Python-OpenCV基本操作方法详解_python
- 不言原创
- 2018-04-02 16:33:514443浏览
下面小编就为大家分享一篇Python-OpenCV基本操作方法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
基本属性
cv2.imread(文件名，属性) 读入图像
属性：指定图像用哪种方式读取文件
cv2.IMREAD_COLOR：读入彩色图像，默认参数，Opencv 读取彩色图像为BGR模式 ！！！注意
cv2.IMREAD_GRAYSCALE：读入灰度图像。
cv2.imshow(窗口名，图像文件) 显示图像
可以创建多个窗口
cv2.waitKey() 键盘绑定函数
函数等待特定的几毫秒，看是否由键盘输入。
cv2.namedWindow(窗口名，属性) 创建一个窗口
属性:指定窗口大小模式
cv2.WINDOW_AUTOSIZE：根据图像大小自动创建大小
cv2.WINDOW_NORMAL：窗口大小可调整
cv2.destoryAllWindows(窗口名) 删除任何建立的窗口
代码实例：
import cv2 img=cv2.imread('test.py',cv2.IMREAD_COLOR) cv2.namedWindow('image',cv2.WINDOW_NORMAL) cv2.imshow('image',img) cv2.waitKey(0) cv2.destoryAllWindows()
cv2.imwrite(保存图像名，需保存图像) 保存图像
代码实例：
import cv2 img=cv2.imread('test.png',0) cv2.imshow('image',img) k=cv2.waitKey(0) if k==27: #等待 ESC 键 cv2.destoryAllWindows() elif k==ord('s') #等待 's' 键来保存和退出 cv2.imwrite('messigray.png',img) cv2.destoryAllWindows()
对于图像的一些操作
0x01. 获取图片属性
import cv2 img=img.imread('test.png') print img.shape #(768,1024,3) print img.size #2359296 768*1024*3 print img.dtype #uint8
0x02. 输出文本
在处理图片时，将一些信息直接以文字的形式输出在图片上
cv2.putText(图片名，文字，坐标，文字颜色)
0x03. 缩放图片
实现缩放图片并保存，在使用OpenCV时常用的操作。cv2.resize()支持多种插值算法，默认使用cv2.INTER_LINEAR，缩小最适合使用：cv2.INTER_AREA，放大最适合使用：cv2.INTER_CUBIC或cv2.INTER_LINEAR。
res=cv2.resize(image,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
或者：
res=cv2.resize(image,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
此处None本应该是输出图像的尺寸，因为后边设置了缩放因子
0x04. 图像平移
cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
平移就是将图像换个位置，如果要沿(x,y)方向移动，移动距离为(tx,ty),则需要构建偏移矩阵M。
例如 平移图片(100,50）
import cv2 img=cv2.imread('test.png',1) rows,cols,channel=img.shape M=np.float32([[1,0,100],[0,1,50]]) dst=cv2.warpAffine(img,M,(cols,rows)) cv2.imshow('img',dst) cv2.waitKey(0) cv2.destoryALLWindows()
其中 (cols,rows)代表输出图像的大小，M为变换矩阵，100代表x的偏移量，50代表y的偏移量，单位为像素。
0x05. 图像旋转
OpenCV中首先需要构造一个旋转矩阵，通过cv2.getRotationMatrix2D获得。
import cv2 img=cv2.imread('test.png',0) rows,cols=img.shape #第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子 M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6) #第三个参数为图像的尺寸中心 dst=cv2.warpAffine(img,M,(2*cols,2*rows)) cv2.imshow('img',dst) cv2.waitKey(0) cv2.destoryALLWindows()
0x06. 仿射变换
在仿射变换中，原图中所有的平行线在结果图像中同样平行。为了创建偏移矩阵，需要在原图像中找到三个点以及它们在输出图像中的位置。然后OpenCV中提供了cv2.getAffineTransform创建2*3的矩阵，最后将矩阵传给函数cv2.warpAffine。
import cv2 import matplotlib.pyplot as plt import numpy as np img=cv2.imread('test.png') rows,cols,ch=img.shape pts1=np.float32([[50,50],[200,50],[50,200]]) pts2=np.float32([[10,100],[200,50],[100,250]]) M=cv2.getAffineTransform(pts1,pts2) dst=cv2.warpAffine(img,M,(cols,rows)) plt.subplot(121),plt.imshow(img),plt.title('Input') plt.subplot(122),plt.imshow(dst),plt.title('Output') plt.show()
0x07. 透视变换
视角变换，需要一个3*3变换矩阵。在变换前后要保证直线还是直线。构建此矩阵需要在输入图像中找寻4个点，以及在输出图像中对应的位置。这四个点中的任意三个点不能共线。变换矩阵OpenCV提供cv2.getPerspectiveTransform()构建。然后将矩阵传入函数cv2.warpPerspective。
import cv2 import numpy as np import matplotlib.pyplot as plt img=cv2.imread('test.png') rows,cols,ch=img.shape pts1=np.float32([[56,65],[368,52],[28,387],[389,390]]) pts2=np.float32([[0,0],[300,0],[0,300],[300,300]]) M=cv2.getPerspectiveTransform(pts1,pts2) dst=cv2.warpPerspective(img,M,(300,300)) plt.subplot(121),plt.imshow(img),plt.title('Input') plt.subplot(122),plt.imshow(dst),plt.title('Output') plt.show()
0x09. 图像 regions of Interest
有时需要对一副图像的特定区域进行操作，ROI使用Numpy索引来获得的。
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread('test.png')
rows,cols,ch=image.shape
tall=image[0:100,300:700]
image[0:100,600:1000]=tallall
cv2.imshow("image",image)
cv2.waitKey(0)
cv2.destoryALLWindows()
0x10. 通道的拆分/合并处理
有时需要对BGR三个通道分别进行操作。这时需要将BGR拆分成单个通道。同时有时需要把独立通道的图片合并成一个BGR图像。
使用OpenCV库函数版本
import cv2 import numpy as np import matplotlib.pyplot as plt image=cv2.imread('pitt1.jpg') rows,cols,ch=image.shape #拆分通道，cv2.split()是一个比较耗时的操作。只有需要时使用，尽量Numpy b,g,r=cv2.split(image) print b.shape #(768,1024) #合并通道 image=cv2.merge(b,g,r)
使用Numpy索引版本：
import cv2 import numpy as np import matplotlib.pyplot as plt image=cv2.imread('pitt1.jpg') rows,cols,ch=image.shape #直接获取 b=img[:,:,0]
以上是Python-OpenCV基本操作方法详解_python的详细内容。更多信息请关注PHP中文网其他相关文章！