯燥才能。
In [6]:
sorted([1,4,5,3,2])
Out[6]:
[1, 2, 3, 4, 5]
In [7]:
sorted([1,4,5,3,2],reverse=True)
Out[7]:
[5, 4, 3, 2, 1]
图片存储方法
图片在计算机中是以二进制的方法进行存储的。先了解图片的几种存储方法:
BGR图
BGR图是一种常见的图画表明方法，其间每个像素点由蓝（Blue）、绿（Green）和红（Red）三个颜色通道的值组成。在BGR图中，每个通道的值一般选用整数或浮点数来表明，取值规模因不同格局而异。
生活中图片一般是RGB方法（R: 赤色Red，G：绿色green，B: 蓝色Blue）。OpenCV中运用的BGR格局，其间每个像素点由蓝（Blue）、绿（Green）和红（Red）三个颜色通道的值组成。
在实践中不直接运用BGR，而是进行图片颜色格局的转化。B、G、R为图片上每个像素点构成的通道，所以每个BGR图示一个蓝绿红3种通道的图片。
通道的取值是0~255，python中经过元组的方法来表明，如（255,255,255）表明白色，(0,0,0)表明黑色。
灰度图
灰度图的每个像素点不再由BGR3个通道组成，仅由一个通道组成，即灰度值。灰度值的取值规模：0~255，其间0表明黑色，255表明白色
HSV图
HSV图显现出来的图也是五颜六色的，也是3个通道组成，介绍如下：
- H：颜色或许色度，取值规模0~179
- S：饱和度，取值规模0~255
- V：亮度，取值规模0~255
二值图
一种特别的灰度图，没有通道的概念，并且图中每个像素点的取值只要0或许255两个值，能够了解成非黑即白。
二值图能够帮助去除图片中的噪点，使得图片内只存在咱们想要的二值化表明部分。
图片读取和保存
图片格局
cv2.imread函数是OpenCV库中用于读取图画文件的函数，它能够读取多种静态图画格局，包括但不限于以下几种：
- BMP（Windows位图）格局：这是一种无紧缩的图画格局，广泛用于Windows系统。
- JPEG（联合图画专家组）格局：这是一种紧缩的图画格局，广泛运用于互联网和数字相机。
- PNG（可移植网络图形）格局：这是一种无损紧缩的图画格局，支撑透明度通道，适用于网络传输和存储。
- GIF（图形交换格局）格局：这是一种支撑动态图画和透明度通道的图画格局，常用于动画和演示。
- TIFF（标记图画文件格局）格局：这是一种通用的图画格局，支撑多种图画紧缩和颜色方式，广泛运用于出书、印刷和其他职业。
除了以上常见的图画格局，cv2.imread函数还能够读取其他一些不常用的图画格局，如：
- PBM（Portable Bitmap）格局：这是一种简略的无紧缩二进制图画格局，一般用于存储是非图画。
- PGM（Portable Graymap）格局：这也是一种简略的无紧缩二进制图画格局，一般用于存储灰度图画。
- PPM（Portable Pixmap）格局：这是一种简略的无紧缩二进制图画格局，一般用于存储五颜六色图画。 需求留意的是，不同的图画格局或许具有不同的紧缩方法和颜色方式，cv2.imread函数默许会读取一切像素信息，但有时或许需求运用不同的参数来操控读取的方法，例如设置cv2.IMREAD_GRAYSCALE参数来读取灰度图画，或设置cv2.IMREAD_COLOR参数来读取五颜六色图画（默许状况下会忽略透明度通道）。
读取cv2.imread
cv2.imread(filname, flags=1)
- filename：所要读取的图片的相对地址
- flags：读取的格局，默许是1，表明依照BGR三通道的格局读取；假如设置为0，表明依照灰度图单通道的方法来读取
In [8]:
import numpy as np
import cv2
# img = cv2.imread("pictures/a.png",flags=1) # 默许是1
img = cv2.imread("pictures/a.png") # 默许是BGR，3通道方法读取
img[:2]
Out[8]:
array([[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]],
[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]]], dtype=uint8)
介绍另外一种读取的方法：写入的参数是cv2.IMREAD_COLOR
In [9]:
img = cv2.imread("pictures/a.png", cv2.IMREAD_COLOR)
img[:2]
Out[9]:
array([[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]],
[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]]], dtype=uint8)
读取BGR图的三种等效方法：
cv2.imread("pictures/a.png",flags=1)
cv2.imread("pictures/a.png")
cv2.imread("pictures/a.png",cv2.IMREAD_COLOR)
In [10]:
# 灰度图的方法来读取
img1 = cv2.imread("pictures/a.png",flags=0)
img1
Out[10]:
array([[93, 93, 93, ..., 93, 93, 93],
[93, 93, 93, ..., 93, 93, 93],
[93, 93, 93, ..., 93, 93, 93],
...,
[74, 74, 74, ..., 68, 68, 68],
[74, 74, 74, ..., 68, 68, 68],
[74, 74, 74, ..., 68, 68, 68]], dtype=uint8)
灰度图的另外一种读取方法，写入参数：cv2.IMREAD_GRAYSCALE
In [11]:
img1 = cv2.imread("pictures/a.png", cv2.IMREAD_GRAYSCALE)
