OpenCV —— 图像基本操作

以你之姓@ 2023-03-12 12:19 9阅读 0赞

# 前文 #

[OpenCV —— 概述与环境搭建][OpenCV _]

[使用 Maplotlib 集合 Numpy 绘制 2D 图形][Maplotlib _ Numpy _ 2D]

### 文章目录 ###

*  前文
 *  加载图像
 *   *  图像显示
     *  数据读取 - 图像
     *  截取部分图像数据
     *  颜色通道提取
     *   *  只保留 R
         *  只保留 G
         *  只保留 B
     *  边界填充
     *  数值计算
     *  图像融合
     *   *  正确计算数值
 *  图像保存
 *  数据读取 - 视频

# 加载图像 #

*  imread 功能是加载图像文件成为一个 Mat 对象，其中第一个参数表示图像文件名称，第二个参数表示加载的图像是什么类型，支持常见的三个参数值
 *  IMREAD\_UNCHANDED(<0) 表示加载原图，不做任何改变
 *  IMREAD\_GRAYSCALE(0) 表示吧原图作为灰度图像加载进来
 *  IMREAD\_COLOR(>0)  表示把原图作为 RGB 图像加载进来

注意：OpenCV 支持 JPG、PNG、TIFF 等常见格式图像文件加载（默认读取的格式是 BGR）

# 导入 OpenCV 库
    import cv2 as cv
    
    # 加载图像
    img = cv.imread("./1.jpg")
    # 打印图像类型
    print(type(img))
    print(img)

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70]  
可以发现这是个 numpy 数据类型的，而且是三个维度的，比如 \[H,W,C\]

## 图像显示 ##

# 导入 OpenCV 库
    import cv2 as cv
    
    # 加载图像
    img = cv.imread("./1.jpg")
    
    # 图像的显示，也可以创建多个窗口
    cv.imshow("image",img)
    
    # 等待时间，毫秒级，0 表示任意键终止
    cv.waitKey(0)
    cv.destroyAllWindows()

输出：（按下任意键关闭该窗口）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 1]

## 数据读取 - 图像 ##

# 导入 OpenCV 库
    import cv2 as cv
    
    # 灰色显示
    img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)
    
    # 打印信息
    print(img)

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 2]  
这里打印的结果就不像上面那样有三个维度了，因为是灰色的，也就是没有彩色的，所以这里表示的只有 H 和 W

--------------------

当然，这里的代码只是打印信息而已，还不能显示到窗口，显示到窗口还需要增加几句代码，如下：

# 导入 OpenCV 库
    import cv2 as cv
    
    img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)
    cv.imshow("image",img)
    cv.waitKey(0)
    cv.destroyAllWindows()

输出：（可以发现，图片是以灰色显示了的）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 3]

## 截取部分图像数据 ##

# 导入 OpenCV 库
    import cv2 as cv
    
    # 加载图像
    img = cv.imread("./1.jpg",)
    
    # 截取部分图像
    cat = img[0:200, 0:200]
    
    # 显示截取的图像
    cv.imshow("cat",cat)
    cv.waitKey(0)
    cv.destroyAllWindows()

输出  
![在这里插入图片描述][20200510134243898.png]

## 颜色通道提取 ##

通过 cv2 的 split() 方法可以进行颜色的通道提取

# 导入 OpenCV 库
    import cv2 as cv
    
    img = cv.imread("./1.jpg",)
    b,g,r = cv.split(img)
    
    print(b)

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 4]

### 只保留 R ###

上面说过 OpenCV 默认读取的格式是 BGR

# 导入 OpenCV 库
    import cv2 as cv
    
    img = cv.imread("./1.jpg",)
    cur_img = img.copy()
    
    # 注意参数的变化
    cur_img[:,:,0] = 0
    cur_img[:,:,1] = 0
    cv.imshow('R',cur_img)
    cv.waitKey(0)
    cv.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 5]  
R 是 Red 的缩写，这里显示的是红色

### 只保留 G ###

# 导入 OpenCV 库
    import cv2 as cv
    
    img = cv.imread("./1.jpg",)
    cur_img = img.copy()
    
    # 注意参数的变化
    cur_img[:,:,0] = 0
    cur_img[:,:,2] = 0
    cv.imshow('G',cur_img)
    cv.waitKey(0)
    cv.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 6]  
G 是 Green 的缩写，这里显示的是绿色

### 只保留 B ###

# 导入 OpenCV 库
    import cv2 as cv
    
    img = cv.imread("./1.jpg",)
    cur_img = img.copy()
    
    # 注意参数的变化
    cur_img[:,:,1] = 0
    cur_img[:,:,2] = 0
    cv.imshow('B',cur_img)
    cv.waitKey(0)
    cv.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 7]  
B 是 Blue 的缩写，这里显示的是蓝色

