【Python】OpenCV库学习笔记（二）

超、凢脫俗 2023-01-06 15:57 315阅读 0赞

### OpenCV库学习笔记2 ###

*  1. shape函数的返回值
 *  2. 像素值取反方法
 *  3. getTickCount函数和getTickFrequency函数计算函数运行时间
 *  4. NumPy模块中zeros函数和ones函数详解
 *  5. NumPy模块中常用方法
 *  6. 色彩空间
 *   *  6.1 色彩空间的概念
     *  6.2 常见的色彩空间
     *  6.3 不同的色彩空间之间的相互转换
     *   *  6.3.1 HSV与RGB相互转换
         *  6.3.2 YUV与RGB相互转换

# 1. shape函数的返回值 #

import cv2 as cv
    
    def get_image_info(image):
        print(image.shape)
        height = image.shape[0]
        width = image.shape[1]
        channels = image.shape[2]
        print("宽度：%d,高度：%d,通道：%d" % (width, height, channels))
    img = cv.imread("01.jpg")
    get_image_info(img)

(640, 640, 3)
    宽度：640,高度：640,通道：3

# 2. 像素值取反方法 #

（1）每一个像素取反

> 该方法是一个一个像素值进行修改，会很慢！

import cv2 as cv
    
    def access_pexels(image):
        height = image.shape[0]
        width = image.shape[1]
        channels = image.shape[2]
        for row in range(width):
            for col in range(height):
                for c in range(channels):
                    pv = image[row, col, c]
                    image[row, col, c] = 255 - pv;
        cv.imshow("image", image)
    
    img = cv.imread("01.jpg")
    cv.imshow("image_", img)
    access_pexels(img)
    cv.waitKey(0)
    cv.destroyAllWindows();

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70]

（2）bitwise\_not接口

> 这个函数会比上一个方法运行的更快！

import cv2 as cv
    
    
    def func(image):
        cv.imshow("image", image)
        image_ = cv.bitwise_not(image)
        cv.imshow("image_", image_)
    image = cv.imread("01.jpg")
    func(image)
    cv.waitKey(0)
    cv.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 1]

# 3. getTickCount函数和getTickFrequency函数计算函数运行时间 #

cv.getTickCount()
    cv.getTickFrequency()

*  getTickCount获取从操作系统启动到调用该函数的地方所经历的计时周期数，可以理解为次数
 *  getTickFrequency获取CPU的频率，单位：次/秒
 *  所以：（次数2 - 次数1）/ 频率 = 秒

> 样例

import cv2 as cv
    
    def access_pexels(image):
        height = image.shape[0]
        width = image.shape[1]
        channels = image.shape[2]
        for row in range(width):
            for col in range(height):
                for c in range(channels):
                    pv = image[row, col, c]
                    image[row, col, c] = 255 - pv;
    
    img = cv.imread("01.jpg")
    t1 = cv.getTickCount();
    access_pexels(img)
    t2 = cv.getTickCount();
    running_time = 1000 * (t2 - t1) / cv.getTickFrequency()
    print('running time: %s (ms)' % running_time)

running time: 2526.2581 (ms)

# 4. NumPy模块中zeros函数和ones函数详解 #

import numpy
    def zeros(shape, dtype=None, order='C')	# 将值全部初始化为 0
    def ones(shape, dtype=None, order='C')  # 将值全部初始化为 1，还可进行乘积运算，修改成不同的值

*  shape表示数组的类型，可以是一维、二维、三维的
 *  dtype表示其中数据的类型，默认为float64（64位的float类型），也可以指定为np.uint8（无符号8位整型，数据范围在0~255，正好适合表示图片的像素值）
 *  order表示在内存中存储多维数组的风格，默认为’C’（以行为主顺序），也可以填 ‘F’ （以列为主顺序）

import numpy as np
    import cv2 as cv
    
    def create_image():
        img = np.zeros([300,300,3], np.uint8)   # 创建一个400*400的3通道的图片，dtype为np.uint8
        cv.imshow("img", img)
        img[:, :, 0] = np.ones([300, 300]) * 255	# 将0号通道的值变成255
        cv.imshow("img_", img)
    
    create_image()
    cv.waitKey(0)
    cv.destroyAllWindows();

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 2]

> 代码中使用zero函数创建了一个三维数组，使用这个数组表示图片，其中图片大小为300 \* 300，有3个通道，由于数组中的默认值为0，所以创建出来的图片是黑色
> 
> 通过ones函数修改某通道的值，以达到修改像素值，使图片颜色改变
> 
> 代码中将0号通道值全部变为255，所以每一个像素点的值都是(0,0,255)，所以显示出来是蓝色

**图解zero函数和ones函数在上述代码中的作用**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 3]

> 单通道样例

import numpy as np
    import cv2 as cv
    
    def create_image():
        img = np.zeros([300,300,1], np.uint8)
        cv.imshow("img", img)
        img[:, :, 0] = np.ones([300, 300]) * 127
        cv.imshow("img_", img)
     
    create_image()
    cv.waitKey(0)
    cv.destroyAllWindows();

> 由于只有一个通道，这个通道的值的取值为\[0,255\]，若是0则代表黑色，若是255则代表白色，中间的是灰色

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 4]

