大家好，今天分享这篇文章主要介绍了OpenCV基本操作中的图像基础操作，
希望对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考。
读取图片
imread 功能是加载图像文件成为一个 Mat 对象。
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_UNCHANGED(<0) 表示加载原图，不做任何改变
-
IMREAD_GRAYSCALE(0) 表示把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）
import cv2# 读取图像image = cv2.imread("E:image.png")# 打印形状，类型，和具体对象print(image.shape,type(image),image)
输出结果如下：
(419, 691, 3) <class 'numpy.ndarray'> [[[ 92 103 57][ 87 98 52][ 86 98 50]...[ 69 70 30][ 69 71 35][ 74 75 41]]]
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]
显示图像
imread功能是显示图像。
第一个参数表示显示图像描述信息
第二个参数为imread的Mat对象。
# 获取加载原图灰度image = cv2.imread('E:image.png')# 图像的显示，也可以创建多个窗口cv2.imshow("mmimage",image)# 等待时间，毫秒级，0 表示任意键终止cv2.waitKey(0)cv2.destroyAllWindows()
会出现一个弹窗，显示一张图片。
输出：（按下任意键关闭该窗口）
图片灰度化
# 获取加载原图灰度image = cv2.imread('E:image.png',cv2.IMREAD_GRAYSCALE)# 图像的显示，也可以创建多个窗口cv2.imshow("Image",image)# 等待时间，毫秒级，0 表示任意键终止cv2.waitKey(0)cv2.destroyAllWindows()
效果如下：
在新弹出窗口显示一张已灰度化处理的图片。
颜色空间转换
上面提取图片灰度，也可以通过颜色空间转化函数。
cvtColor函数是进行图片颜色空间转换的
第一个参数是输入图像，通过imread读取的图像。
第二个参数是颜色空间转换的标志，支持下面几种类型：
-
COLOR_BGR2GRAY 表示BGR转换为灰度图 (Grayscale)
-
COLOR_BGR2HSV 表示把BGR颜色空间转换为HSV颜色空间
-
COLOR_BGR2RGB 表示把BGR转换为RGB
-
COLOR_GRAY2BGR 表示把灰度转换为BGR
-
COLOR_HSV2BGR 表示把HSV转换为BGR
# 图片灰度化也可以cvtColor函数,# 这样好处就是原图用于其它操作，不会影响image = cv2.imread('E:image.png')# 不同颜色空间之间进行转换,转换灰度gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 图像的显示，也可以创建多个窗口cv2.imshow("gray_image",gray_image)cv2.imshow("orgin_image",image)# 等待时间，毫秒级，0 表示任意键终止cv2.waitKey(0)cv2.destroyAllWindows()
会出现两个弹窗图片，一个是原始图，一个是灰度处理后的。
裁剪部分图像数据
前面我们看到加载的图片为numpy.narray类型。这样就可以直接作为切片进行处理了。
import cv2# 读取图像image = cv2.imread('E:image.png')# 取出图像的一半cut_image = image[:image.shape[0] // 2,:image.shape[1] // 2]# 显示裁剪后的图片cv2.imshow("cut_image",cut_image)# 等待时间，毫秒级，0 表示任意键终止cv2.waitKey(0)cv2.destroyAllWindows()
效果如下：
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 cv2image = cv2.imread('E:image.png')# 颜色提取b,g,r = cv2.split(image)# 输出g
输出效果如下：
rray([[103, 98, 98, ..., 112, 111, 112],[102, 97, 96, ..., 111, 111, 112],[100, 94, 92, ..., 111, 111, 113],...,[ 81, 79, 83, ..., 73, 72, 72],[ 80, 82, 79, ..., 72, 72, 71],[ 78, 78, 78, ..., 70, 71, 75]], dtype=uint8)
上面说过 OpenCV 默认读取的格式是 BGR.也可通过切片操作修改。
# 导入 OpenCV 库import cv2image = cv2.imread('E:image.png')# 复制图片cur_img = image.copy()# 注意参数的变化，仅保留Gcur_img[:,:,0] = 0cur_img[:,:,2] = 0# 仅保留B# cur_img[:,:,1] = 0# cur_img[:,:,2] = 0# 仅保留R# cur_img[:,:,0] = 0# cur_img[:,:,1] = 0# 输出仅有G的颜色图片cv2.imshow('G',cur_img)# 等待时间，毫秒级，0 表示任意键终止cv2.waitKey(0)cv2.destroyAllWindows()
效果如下：
G 是 Green 的缩写，这里显示的是绿色。
数值计算
在前面我们讲numpy的时候讲过它有广播的功能，不消耗内存进行数值运算。
如果不了解，看一下我前面的文章《数据科学初学者必知的Python第三方库NumPy》有相应介绍。
