[opencv自学笔记]读写图像、视频和几何图形的绘制

1、基本操作，图像、视频操作以及鼠标事件进行人机交互

import cv2
import numpy as np


def imageTest():
    '''
        测试opencv对二维图像的读取，复制和展示
    :return:
    '''
    path = "e:/images/1.JPEG"
    # cv2.read(path,flag)
    # 读取图像，第一个参数是文件路径，第二个参数是打开文件的方式
    # cv2.IMREAD_GRAYSCALE 以灰度图像打开
    # cv2.IMREAD_COLOR 以彩色图像打开，也就是RGB三通道，但是在opencv库是按照BRG的顺序！！
    # 返回值是一个列表，如果是灰度图像打开的话，返回的是每一行的灰度值列表，
    # 如果是以彩色图像打开的，返回的是每个像素点的三个通道的值，一行一行排列的
    # 如果路径错误，返回None
    img = cv2.imread(path,cv2.IMREAD_COLOR)
    # cv2.imshow(winname,mat)
    # 用于在GUI显示图像，第一个参数是窗口名称，第二个参数是图像
    # 但是这个程序执行完之后就结束了，会一闪而过
    cv2.imshow("Image",img)
    # cv2.waitKey(delay)
    # 等待键盘事件，在delay毫秒内有没有键盘键入，如果有返回ASCII码，超过delay就退出了，返回0
    # 如果参数为0，则表示一直等待键盘事件，如果有键盘事件，则退出
    cv2.waitKey(0)
    # 可以关闭打开的窗口，不过cv2.waitKey(delay)已经退出了，不知道为什么还要加这句话
    cv2.destroyAllWindows()
    # cv2.imwrite(filename, img, params=None)
    # 用于图片复制，第一个参数为复制到哪
    # 第二个参数是要复制的图像，第三个参数是压缩级别，现在可以不用考虑，使用缺省参数就行
    cv2.imwrite("d:/windows/output.jpeg",img)

def videoTest():
    '''
        测试opencv读取视频，显示视频，保存视频和打开摄像头操作
    :return:
    '''

    # cv2.VideoCaputure(param) 里面的参数是摄像头编号，
    # 0代表本机摄像头，如果有好几个，可以设置成1或者其他的
    cap = cv2.VideoCapture(0)

    # fourcc是一种视频编码格式，如果需要对摄像头的进行视频复制会使用到
    # cv2.VideoWriter(filename, fourcc, fps, frameSize[, isColor])
    # 第三个参数是frame per second 每秒多少帧
    # 最后一个参数是可选的，如果是True则是彩色图，False是灰度图
    fourcc = cv2.VideoWriter_fourcc('M','J','P','G')
    out = cv2.VideoWriter("D:/output.avi",fourcc,20.0,(640,480))

    # cap.read() 返回的是一个包含三个元素的元组，第一个元素是摄像头打开状态true或者false，
    # 第二个元素是当前一帧的数据（顺序是BRG），后面还有类型dtype，比如uint8编码，这个整体是第二个元素
    # 比如cap.read()的返回值是(Ture,array([[[174, 164, 155],
    #    [184, 174, 165],
    #    [176, 182, 176],.....,dtype=uint8))

    # cap.isOpened()方法是检测摄像头是否已经初始化了，换句话说，如果没有初始化，则需要初始化
    while(cap.isOpened()):
        ret,frame = cap.read()
        # 显示当前帧的图片
        cv2.imshow("camera",frame)
        # 等待用户键入，如果键入的不是q，则进行下一帧，如果是q退出
        # 当然你必须得键入，不键入的话肯定会一直等待的
        out.write(frame)
        key = cv2.waitKey(100)
        if(key == ord('q')):
            break

    # 释放资源
    cap.release()
    cv2.destroyAllWindows()

def drawImageTest():
    '''
        测试用opencv画几何图形，比如人脸识别测试中，要在检测的人脸画个方框
    :return:
    '''
    # zeros(shape, dtype=None, order='C')
    # 先建立一个空的图片，并显示出来，
    # (512,512,3)前两个分别是长和宽，第三个参数代表图像的通道数，只能是1,3,4
    # 当然shape可以只写长和宽,那么就是单通道，也就是灰度图像
    img = np.zeros((512,512,3),np.uint8)
    # 画直线函数line(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)
    # 参数分别是原图像，一个点，另外一个点，画笔颜色(也是BRG的顺序)，线的类型
    cv2.line(img, (0, 0), (511, 511), (255, 0, 0), 5)
    # 画矩形函数rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)
    cv2.rectangle(img, (384, 0), (510, 128), (0, 255, 0), 3)
    # 画圆形函数circle(img, center, radius, color, thickness=None, lineType=None, shift=None)
    cv2.circle(img, (447, 63), 63, (0, 0, 255), -1)
    # 指定字体，写字函数，不支持中文
    font = cv2.FONT_HERSHEY_SIMPLEX
    cv2.putText(img, 'OpenCV', (10, 500), font, 2, (255, 255, 255), 2)
    cv2.imshow("image",img)
    cv2.waitKey(0)

def mouseEventTest():
    '''
        处理鼠标事件，进行人机交互，在grabcut用到了
    :return:
    '''

