opencv函数及知识点小结

图片

cv2.imread(‘图片位置’，读取的方式)-------------读入图像
cv2.imshow(‘名字’，‘图像’)-------------------------显示图像
cv2.waitKey()-------------------------------------键盘绑定函数

cv2.destroyAllWindows()-------------------可以轻易的删除任何我们建立的窗口
cv2.namedWindow(窗口名字，初始函数标签)----------创建窗口

标签为cv2.WINDOW_AUTOSIZE时不可调整大小，标签为cv2.WINDOW_NORMAL时可以调整窗口大小

cv2.imwrite(‘文件名’，图像)-----------------保存图像

视频

cv2.VideoCapture(‘参数’)-----------------获取视频

参数为0—笔记本电脑的内置摄像头

xx.release()--------------停止捕获视频
xx.read()------------------返回一个布尔值和视频帧

cv2.flip(frame,参数)--------------------翻转

‘0‘-----垂直翻转 ，’1‘-------------水平翻转

画图

cv2.rectangle(img,(384,0),(510,128),(0,255,0),3)----矩形

图像，左上角顶点，右下角顶点的坐标,颜色，厚度

cv2.putText(img,‘OpenCV’,(10,500), font, 4,(255,255,255),2)--------------在图片上添加文字

图像的基本操作

img.shape-----------------------获取图像的形状

返回值是一个包含行数，列数，
通道数的元组

img.dtype------------------- 返回图像的数据类型.
b,g,r=cv2.split(img)-----------分割BGR通道

cv2.split() 是一个比较耗时的操作，能用Numpy 索引索引就尽量用

img=cv2.merge(b,g,r)----------融合BGR
cv2.copyMakeBorder(src，top, bottom, left, right，borderType)---------------为图像扩边（填充）
OpenCV 中是按 BGR，matplotlib 中是按 RGB 排列

图像上的算术运算

cv2.add()-------------------两幅图像进行加法运算

两幅图像的大小，类型必须一致

cv2.addWeighted(第一幅图,权重,第二幅图,权重)------图像混合
AND，OR，NOT，XOR-----------按位操作

当我们提取图像的
一部分，选择非矩形 ROI (感兴趣区域)时这些操作会很有用

mask图像中黑色会被遮住，白色会显示出来
cv2.getTickCount-----------返回从参考点到这个函数被执行的时钟数

图像处理

cv2.cvtColor(input_image，flag)----------颜色空间转换

flag是转换类型,BGR↔Gray—cv2.COLOR_BGR2GRAY
BGR↔HSV—cv2.COLOR_BGR2HSV

OpenCV 的 HSV 格式中,H（色彩/色度）的取值范围是 [0，179]，
S（饱和度）的取值范围 [0，255]，V（亮度）的取值范围 [0，255]。要记得归一化.

找到要跟踪对象的 HSV 值

现在就可以分别用 [H-100，100，100] 和 [H+100，255，255] 做上下阈值。

图像阈值

cv2.threshold（）-------------------------全局阈值

的第一个参数就是原图像，原图
像应该是灰度图。第二个参数就是用来对像素值进行分类的阈值。第三个参数就是当像素值高于（有时是小于）阈值时应该被赋予的新的像素值。第四个参数决定多种不同的阈值方法
返回值：第一个为 retVal，第二个就是阈值化之后的结果图像

cv2.adaptiveThreshold(灰度图,分类的阈值,方法,cv2.THRESH_BINARY,Block Size,常数)----------自适应阈值

阈值就等于的平均值或者加权平均值减去这个常
数。

图像平滑

低通滤波（LPF）帮助我们去除噪音，模糊图像。高通滤波
（HPF） 帮助我们找到图像的边缘
cv.filter2D()------------------------------对图像卷积操作
cv2.blur(img,卷积框的宽和高) ----------平均模糊
cv2.GaussianBlur(img,高斯核的宽和高,标准差)------高斯模糊

去除高斯噪音

cv2.medianBlur((img,卷积核大小（奇数）)---------中值模糊

去除椒盐噪声

cv2.bilateralFilter()--------------------------双边滤波

形态学转换

cv2.erode()-----------------腐蚀（去除白噪声）
cv2.dilate()-------------------膨胀（增加图像中的白色区域)
cv2.morphologyEx((img, 方法, kernel))

方法：cv2.MORPH_OPEN--------开运算（先进性腐蚀再进行膨胀）-----------去除噪声
MORPH_CLOSE----------闭运算（先膨胀再腐蚀）-------填充前景物体中的小洞
MORPH_GRADIENT------------形态学梯度（前景物体的轮廓）
MORPH_TOPHAT----------礼帽(原始图像与进行开运算之后得到的图像的差)
.MORPH_BLACKHAT------黑帽(进行闭运算之后得到的图像与原始图像的差)

cv2.getStructuringElement(核形状，核大小)------------结构化元素

图像梯度

cv2.Sobel(img,图像的深度,参数,参数,核大小)------Sobel 滤波器
cv2.Schar()--------------------------------------Schar滤波器
cv2.Laplacian(img,图像的深度)-----------拉普拉斯滤波器

Canny边缘检测

cv2.Canny(img,minVal,maxVal)-----------------边缘检测
cv2.pyrUp()-------------从一个低分辨率小尺寸的图像向下构建一个金子塔（尺寸变大，但分辨率不会增加）
cv2.pyrDown()-------------从一个高分辨率大尺寸的图像向上构建一个金子塔（尺寸变小，分辨率降低）

轮廓

cv2.findContours()
cv2.drawContours()

-----------------分割线--------------------------(晚点更)

本文地址：https://blog.csdn.net/qq_45666248/article/details/107568096