导入 OpenCV 库import cv2image = cv2.imread('E:image.png')# 数值运算image1 = image + 30# 过长，我就简单截取print(image[:5,:,0])print(image1[:5,:,0])cv2.imshow('cal',image1)# 等待时间，毫秒级，0 表示任意键终止cv2.waitKey(0)cv2.destroyAllWindows()
输出内容如下：
[[92 87 86 ... 72 69 70][90 85 84 ... 71 71 70][88 82 82 ... 73 71 70][87 82 79 ... 73 71 70][84 83 77 ... 73 71 70]][[122 117 116 ... 102 99 100][120 115 114 ... 101 101 100][118 112 112 ... 103 101 100][117 112 109 ... 103 101 100][114 113 107 ... 103 101 100]]
图片image1的每个值都做了+30的操作。
如果超过RGB颜色范围255的话：新颜色 = 原有颜色值 + 30 - 255
图像融合
addWeighted 函数用于将两个图像进行加权相加，生成一个新的图像。
dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)-
src1：第一个输入图像。
-
alpha：第一个图像的权重。
-
src2：第二个输入图像。
-
beta：第二个图像的权重。
-
gamma：图像融合中的常量。
需要融合的两张图像,把美女放到相框中去如下：
import cv2import matplotlib.pyplot as plt # 这个库是用来画图的#这是jupyter notebook里的命令, 意思是将那些用matplotlib绘制的图显示在页面里而不是弹出一个窗口%matplotlib inlineimage_xk = cv2.imread('xk.jpg')image_mn = cv2.imread('mv.jpg')# 将两张图像横向拼接result = np.hstack((image_xk, image_mn))plt.imshow(result)plt.show()
# 如果两个图片长宽相同才可以这么相加result = image_xk +image_mnprint(result)
说明：image_mn和image_xk的我选择的图片都是512 * 512的，所以不需要转化。
如果图片大小不同是需要做裁剪的。美女图片过大，那我们可以裁剪和相框大小的宽高。
image_mn1 = cv2.resize(image_mn,image_xk.shape)下面是融合2张图片的代码：
# 定义权重alpha = 0.6beta = 0.4gamma = 0# 使用addWeighted函数将两个图像进行加权相加image_weight = cv2.addWeighted(image_mn, alpha, image_xk, beta, gamma)plt.imshow(image_weight)plt.show()
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：
import cv2import matplotlib.pyplot as plt # 这个库是用来画图的# 读取灰度化图像image_gray= cv2.imread("mv.jpg",cv2.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cv2.imwrite("mn_gray.jpg",image_gray)
保存的灰度图像：
数据读取-视频
VideoCapture是 OpenCV 库中用于捕获视频的类。它可以用来从视频文件、摄像头或其他类似源中捕获帧。这个类允许你以帧的形式访问视频的每个时间点，并对这些帧进行处理或分析。
在 Python 中，可以使用 cv2.VideoCapture() 创建一个 VideoCapture 对象，语法如下：
capture = cv2.VideoCapture(index or filename)-
index: 代表要打开的摄像头的索引号，如果只有一个摄像头则为 0 或 -1。
-
filename: 代表要读取的视频文件的名称。
基本操作 一旦创建了 VideoCapture 对象，你可以使用一些方法和属性来操作视频流：
-
capture.isOpened(): 检查是否成功打开视频流。
-
capture.read(): 读取视频帧。返回一个布尔值（是否成功读取）和一个帧。
-
capture.grab(): 从视频流中抓取下一帧，但不解码。
-
capture.retrieve(): 解码并返回抓取的帧。
-
capture.release(): 释放 VideoCapture 对象占用的资源。
运行下面这段代码，有惊喜等着你呢！
import cv2# 打开摄像头capture = cv2.VideoCapture(0)# 检查摄像头是否成功打开if not capture.isOpened():print("无法打开摄像头")while True:# 读取一帧ret, frame = capture.read()# 如果成功读取帧if ret:# 在窗口中显示帧cv2.imshow('Video', frame)# 按下 'q' 键退出循环if cv2.waitKey(1) & 0xFF == ord('q'):break# 释放资源并关闭窗口capture.release()cv2.destroyAllWindows()
下载1：Opencv电子书 公众号后台回复：opencv，即可下载搜集的基本opencv教程电子书。 下载2：Python电子书 公众号后台回复：python，即可下载为您整理的将近100本电子书。
原文始发于微信公众号（程序员老朱）：OpenCV图像基本操作讲解
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论