    # 查看cv2里面有多少个事件 有18种事件，其中跟鼠标事件相关的有，
    # 'EVENT_LBUTTONDBLCLK', 'EVENT_LBUTTONDOWN', 'EVENT_LBUTTONUP',
    # 'EVENT_MBUTTONDBLCLK', 'EVENT_MBUTTONDOWN', 'EVENT_MBUTTONUP',
    # 'EVENT_MOUSEHWHEEL', 'EVENT_MOUSEMOVE', 'EVENT_MOUSEWHEEL',
    # 'EVENT_RBUTTONDBLCLK', 'EVENT_RBUTTONDOWN', 'EVENT_RBUTTONUP']
    # 其中L代表左键，R代表右键，M代表中间滚轮
    # CLK表示点击，DBLCLK代表双击
    # DOWN代表按下，UP代表释放
    # MOVE代表移动

    events = [i for i in dir(cv2) if 'EVENT' in i]
    num = len(events)

    # 建立一个名字为image的窗口并添加鼠标回调事件函数
    # 可以记录鼠标的轨迹
    cv2.namedWindow('image')
    cv2.setMouseCallback('image', drawByMouseEvent)
    while (1):
        cv2.imshow('image', img)
        k = cv2.waitKey(100) & 0xFF
        if k == ord('q'):
            break;

img = np.zeros((512,512,3),np.uint8)
# 当鼠标按下时变为True
drawing=False
ix,iy=-1,-1
# 定义一个回调函数，相当于java里面的监听器，只要有对应的事件触发，就会执行
def drawByMouseEvent(event,x,y,flags,param):
    global ix,iy,mode,drawing
    # 左键按下
    if event == cv2.EVENT_LBUTTONDOWN:
        drawing = True
    # 鼠标移动并且左键按下
    elif event==cv2.EVENT_MOUSEMOVE and flags==cv2.EVENT_FLAG_LBUTTON:
        ix = x
        iy = y
        if drawing==True:
            cv2.line(img, (ix, iy), (x, y), (255, 0, 0), 5)
    # 鼠标左键释放
    elif event == cv2.EVENT_LBUTTONUP:
        drawing == False

def main():
    drawImageTest()

if __name__ == '__main__':
    main()

摄像头那个函数就不贴执行结果了。。。。其它函数执行结果如下
imageTest函数执行结果如下（图片以我女神赵丽颖为例，贼漂亮）：

drawImageTest函数执行结果如下：

mouseEventTest函数执行结果如下：

2、图像的一些属性和RBG通道分解与合并

import cv2
import numpy as np

def getImageInfo():
    path = "e:/images/1.JPEG"
    img = cv2.imread(path)
    # 获取横坐标和纵坐标为100的像素值，因为是彩色格式读取的，所以是BGR三个参数
    print(img[100, 100])
    # 获取横坐标和纵坐标为100的像素值的0通道，也就是B通道的值
    print(img[100, 100, 0])
    # shape属性是一个元组(width,height,channels)
    print(img.shape)
    # size属性返回像素个数，不仅仅是width*height,还要乘channels
    print(img.size)
    # dtype属性返回编码类型 如uint8
    print(img.dtype)
    # ROI，就是我们想处理的区域都叫ROI，其实就是像素点的集合，举例
    # 横坐标从280-340，纵坐标330-390的这段区域，类似于裁剪一样
    t = img[280:340,330:390]
    cv2.imshow("image",t)
    cv2.waitKey(0)

def devideImageTest():
    '''
        一个彩色图像，假设是RGB三通道的，分解成三个单通道的
    :return:
    '''
    path = "e:/images/1.JPEG"
    img = cv2.imread(path)
    # img是三通道的，也就是说img本身是一个list，这个list是把像素点一行一行存放的，每一行也是一个list
    # 每一行的list里面存放各个位置的像素点，每个像素点都是按照[b,g,r]构成的list，
    # 因此img图像是一个三层中括号的list，也就是一个三位数组，第三维就是通道数，012对应bgr
    # 先看一下每个通道单独展示是什么结果
    cv2.imshow("origin", img)
    cv2.imshow("b", img[:, :, 0])
    cv2.imshow("g", img[:, :, 1])
    cv2.imshow("r", img[:, :, 2])
    # 假设把g通道全部变成零，原图像会怎么样？
    img[:,:,1] = 0
    cv2.imshow("image",img)
    cv2.waitKey(0)
    # 再把b通道全部变成零，原图像会怎么样？
    img[:, :, 0] = 0
    cv2.imshow("image", img)
    cv2.waitKey(0)
    # 再把r通道全部变成零，原图像会怎么样？
    img[:, :,2] = 0
    cv2.imshow("image", img)
    cv2.waitKey(0)

def combineImageTest():
    '''
        一个彩色图像，成三个单通道的合成一个图像
    :return:
    '''
    path = "e:/images/1.JPEG"
    img = cv2.imread(path)
    g = img[:, :, 1]
    b = img[:, :, 0]
    r = img[:, :, 2]
    # 单通道图像
    cv2.imshow("b", b)
    cv2.imshow("g", g)
    cv2.imshow("r", r)
    # 合成merge(mv, dst=None)
    image = cv2.merge((b,g,r))
    cv2.imshow("merge",image)
    cv2.waitKey(0)



def main():
    combineImageTest()

if __name__ == '__main__':
    main()

devideImageTest函数执行结果如下：
这是去掉b通道之后的：

这是去掉b通道和g通道之后的：

去掉三个通道的（就是纯黑）：

combineImageTest函数执行结果如下：
单独B通道的图：

单独G通道的图（好像G通道比B通道皮肤细致一些）：

单独R通道的图（亮度大一些）：

他们三个图都是单通道的图，单通道都是灰度图，并不是想象的红色，绿色，蓝色，那红绿蓝是啥，比如红吧，红是把R通道和B=0，G=0合成得到的，绿和蓝也是一样的，在这里不做演示。
最后，三个单通道合成的图（也就是原图）：