# 5. NumPy模块中常用方法 #

（1）reshape方法和fill方法

import numpy
    
    array1 = numpy.zeros([3, 3], numpy.uint8) # 创建一个3 * 3的二维数组，其中数据类型为8位的无符号整型，
    print(array1)
    array2 = array1.reshape([1, 9]) # 该函数可以将原有的数据个数（9个），变成其他维度的，数据的个数不能改变哦！
    print(array2)
    array2.fill(256) # 将数组中填入某个值，如果这个值 大于该类型的最大值，会出现高位截断
    print(array2)

[[0 0 0]
     [0 0 0]
     [0 0 0]]
    [[0 0 0 0 0 0 0 0 0]]
    [[0 0 0 0 0 0 0 0 0]]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 5]

（2）array方法

import numpy
    
    one_dimension = numpy.array([1,2,3], numpy.int32)	# 创建一维数组
    two_dimensions = numpy.array([[1,2,3],[4,5,6]], numpy.int32)	# 创建二维数组
    three_dimensions = numpy.array([[1,2,3],[4,5,6],[7,8,9]], numpy.int32)	# 创建三维数组
    print(one_dimension)
    print(two_dimensions)
    print(three_dimensions)

[1 2 3]
    [[1 2 3]
     [4 5 6]]
    [[1 2 3]
     [4 5 6]
     [7 8 9]]

# 6. 色彩空间 #

## 6.1 色彩空间的概念 ##

*  颜色空间通常用`三个相对独立的属性`来描述，三个独立的变量综合作用，自然构成一个`空间坐标`，这就是`颜色空间`（颜色模型）。
 *  颜色可以由不同的角度，用三个不同属性加以描述，就产生了不同的颜色空间。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

## 6.2 常见的色彩空间 ##

(1) RGB

> 电脑成像利用了图像的三原色的原理。RGB颜色模型即代表了红绿蓝三原色，每种颜色利用两位十六进制数（八位二进制数）表示该颜色的强度。其中在颜色通道大小为0时色强最弱，大小为255时色强最强。由于在所有图像通道都为0时图像呈白色，所有图像通道值为255时图像呈黑色，所以RGB图像也被称为灰度图像。

*  RGB 色彩空间模型示意图  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 6]
 *  RGB 色彩空间 彩色图  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 7]

(2) HSV

> HSV颜色模型，通过色调（H）饱和度（S）明度（V）来表现。色调H由角度表示，取值为0-360°。从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°。饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 8]

(3) HIS

> HIS色彩空间模型示意图

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 9]

（4）YUV (YCrCb)

> 在YUV颜色模型中，“Y”表示明亮度（Luminance或Luma），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。“亮度”是透过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。“色度”则定义了颜色的两个方面─色调与饱和度，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之间的差异。  
> YUV颜色模型解决了彩色图像和黑白图像的兼容问题，如果只有Y信号而没有U何V信号，那么一幅彩色图像就可以背转换为黑白图像。  
> YUV颜色模型可以和RGB颜色模型相互转换。公式如下：  
> Y = 0.299R + 0.587G + 0.114B  
> U = -0.147R - 0.289G + 0.436B  
> V = 0.615R - 0.515G - 0.100B

## 6.3 不同的色彩空间之间的相互转换 ##

def cvtColor(src, code, dst=None, dstCn=None)

*  src代表需要转换的图像
 *  code代表颜色映射码

### 6.3.1 HSV与RGB相互转换 ###

<table> 
 <thead> 
  <tr> 
   <th>颜色映射码（HSV &lt; - - &gt; RGB）</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>COLOR_RGB2HSV</td> 
  </tr> 
  <tr> 
   <td>COLOR_HSV2RGB</td> 
  </tr> 
 </tbody> 
</table>

import cv2 as cv
    
    def color_space_change(image):
        RGB2HSV_img = cv.cvtColor(image, cv.COLOR_RGB2HSV)
        cv.imshow("RGB2HSV_img", RGB2HSV_img)
        HSV2RGB_img = cv.cvtColor(RGB2HSV_img, cv.COLOR_HSV2RGB)
        cv.imshow("HSV2RGB_img", HSV2RGB_img)
    
    
    img = cv.imread("01.jpg")
    color_space_change(img)
    cv.waitKey(0)
    cv.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 10]

### 6.3.2 YUV与RGB相互转换 ###

<table> 
 <thead> 
  <tr> 
   <th>颜色映射码（YUV &lt; - - &gt; RGB）</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>COLOR_RGB2YUV</td> 
  </tr> 
  <tr> 
   <td>COLOR_YUV2RGB</td> 
  </tr> 
 </tbody> 
</table>

import cv2 as cv
    
    def color_space_change(image):
        RGB2YUV_img = cv.cvtColor(image, cv.COLOR_RGB2YUV)
        cv.imshow("RGB2YUV_img", RGB2YUV_img)
        
        YUV2RGB_img = cv.cvtColor(RGB2YUV_img, cv.COLOR_YUV2RGB)
        cv.imshow("YUV2RGB_img", YUV2RGB_img)
    
    
    img = cv.imread("01.jpg")
    color_space_change(img)
    cv.waitKey(0)
    cv.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 11]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70]: /images/20221119/9513128184dd40ec88466853d028ea01.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20210115001020451.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20210115001043692.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20210115001102723.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20210115001122732.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20210115001145876.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20210115001213379.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20210115001244169.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20210115001306368.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20210115001333565.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20210115001355664.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20210115001428688.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTQzNzAyMg==,size_16,color_FFFFFF,t_70