img1
Out[11]:
array([[93, 93, 93, ..., 93, 93, 93],
[93, 93, 93, ..., 93, 93, 93],
[93, 93, 93, ..., 93, 93, 93],
...,
[74, 74, 74, ..., 68, 68, 68],
[74, 74, 74, ..., 68, 68, 68],
[74, 74, 74, ..., 68, 68, 68]], dtype=uint8)
读取灰度图的两种方法：
# 两种等价的方法
cv2.imread("pictures/a.png",flags=0)
cv2.imread("pictures/a.png", cv2.IMREAD_GRAYSCALE)
保存cv2.imwrite
运用函数cv2.imwrite()：
cv2.write(filaname,img)
- filename：要保存图片的名字
- img：要保存的图片的矩阵方法
In [12]:
img[:2]
Out[12]:
array([[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]],
[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]]], dtype=uint8)
In [13]:
cv2.imwrite("./pictures/new_a.jpg",img)
Out[13]:
True
# 完整代码为
import numpy as np
import cv2
# 先读取
img = cv2.imread("pictures/a.png") # 默许是BGR-3通道读取
# 中间或许很多处理
# 保存
cv2.imwrite("./pictures/new_a.jpg",img)
图片显现（根据cv2）
在读取完图片后，怎么将图片展示出来进行可视化？运用cv2.imshow()
图片显现cv2.imshow()
In [14]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png", cv2.IMREAD_COLOR) # 读取图片
cv2.imshow("image", img) # 显现
# cv2.imwrite("pictures/new_a1.png", img) 写入保存
cv2.destroyAllWindows() # 炸毁函数cv2.destroyAllWindows()
在这里留意两点：
- cv2.imshow()用来显现图片，但没有延时效果，此刻仍然没看到图
- 假如运用了cv2.imshow，一定加上这个炸毁函数cv2.destroyAllWindows()
图片延时cv2.waitKey(time)
函数的运用：
cv2.waitKey(time)
time表明等候的时刻，单位是毫秒。函数表明在给定的time时刻内等候用户按键的触发。
假如time=0，表明停止在当前帧，有按键指令的时分进入下一帧。假如是单张图片，一般写作：cv2.waitKey(0)
留意：函数的后边是否需求加上&0xff。完整写法为：cv2.waitKey(1000) & 0xFF
延时后图片显现
（1）time=0表明图片已显现，恣意按键下退出
In [15]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png", cv2.IMREAD_COLOR) # 读取
cv2.imshow("image", img) # 显现
cv2.waitKey(0) # 延时
# cv2.imwrite("pictures/new_a1.png", img) 写入
cv2.destroyAllWindows() # 炸毁
（2）在指定的按键下退出
此刻图片现已逗留，恣意按键即可关闭程序。假如指定特别按键，运用if语句进行判别：只要输入q键才会退出。
In [16]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png",flags=1)
cv2.imshow("image", img)
while True:
if cv2.waitKey(0) == ord("q"): # 只要在q键下才会退出
break
else:
pass
cv2.imwrite("new_a.png",img) # 写入
cv2.destroyAllWindows()
（3）在指定的条件下退出程序和保存图片：
In [17]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png",flags=1)
cv2.imshow("image", img)
while True:
if cv2.waitKey(0) == ord("q"): # 只要在q键下才会退出
break
if cv2.waitKey(0) == ord("s"):
cv2.imwrite("new_a.png",img) # 输入s进行图片写入
break
cv2.destroyAllWindows()
（4）指定时刻下退出程序
In [18]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png",flags=1)
cv2.imshow("image", img)
if cv2.waitKey(5000) & 0XFF == ord("s"): # 要点
cv2.imwrite("new_a.png",img)
cv2.destroyAllWindows()
要点代码解说：假如5秒内没有按键s，则程序将会主动退出。
图片显现（根据matplotlib）
matplotlib中显现图片是以RGB的格局进行显现的，OpenCV默许是以BGR格局。假如是经过cv2读取的图片，需求进行格局转化。
In [19]:
# 读取图片cv2 + 显现图片matplotlib
import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