## 边界填充 ##

# 导入 OpenCV 库
    import cv2 as cv
    # 导入 maplotlib
    import matplotlib.pyplot as plt
    
    img = cv.imread("./1.jpg",)
    
    # 定义图片显示大小
    top_size,buttom_size,left_size,right_size = (50,50,50,50)
    
    # 复制法，也就是复制最边缘像素
    replicate = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REPLICATE)
    
    # 反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcbajabcdefghjhgfedcb
    reflect = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REFLECT)
    
    # 反射法，也就是以最边缘像素为轴、对称、gfedcbjabcdefghigfedcba
    reflect01 = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REFLECT_101)
    
    # 外包装法 cdeifghjabcdefghjabcdefg
    wrap = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_WRAP)
    
    # 常量法，常数值填充
    constant = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_CONSTANT)
    
    # 设置图像位置
    plt.subplot(231)
    # 设置图像显示
    plt.imshow(img,'gray')
    # 设置标题
    plt.title('ORIGINAL')
    
    plt.subplot(232)
    plt.imshow(replicate,'gray')
    plt.title("REPLICATE")
    
    plt.subplot(233)
    plt.imshow(reflect,'gray')
    plt.title("REFLECT")
    
    plt.subplot(234)
    plt.imshow(reflect01,'gray')
    plt.title("REPLICATE01")
    
    plt.subplot(235)
    plt.imshow(wrap,'gray')
    plt.title("WRAP")
    
    plt.subplot(236)
    plt.imshow(constant,'gray')
    plt.title("CONSTANT")
    
    # 图像显示
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 8]  
第一幅图是原始的图片，其它的都是进行过处理的

*  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：fedcbajabcdefghjhgfedcb（这里我也不是很明白，会的朋友请在评论区解释下，感谢）
 *  BORDER\_REFLECT\_101  ： 反射法，也就是以最边缘像素为轴、对称、gfedcbjabcdefghigfedcba
 *  BORDER\_WRAP ： 外包装法 cdeifghjabcdefghjabcdefg
 *  BORDER\_CONSTANT  ： 常量法，常数值填充

## 数值计算 ##

import cv2 as cv
    
    img = cv.imread("./1.jpg")
    
    img2 = img + 10
    img[:5,:,0]
    
    print(img)
    print("--------------------------")
    print(img2)

我们来看下这段代码的输出结果：（由于输出结果有点长，这里只截取部分结果）

这是 img 的输出，注意观察它的值  
![在这里插入图片描述][20200510142921786.png]

这是 img2 的输出，可以发现，img2 中的每个值都加了 10 ，如果值超出 255 ，

则得到结果如：253 + 10 = 263，263 - 255 = 7，那么计算结果就为 7  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 9]

## 图像融合 ##

需要融合的两张图像如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 10]

import cv2 as cv
    
    img = cv.imread("./1.jpg")
    img_cat = cv.imread("./2.jpg")
    
    result = img + img_cat
    print(result)

输出：  
![在这里插入图片描述][20200510143948880.png]  
说明 img 和 img\_cat 的值是不相同的，所以需要转换一下

import cv2 as cv
    
    img = cv.imread("./1.jpg")
    img_cat = cv.imread("./2.jpg")
    
    print(img.shape)
    print(img_cat.shape)

![在这里插入图片描述][20200510144141657.png]  
可以发现，两张图像的 H 和 W 值确实是不相等的，所以无法进行数值相加

--------------------

### 正确计算数值 ###

import cv2 as cv
    
    img = cv.imread("./1.jpg")
    img_cat = cv.imread("./2.jpg")
    print(img.shape)
    # 设置与 img 一样的数值
    img_cat = cv.resize(img_cat,(721,300))
    print(img_cat.shape)

![在这里插入图片描述][20200510144613387.png]  
现在两张的数值是相等的了，可以进行图像融合了，这里其实就是使用了 resize() 方法将其扩大了

--------------------

完整代码：

import cv2 as cv
    import matplotlib.pyplot as plt
    
    img = cv.imread("./1.jpg")
    img_cat = cv.imread("./2.jpg")
    # 设置与 img 一样的数值
    img_cat = cv.resize(img_cat,(721,300))
    
    # 设置宽度值
    res = cv.addWeighted(img,0.4,img_cat,0.6,0)
    
    # 图像显示
    plt.imshow(res)
    plt.show()

输出：（prefect）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 11]

# 图像保存 #

图像的保存非常简单，只需要使用 imwrite() 方法即可将图像保存起来

# 导入 OpenCV 库
    import cv2 as cv
    
    # 读取图像
    img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)
    # 图像保存
    # 第一个参数是图像要保存的路径，第二个图像是要保存的图像
    cv.imwrite("./demo.jpg",img)

