欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python OpenCV学习笔记

程序员文章站 2024-01-08 17:25:10
图像翻转使用python的一个包,imutils。使用下面的指令可以安装。pip install imutilsimutils包的github地址:csdn镜像:可以在上面这个地址里面学习更多的使用方...

图像翻转

使用python的一个包,imutils。使用下面的指令可以安装。

pip install imutils

imutils包的github地址:

csdn镜像:

可以在上面这个地址里面学习更多的使用方式。

import cv2
import imutils

'''
imutils.rotate
第一个参数是翻转的图像,第二个参数的翻转角度
函数还提供翻转中心的设置,但默认就是中心翻转。
'''
vc = cv2.videocapture(0)

if vc.isopened():
  flag, frame = vc.read()
  img = imutils.rotate(frame, 180)  # 图像翻转 
  cv2.imshow("frame", img)
else:
  flag = false

while flag:
  flag, frame = vc.read()
  if frame is none:
    break
  if flag is true:
    img = imutils.rotate(frame, 180)  # 图像翻转
    cv2.imshow("frame", img)
    if cv2.waitkey(10) == 27:
      break
vc.release()
cv2.destroyallwindows()

这样写的话,最后的输出图像就是翻转180度的。

imutils包里还有其他好用的函数,resizing、4-point perspective transform、sorting contours等等。

图像轮廓排序

这个效果同样也是依靠imutils包完成。

from imutils import contours
import cv2
'''
contours.sort_contours
可选排序方式:"left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top"
返回值为轮廓和外接矩形

contours.label_contour
contours包内自带的画轮廓的函数,可以直接用,然后可以在图片上标出轮廓序号
也可以直接使用cv2.drawcontours直接画轮廓
'''
img = cv2.imread(r"d:\opencv-workspace\opencv\test17--vscode\shapes.png")
draw_img = img.copy()
img_rect = img.copy()
gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
img = cv2.canny(gray, 10, 20)  # canny边缘检测
cnts, hierarchy = cv2.findcontours(img, cv2.retr_external, cv2.chain_approx_none)  # 获得轮廓
(cnts, boundingboxes) = contours.sort_contours(cnts, "top-to-bottom")  # 对轮廓进行排序处理
for (i, c) in enumerate(cnts):
  sortedimage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))
# img_out = cv2.drawcontours(draw_img, cnts, -1, (240, 0, 159), 2)
# 根据boundingboxes画外接矩形
for (x, y, w, h) in boundingboxes:
  img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)
cv2.imshow("top-to-bottom", sortedimage)
cv2.imshow("rect", img_rect)
cv2.waitkey(0)
cv2.destroyallwindows()

这样写的话,最后的输出图像就是翻转180度的。

imutils包里还有其他好用的函数,resizing、4-point perspective transform、sorting contours等等。

图像轮廓排序

这个效果同样也是依靠imutils包完成。

from imutils import contours
import cv2
'''
contours.sort_contours
可选排序方式:"left-to-right", "right-to-left", "top-to-bottom", "bottom-to-top"
返回值为轮廓和外接矩形

contours.label_contour
contours包内自带的画轮廓的函数,可以直接用,然后可以在图片上标出轮廓序号
也可以直接使用cv2.drawcontours直接画轮廓
'''
img = cv2.imread(r"d:\opencv-workspace\opencv\test17--vscode\shapes.png")
draw_img = img.copy()
img_rect = img.copy()
gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
img = cv2.canny(gray, 10, 20)  # canny边缘检测
cnts, hierarchy = cv2.findcontours(img, cv2.retr_external, cv2.chain_approx_none)  # 获得轮廓
(cnts, boundingboxes) = contours.sort_contours(cnts, "top-to-bottom")  # 对轮廓进行排序处理
for (i, c) in enumerate(cnts):
  sortedimage = contours.label_contour(draw_img, c, i, color=(240, 0, 159))
# img_out = cv2.drawcontours(draw_img, cnts, -1, (240, 0, 159), 2)
# 根据boundingboxes画外接矩形
for (x, y, w, h) in boundingboxes:
  img_rect = cv2.rectangle(img_rect, (x, y), (x+w, y+h), (240, 0, 159), 2)
cv2.imshow("top-to-bottom", sortedimage)
cv2.imshow("rect", img_rect)
cv2.waitkey(0)
cv2.destroyallwindows()

