本人打算借助暑假的时间学习下Opencv计算机视觉的一些知识，于是想通过博客记录下自己的学习笔记，同时与大家分享~~

图像的基本操作

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Fuc2hpZGFzaGVu_size_16_color_FFFFFF_t_70

   观察lena的图像，我们取其中一块进行细致的解读，如图我们取出一个区域，在这个区域中存在许多方格块，自左上我们可以依次标记为1，2，3……，其中每个小格叫做一个像素点，计算机中就是由这样一个个像素点来构成一张张图像的。那么像素点又是什么呢，直白的说，像素点就是一个值，如右侧矩阵内所示。像素点的值介于0~255之间，表示它的一个亮度，0表示为黑色，255表示为白色。图示R、G、B称为图像的颜色通道，通常情况下我们所见的彩色图像都是RGB通道的。右侧的矩阵即表示图像的大小，假设lena图像是500\*500，则它的图像的维度就为\[500,500,3\]。

数据读取-图像

cv2.IMREAD_COLOR:彩色图像

cv2.IMREAD_GRAYSCALE:灰度图像

cv2.imread()的第二个参数包括以下三种写法：

cv2.IMREAD_COLOR : 默认使用该种标识。加载一张彩色图片，忽视它的透明度。

cv2.IMREAD_GRAYSCALE : 加载一张灰度图。

cv2.IMREAD_UNCHANGED : 加载图像，包括它的Alpha通道.。

提示：如果觉得以上标识太麻烦，可以简单的使用1，0，-1代替。（必须是整数类型）

import cv2  #opencv的读取格式是BGR
import matplotlib.pyplot as plt
import numpy as np
img = cv2.imread('cat.jpg')
print(img)
#图像的显示，也可以创建多个窗口
cv2.imshow('image',img)
#等待时间，毫秒级，0表示任意中止
cv2.waitKey(0)
cv2.destroyAllWindows()

下面是图像的显示用函数封装起来：

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
cv_show('image',img)

打印图像的大小及通道数：

print(img.shape)  #分别是图像的height、weight、通道数

读取并展示灰度图像：

img = cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE) #读取灰度图像
print(img)
print(img.shape)
cv_show('image',img)
#保存图像
cv2.imwrite('mycat.png',img)
print(type(img)) #查看图像的格式
print(img.size)  #计算像素点的个数
print(img.dtype) #查看数据的类型

数据读取-视频

cv2.VideoCapture可以捕获摄像头，用数字来控制不同的设备，例如0，1。

如果是视频文件，直接指定好路径即可。

读取视频，将视频转换成灰度视频：

import cv2  #opencv的读取格式是BGR
vc = cv2.VideoCapture('WomanDay.mp4')
if vc.isOpened():
    open, frame = vc.read()
else:
    open = False
while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret == True:
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        cv2.imshow('result',gray)
        if cv2.waitKey(10) & 0XFF == 27:
            break
vc.release()
cv2.destroyAllWindows()

截取部分图像数据

cat = img[0:190,0:100]
cv_show('image',cat)

颜色通道提取

#切分
b,g,r = cv2.split(img)
print(b)
print(b.shape)
print(g)
print(g.shape)
print(r)
print(r.shape)
#组合
img = cv2.merge((b,g,r))
print(img.shape)
'''
B G R
0 1 2
'''
#只保留R
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)
#只保留G
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show('G',cur_img)
#只保留B
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv_show('B',cur_img)

边界填充

#边界填充
top_size,bottom_size,left_size,right_size = (50,50,50,50)
replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
replect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
warp = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT,value=0)
import matplotlib.pyplot as plt
plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('Replicate')
plt.subplot(233),plt.imshow(replect,'gray'),plt.title('REFELECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(warp,'gray'),plt.title('WARP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()

BORDER_REPLICATE:复制法，也就是复制最边缘像素。

BORDER_REFLECT:反射法，对感兴趣的图像中的像素在两边进行复制，例如hgfedcba|abcdefgh|hgfedcba

BORDER_REFLECT_101:反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba

BORDER_WRAP:外包装法cdefgh|abcdefgh|abcdefg

BORDER_CONSTANT:常量法，常数值填充。

数值计算

#数值计算
img_cat = cv2.imread('cat.jpg')
img_dog = cv2.imread('dog.jpg')
img_cat2 = img_cat +10
print(img_cat[:5,:,0])
print(img_cat2[:5,:,0])
print((img_cat + img_cat2)[:5,:,0]) #相当于%256
print(cv2.add(img_cat,img_cat2)[:5,:,0])   #>=时，最大取255

图像融合

#图像融合
import matplotlib.pyplot as plt
img_cat = cv2.imread('cat.jpg')
img_dog = cv2.imread('dog.jpg')
#img_cat+img_dog  报错，img.shape的大小不一致
print(img_cat.shape)
print(img_dog.shape)
img_dog = cv2.resize(img_dog,(500,414))
print(img_dog.shape)
res1 = cv2.addWeighted(img_cat,0.4,img_dog,0.6,0)
plt.imshow(res1)
plt.show()
res2 = cv2.resize(img,(0,0),fx=3,fy=1) #x变为3倍，y变为1倍
plt.imshow(res2)
plt.show()
res3 = cv2.resize(img,(0,0),fx=1,fy=3) #x变为1倍，y变为3倍
plt.imshow(res3)
plt.show()