执行上面的代码就会在当前路径下生成一整 demo.jpg 的图像  
![在这里插入图片描述][20200509122634862.png]

# 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

**举例：**

（1）读取视频

video = cv2.VideoCapture("demo.mp4")

（2）检查视频是否打开正确

# 检查是否打开正确
    if video.isOpened():
    	# 我们都知道视频和游戏其实都是由图像组成的，通过访问图像的帧数连贯形成的，这里也是一样
    	# video.read() 一帧一帧地读取
    	# open 得到的是一个布尔值，就是 True 或者 False
    	# frame 得到当前这一帧的图像
        open, frame = video.read()
    else:
        open = False

（3）遍历每一帧图像

while open:
        ret, frame = video.read()
        # 如果读到的帧数不为空，那么就继续读取，如果为空，就退出
        if frame is None:
            break
        if ret == True:
        	# 转换为灰度图
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
            cv2.imshow("video",gray)
            # 这里使用 waitKey 可以控制视频的播放速度，数值越小，播放速度越快
            # 这里等于 27 也即是说按下 ESC 键即可退出该窗口
            if cv2.waitKey(10) & 0xFF == 27:
                break
    video.release()
    cv2.destroyAllWindows()

--------------------

完整代码如下：

import cv2
    
    video = cv2.VideoCapture("./demo.mp4")
    
    # 检查是否打开正确
    if video.isOpened():
        # 我们都知道视频和游戏其实都是由图像组成的，通过访问图像的帧数连贯形成的，这里也是一样
        # video.read() 一帧一帧地读取
        # open 得到的是一个布尔值，就是 True 或者 False
        # frame 得到当前这一帧的图像
        open, frame = video.read()
    else:
        open = False
    
    while open:
        ret, frame = video.read()
        # 如果读到的帧数不为空，那么就继续读取，如果为空，就退出
        if frame is None:
            break
        if ret == True:
            # 转换为灰度图
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
            cv2.imshow("video",gray)
            # 这里使用 waitKey 可以控制视频的播放速度，数值越小，播放速度越快
            # 这里等于 27 也即是说按下 ESC 键即可退出该窗口
            if cv2.waitKey(10) & 0xFF == 27:
                break
    video.release()
    cv2.destroyAllWindows()

运行该程序就会去读取当前路径下的 demo.mp4 文件，将视频显示在名为 video 的窗口上，如下：

![在这里插入图片描述][20200510204114462.gif_pic_center]

--------------------

当然，上面的程序是将原视频设置为灰色的，想要显示的是原视频，只需要修改上述代码中的两个部分就行了

*  注释掉设置灰色的部分
 *  将原视频显示在窗口上  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 12]

[OpenCV _]: https://blog.csdn.net/Woo_home/article/details/106032366
[Maplotlib _ Numpy _ 2D]: https://blog.csdn.net/Woo_home/article/details/90139975
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70]: /images/20230312/e7db6e4d352244fba7d2797be72b357a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 1]: /images/20230312/8e630962049e4496ac8359c4bb16c314.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 2]: /images/20230312/e4f4a14dde4148bea5f9d5751db1ec97.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 3]: /images/20230312/06cf21977c654d9f8d648721cc501bb3.png
[20200510134243898.png]: /images/20230312/138ccd94fe7e4590a54ebe6f3bf574f1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 4]: /images/20230312/e180433f15924365ac786d5b3fe6ca83.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 5]: /images/20230312/52e605de9902429ab1fb7d6baf1a3b95.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 6]: /images/20230312/d53b3c94dc9b4a9482343ee74437b04c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 7]: /images/20230312/c42b88520b6f46fbb370feddae7fbaba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 8]: /images/20230312/9544f1705fcc4928ba04e24381a9d05c.png
[20200510142921786.png]: /images/20230312/0bff4ec61bd1448eb8cbebe2c1a1fb1d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 9]: /images/20230312/4cb32cf84cf44ae59b04e61849ceb0fe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 10]: /images/20230312/979dd8a45ac845ba90be3799053073fe.png
[20200510143948880.png]: /images/20230312/d11096e5b516401f84f31bda9f0bf602.png
[20200510144141657.png]: /images/20230312/2b82d63c9db34d1fadba85515c86d6e7.png
[20200510144613387.png]: /images/20230312/104510717a484c87b253e4f35f8ab6de.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 11]: /images/20230312/9281b54f14d44517a8f77c2b514b9f86.png
[20200509122634862.png]: /images/20230312/98eb0461676d46c8a40a3413ebbc3d88.png
[20200510204114462.gif_pic_center]: /images/20230312/b38e7777da4b48fcbb9ce588a83bcbe2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dvb19ob21l_size_16_color_FFFFFF_t_70 12]: /images/20230312/96b67d11dbc14da0a554434b3bd23dec.png