参考

环境

  • 我使用的是annaconda的环境，自行搜索

  • 要先熟悉了numpy之后再学习OpenCV

图像导入

# 读取图像
# 用灰度模式加载图像
newImg = cv.imread('./img/learn2.png', 0)  # 即使图像路径错误，它也不会抛出任何错误，但是打印 img会给你None
cv.imshow('image', newImg)
cv.waitKey(0)  # 是一个键盘绑定函数，它的参数是以毫秒为单位的时间。如果你在这段时间内按下任意键，程序将继续。
cv.destroyAllWindows()  # 简单的销毁我们创建的所有窗口
# 如果你想销毁任意指定窗口，应该使用函数 cv.destroyWindow() 参数是确切的窗口名。

# 或者
cv.namedWindow('image', cv.WINDOW_NORMAL)  # 窗口可以调整大小
cv.imshow('image', newImg)
cv.waitKey(0)
cv.destroyAllWindows()

# 保存图像
cv.imwrite('./newNewImg.png', newImg)

一个小的实现，打开窗口，esc关闭，s保存

import cv2 as cv
import numpy as np

img1 = cv.imread('./img/learn2.png',0)
cv.imshow('image',img1)
k = cv.waitKey(0) 
if k == 27: # ESC 退出
    cv.destroyAllWindows()
elif k == ord('s'): # 's' 保存退出
    cv.imwrite('messigray.png',img1)
    cv.destroyAllWindows()

官方这样说，如果你使用的是 64 位机器，你需要修改k = cv.waitKey(0)像这样：k = cv.waitKey(0) & 0xFF

使用Matplotlib

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img1 = cv.imread('./img/learn2.png',0)
plt.imshow(img1, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([]) # 隐藏 X 和 Y 轴的刻度值
plt.show()
  • 彩色图像 OpenCV 用的 BGR 模式，但是 Matplotlib 显示用的 RGB 模式。因此如果图像用 OpenCV 加载，则 Matplotlib 中彩色图像将无法正常显示。更多细节请看练习。

视频基本操作

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
import numpy as np
import cv2 as cv
cap = cv.VideoCapture(1)  #0应该是内置相机，但是很奇怪我的是1
while(True):
    # 一帧一帧捕捉
    ret, frame = cap.read()
    frame = cv.flip(frame, 1)  # 摄像头是和人对立的，将图像左右调换回来正常显示。
    # 我们对帧的操作在这里
    gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
    # 显示返回的每帧
    cv.imshow('frame',gray)
    if cv.waitKey(1) & 0xFF == ord('q'):
        break
# 当所有事完成，释放 VideoCapture 对象
cap.release()
cv.destroyAllWindows()

图像基本操作

先来理解一下，图像与一般的矩阵或张量有何不同(不考虑图像的格式，元数据等信息)。首先，一张图像有自己的属性，宽，高，通道数。其中宽和高是我们肉眼可见的属性，而通道数则是图像能呈现色彩的属性。我们都知道，光学三原色是红色，绿色和蓝色，这三种颜色的混合可以形成任意的颜色。常见的图像的像素通道也是对应的R，G，B三个通道，在OpenCV中，每个通道的取值为0～255，。(注：还有RGBA，YCrCb，HSV等其他图像通道表示)。即，一般彩色图像读进内存之后是一个h * w * c的矩阵，其中h为图像高(相当于矩阵的行)，w为图像宽(相当于矩阵列)，c为通道数。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

# 访问修改像素值
# 读取图像
img = cv.imread("./img/learn.png")
# 返回的是一个蓝色(Blue)、绿色(Green)、红色(Red)值的数组
print(img)
h, w, c = img.shape
# 对于单个像素的访问，可以选择使用 Numpy 数组方法中的 array.item()和 array.itemset()，注意它们的返回值是一个标量。如果需要访问所有的 G、R、B 的值，则需要分别为所有的调用 array.item()。
# 分别表示 高、宽、维度
print(h, w, c)
# 输出：1080 1920 3

# 大小总像素数
print(img.size)
# 图像数据类型
print(img.dtype)

img1 = img[100, 100]
print("img1:", img1)  # img1: [  0 255 255]
# OpenCV的读取顺序为B，G，R，由于图像所有像素为黄色，因此，G=255，R=255
ar = np.array([0, 255, 255], dtype='uint8')
# 仅访问蓝色通道的像素
blue = img[100, 100, 0]
print(blue)  # 0
green = img[100, 100, 1]
print(green)  # 255
red = img[100, 100, 2]
print(red)  # 255
# 修改某个像素点的像素值
img[100, 100] = [255, 255, 255]
print(img[100, 100])  # [255 255 255]
# 图像中感兴趣的区域