python OpenCV学习笔记

颜色识别

基础颜色识别

颜色识别是在hsv空间内进行的,因此在使用之前先进行颜色空间的转换。

'''使用下面这个函数进行转换,第一个参数填写要转换的图片,第二个参数填写cv2.color_bgr2hsv'''
cv2.cvtcolor
import cv2
import numpy as np
'''
cv2.inrange
函数很简单,参数有三个
第一个参数:hsv指的是原图
第二个参数:lower_red指的是图像中低于这个lower_red的值,图像值变为0
第三个参数:upper_red指的是图像中高于这个upper_red的值,图像值变为0
而在lower_red~upper_red之间的值变成255
'''
# 阈值
lower_green = np.array([50, 255, 255])
upper_green = np.array([70, 255, 255])
img = cv2.imread(r"d:\opencv-workspace\opencv\test16--vscode\photo.jpg")
img_hsv = cv2.cvtcolor(img, cv2.color_bgr2hsv)
mask_green = cv2.inrange(img_hsv, lower_green, upper_green)
cv2.imshow("img_or", mask_green)
# 使用下面这个函数能显示原来的颜色。
res_green = cv2.bitwise_and(img, img, mask=mask_green)
cv2.imshow("img", res_green)
cv2.waitkey(0)
cv2.destroyallwindows()

python OpenCV学习笔记

python OpenCV学习笔记

python OpenCV学习笔记

在进行颜色识别时,难免会出现“漏颜色”的现象,也就是会出现没识别全的现象。这个时候可以再对图像进行处理,比如说进行形态学处理,让图像更加饱满之类的。

根据bgr获取hsv

import cv2

color = np.uint8([[[193, 189, 147]]])  # 参数填写bgr的值
hsv = cv2.cvtcolor(color, cv2.color_bgr2hsv)
print(hsv)  # 打印出来的数值就是对应的hsv值

程序运行的结果是

[[[ 93 61 193]]]

这个就是对应的hsv的值。

根据之前写的颜色识别,就需要把对应的阈值写出。具体写法就是保持s和v不变,h加减10。这样的话就可以写出高低阈值然后应用到颜色识别里面就可以了。

阈值编辑器

import cv2
import numpy as np


def function(x):
  lowh = cv2.gettrackbarpos("lowh", "img_666")
  lows = cv2.gettrackbarpos("lows", "img_666")
  lowv = cv2.gettrackbarpos("lowv", "img_666")
  highh = cv2.gettrackbarpos("highh", "img_666")
  highs = cv2.gettrackbarpos("highs", "img_666")
  highv = cv2.gettrackbarpos("highv", "img_666")
  # print(lowh, lows, lowv, highh, highs, highv)
  lower = np.uint8([lowh, lows, lowv])
  upper = np.uint8([highh, highs, highv])
  mask = cv2.inrange(img_hsv, lower, upper)
  res = cv2.bitwise_and(img, img, mask=mask)
  cv2.imshow("img", res)


img = cv2.imread(r"d:\opencv-workspace\opencv\test16--vscode\test.jpg")
img_hsv = cv2.cvtcolor(img, cv2.color_bgr2hsv)
cv2.namedwindow("img_666")
cv2.createtrackbar("lowh", "img_666", 0, 179, function)
cv2.createtrackbar("lows", "img_666", 0, 255, function)
cv2.createtrackbar("lowv", "img_666", 0, 255, function)
cv2.createtrackbar("highh", "img_666", 0, 179, function)
cv2.createtrackbar("highs", "img_666", 0, 255, function)
cv2.createtrackbar("highv", "img_666", 0, 255, function)
cv2.imshow("img", img)
cv2.waitkey(0)
cv2.destroyallwindows()

写了一个比较垃圾的阈值编辑器。。。就不多解释了。。

python OpenCV学习笔记

以上就是python opencv学习笔记的详细内容,更多关于python opencv的资料请关注其它相关文章!

相关标签: python OpenCV

上一篇:

下一篇: