opencv从入门到放弃（一）

曾经终败给现在 2022-03-01 01:12 393阅读 0赞

# 图像 #

图像是结构化存储的数据信息

图像的属性：

*  通道数目
 *  高与宽
 *  像素数据
 *  图像类型

## 图像的加载显示 ##

OpenCV Python中加载图像的模块与API，OpenCV基本支持目前所有出现的图片格式

cv.waitKey()是一个键盘绑定函数，需要指出的是它的时间尺度是毫秒级的；函数等待特定的几毫秒，看是否有键盘输入，如果有键盘输入，这个函数就会返回按键的ASCII码值，程序会继续运行，如果没有键盘输入，返回值为-1，如果我们设置的这个函数的参数为0，那么它将会无限期的等待键盘输入

代码如下：

import cv2 as cv
    import numpy as np
    
    image = cv.imread('D:/2019-02/lena.jpg')
    cv.imshow('image', image)
    # 如果是64位系统，则需要变为下面的这段语句
    k = cv.waitKey(0) & 0xFF
    if k == 27:
        cv.destroyAllWindows()
    elif k == ord('s'):  # 等待‘s’的输入
        cv.destroyAllWindows()
        print(k)

def get_image_info(image):
        print(type(image))
        print(image.shape)  # 读取图像的
        print(image.size)
        print(image.dtype)
        
    
    # 读取视频的一个函数
    def video_demo():
        # 0表示使用本机的摄像头
        capture = cv.VideoCapture(0)
        while True:
            # capture.read()返回的是一个布尔值，如果帧读取是正确的，那么就是True
            ret, frame = capture.read()
            # 将图像改为正常的视角
            frame = cv.flip(frame, 1)
            cv.imshow('video', frame)
            c = cv.waitKey(50)
            # c为按键的ASCII码值，常用的ASCII码值有
            # ESC：27，空格：32， 回车：13
            if c == 27:
                break
        
    
    print('------hello python------')
    image = cv.imread('D:/2019-02/lena.jpg')
    cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
    cv.imshow('input image', image)
    get_image_info(image)
    # video_demo()
    # 0表示无限等待，
    cv.waitKey(0)
    # 释放窗口
    cv.destroyAllWindows()

输出结果：

------hello python------
    <class 'numpy.ndarray'>
    (512, 512, 3)
    786432
    uint8

## 修改图像的像素值 ##

可以通过遍历图像的像素值，然后对图像的像素值进行修改

import cv2 as cv
    import numpy as np
    
    def access_pixels(image):
        print(image.shape)
        height = image.shape[0]
        width = image.shape[1]
        channel = image.shape[2]
        for row in range(height):
            for col in range(width):
                for c in range(channel):
                    pv = image[row, col, c]
                    image[row, col, c] = 255 - pv
        cv.imshow('image', image)
        cv.imwrite('D:/2019-02/lena1.jpg', image)
        
    
    create_image()
    print('------hello python-------')
    image = cv.imread('D:/2019-02/lena.jpg')
    cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
    cv.imshow('input image', image)
    t1 = cv.getTickCount()
    access_pixels(image)
    t2 = cv.getTickCount()
    # 将时间转换为ms格式
    print('time:', (t2-t1)*1000/cv.getTickFrequency())
    cv.waitKey(0)
    cv.destroyAllWindows()

输出图像：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70][]

或者可以直接用API进行操作：

import cv2 as cv
    import numpy as np
    
    
    raw_image = cv.imread('D:/2019-02/lena.jpg')
    cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
    cv.imshow('image', raw_image)
    cv.waitKey(0)
    # 将像素取反，也就是转换成255减去当前像素值
    image = cv.bitwise_not(raw_image)
    cv.imshow('image', image)
    cv.waitKey(0)
    cv.destroyAllWindows()

## 创建图像 ##

新的OpenCV的接口中没有CreateImage接口，即没有cv2.CreateImage这样的函数，如果要创建一个图像，需要使用numpy函数

import cv2 as cv
    import numpy as np
    
    def create_image():
        img = np.zeros(image.shape, np.uint8)
        img[:, :, 0] = np.ones([400, 400]) * 255
        cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
        ccv.imshow('image', img)  
        cv.waitKey(0)
        cv.destoryAllWindows()  
        
    create_image()

# 色彩空间 #

颜色通常用三个独立的属性来描述，三个独立变量综合作用，自然就构成一个空间坐标，这就是颜色空间；但被描述的颜色对象本身是客观的，不同颜色空间只是从不同的角度去衡量同一个对象。颜色空间按照基本机构可以分为两大类：基色颜色空间和色、亮分离颜色空间。前者典型的是RGB，后者包括YUV和HSV等等。

