Python-OpenCV基本操作方法详解

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]

以上这篇python-opencv基本操作方法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。