# BGR格局-三通道读取
img = cv2.imread("pictures/a.png")
# 转成RGB格局
img2 = img[:,:,::-1] # 通道翻转
plt.imshow(img2)
plt.show()
介绍另外一种写法：
In [20]:
# 读取图片cv2 + 显现图片matplotlib
import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.figure(figsize=(10,6))
# BGR格局-三通道读取
img = cv2.imread("pictures/a.png")
img_new = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
plt.imshow(img_new)
plt.show()
图片巨细cv2.namedWindow
上面介绍了图片的读取、写入和显现，下面介绍怎么操控图片窗口显现的巨细。
窗口的巨细取决于图片的巨细。
操控窗口巨细的函数：cv2.namedWindow。其初始设置的标签为：cv2.WINDOW_AUTOSIZE，改为cv2.WINDOW_NORMAL即可操控窗口的巨细。
In [21]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png",flags=1)
cv2.namedWindow("image", cv2.WINDOW_AUTOSIZE) # 要点：一定在imshow前面
cv2.imshow("image", img)
if cv2.waitKey(5000) & 0XFF == ord("s"):
cv2.imwrite("new_a.png",img)
cv2.destroyAllWindows()
关于cv2.namedWindow的其他参数解说：
# 窗口巨细可改动
cv2.namedWindow("image",cv2.WINDOW_NORMAL)
cv2.namedWindow('image',cv2.WINDOW_GUI_NORMAL)
# 窗口巨细不可改动
cv2.namedWindow("image",cv2.WINDOW_AUTOSIZE)
# 窗口巨细自适应份额
cv2.namedWindow("image",cv2.WINDOW_FREERATIO)
# 窗口巨细保持份额
cv2.namedWindow("image",cv2.WINDOW_KEEPRATIO)
# 显现颜色变成
cv2.namedWindow('image',cv2.WINDOW_GUI_EXPANDED)
改动窗口巨细resizeWindow
In [22]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png",flags=1)
cv2.namedWindow("image",0)
cv2.resizeWindow("image",400,300) # 黑色窗口巨细
cv2.imshow("result",img) # 显现图片
if cv2.waitKey(5000) & 0XFF == ord("s"):
cv2.imwrite("new_a.png",img)
cv2.destroyAllWindows()
图片特点
OpenCV中图片是以矩阵的方法存储的。下面介绍计算机视觉中常用的图片特点：
- 行数
- 列数
- 通道数
In [23]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png")
img[:2]
Out[23]:
array([[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]],
[[169, 92, 0],
[169, 92, 0],
[169, 92, 0],
...,
[169, 92, 0],
[169, 92, 0],
[169, 92, 0]]], dtype=uint8)
查看整个图片的行数、列数和通道数：
In [24]:
img.shape # 整体状况，元组方法
Out[24]:
(733, 978, 3)
In [25]:
img.shape[0] # 行数
Out[25]:
733
In [26]:
img.shape[1] # 列数
Out[26]:
978
In [27]:
img.shape[2] # 通道数
Out[27]:
3
上面是以BGR格局读取的图片，假如换成以灰度图读取呢？
In [28]:
import cv2
import numpy as np
img = cv2.imread("pictures/a.png",flags=0)
In [29]:
img.shape
Out[29]:
(733, 978)
能够看到灰度图的shape值只会回来图片的行数和列数，不会回来通道数。二值图是一种特别的灰度图，也不会回来通道数。
总结
常用根本函数的总结：
import cv2
import numpy as np
# 读取BGR图
cv2.imread("pictures/a.png",flags=1)
cv2.imread("pictures/a.png")
cv2.imread("pictures/a.png",cv2.IMREAD_COLOR)
# 读取灰度图
cv2.imread("pictures/a.png",flags=0)
cv2.imread("pictures/a.png", cv2.IMREAD_GRAYSCALE)
# BGR和RGB通道转化
img_new = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
img_new = img[:,:,::-1]
cv2.write(filaname,img) # 写入
cv2.imshow("img",img) # 显现
cv2.waitKey(time) &0XFF # 延时等候
cv2.destroyAllWindows() # 炸毁函数