下面就是一个色彩空间

![è¿éåå¾çæè¿°][296px-HSV_color_solid_cylinder_saturation_gray.png]

import cv2 as cv
    import numpy as np
    
    image = cv.imread('D:/2019-02/lena.jpg')
    
    def color_space_demo(image):
        # cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
        # 生成一个原始图像的灰度图的备份
        gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
        cv.imshow('gray', gray)
        cv.waitKey(0)
        # 将RGB色彩空间转到HSV
        hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
        cv.imshow('hsv', hsv)
        cv.waitKey(0)
        # cv.destroyAllWindows()
        cv.imwrite('D:/2019-02/lena2.jpg', image)
        
    color_space_demo(image)

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 2][]

注意：在opencv的HSV格式中，H(色彩/亮度)的取值范围是\[0, 179\]， S（饱和度）的取值范围是\[0, 255\]，V（亮度）的取值范围是\[0, 255\]；但是不同的软件使用的值可能不同，所以当你需要拿opencv的HSV值与其他软件的HSV的值进行比较的时候，一定要记得归一化

## inRange函数的使用 ##

## 物体跟踪 ##

*  从视频中获得某一帧的图像
 *  将图像转换为HSV空间
 *  设置HSV阈值到某一颜色通道
 *  获取蓝色物体，当然我们还可以做其他任何我们想做的事情，比如在蓝色物体的周围画上一个圈

![70][]![70][]

inRange函数可以对视频的某一颜色进行跟踪， inRange函数的应用

inRange(src, lowerb, upperb)

其中src为输入色彩空间为HSV的视频， lowerb是需要跟踪的颜色的下界， upperb是需要进行跟踪的上界，具体的参数可由下表确定，注意输入的是np.array的格式，样例：

def extrace_object_demo():
        capture = cv.VideoCapture('D:/2019-02/video.mp4')
        while True:
            ret, frame = capture.read()
            if ret == False:
                break
            hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
            # 跟踪白的的部分
            lower_hsv = np.array([0, 0, 221])
            upper_hsv = np.array([180, 30, 255])
            mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv)
            # 对原图像和掩模进行运算
            mask = cv.bitwise_and(frame, frame, mask=mask)
            # cv.imshow('video', frame)
            cv.imshow('video', mask)
            c = cv.waitKey(40)
            if c == 27:
                cv.destroyAllWindows()
                break
                
               
    extrace_object_demo()

有个问题：这里waitKey的参数是40，意味着每秒播放25帧的视频，一般来说每秒播放25-28帧视频是流畅的，但是播放一段时间后就停了，如何实现让视频一直跟踪某种颜色？？

结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 3][]

如上图，这段代码可以一直捕捉白色部分

还有就是可以通过cv.split函数将图像切割为三个单通道的图像

import cv2 as cv
    import numpy as np
    
    image = cv.imread('D:/2019-02/lena.jpg')
    b, g, r = cv.split(image)
    cv.imshow('blue', b)
    cv.imwrite('D:/2019-01/lena4.jpg', b)
    cv.imshow('green', g)
    cv.imwrite('D:/2019-01/lena5.jpg', g)
    cv.imshow('red', r)
    cv.imwrite('D:/2019-01/lena6.jpg', r)
    cv.waitKey(0)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 4][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 5][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 6][]

当然我们也可以通过cv.merge函数将三通道合并起来

import cv2 as cv
    import numpy as np
    
    image = cv.imread('D:/2019-02/lena.jpg')
    b, g, r = cv.split(image)
    image[:,:,2] = 0
    cv.imshow('image', image)
    cv.imwrite('D:/2019-02/lena7.jpg', image)
    image = cv.merge([b , g, r])
    cv.imshow('image', image)
    cv.imwrite('D:/2019-02/lena8.jpg', image)
    cv.waitKey(0)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 7][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 8][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70]: /images/20220301/456bdb41c8394da6aa64a4d8a3a2f5da.png
[296px-HSV_color_solid_cylinder_saturation_gray.png]: https://upload.wikimedia.org/wikipedia/commons/thumb/3/33/HSV_color_solid_cylinder_saturation_gray.png/296px-HSV_color_solid_cylinder_saturation_gray.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 1]: /images/20220301/ca6d94ae36804a1a91e00bb2b98a2bbb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 2]: /images/20220301/288eabb98fdc408696b883143f18402f.png
[70]: /images/20220301/cf39c8935a7448caba99d59a4ce59112.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 3]: /images/20220301/f715d7eea97642ef8a7b9694989af1a6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 4]: /images/20220301/d19d2a1641464243bfd658c71ef0a2bc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 5]: /images/20220301/474a48faa55e47a0a97ecd0e5e51fa09.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 6]: /images/20220301/611445fb56484a96ae916f5e02c6668f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 7]: /images/20220301/f22b2c40b8f2403689d6d27afb6619de.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 8]: /images/20220301/e7e92c6189c24df0810316ec531d28a5.png