CV-《图像处理》

教程

图片加载和展示

读取图片和展示

src = cv.imread("C:/Users/cznczai/Desktop/Important_file/person1.jpg") 加载

def get_image_info(image):
  print(image.shape)
  print(image.size)
  print(type(image))
  print(image.dtype)
#(413, 295, 3) 高度 宽度 通道3个
#365505  413*295*3
#<class 'numpy.ndarray'>; n维数组形式
#uint8 无符号的8位

get_image_info(src)
cv.namedWindow("image",cv.WINDOW_AUTOSIZE)
cv.imshow("image",src)
cv.waitKey(0) # ≤ 0，将无限期的等待下去；当delay=0时，就是等待delay毫秒
cv.destroyAllWindows()//关闭所有的窗口

图片转化为灰度图片并且保存到本地的代码

src = cv.imread("C:/Users/cznczai/Desktop/Lena.jpg")
cv.namedWindow("image",cv.WINDOW_AUTOSIZE)
cv.imshow("image",src)
gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY)
cv.imwrite("C:/Users/cznczai/Desktop/Lena_gray.jpg",gray)
cv.waitKey(0)
cv.destroyAllWindows()

输入输出高度宽度通道数

def show_info(image):
    heigh = image.shape[0]
    width = image.shape[1]
    channel = image.shape[2]
    #heigh:200,width=200,channel=3
    print("heigh:%s,width=%s,channel=%s"%(heigh,width,channel))

遍历所有的像素点进行修改后展示

def show_info(image):
    heigh = image.shape[0]
    width = image.shape[1]
    channel = image.shape[2]
    print("heigh:%s,width=%s,channel=%s"%(heigh,width,channel))
    for i in range(heigh):
        for j in range(width):
            for z in range(channel):
                temp = image[i,j,z]
                image[i,j,z] =  130- temp
    cv.imshow("image",image)

src = cv.imread("C:/Users/cznczai/Desktop/Lena.jpg")
show_info(src)
cv.waitKey(0)
cv.destroyAllWindows()

也可以用于遍历换证件照【后面会用算法进行优化】

也可以用numpy生成的一个三维数组作为一个图片如果全0为黑色

def show_info(image):
    heigh = image.shape[0]
    width = image.shape[1]
    channel = image.shape[2]    
    print(image[0,0])
    create_image = np.zeros([heigh,width,channel],np.uint8) #黑色
    create_image[:,:,:] = 255  # 白色

    create_image2 = np.ones([heigh,width,channel],np.uint8)*127 #灰色
    print(create_image2)
    cv.imshow("image",create_image2)

通过 reshape(1,9) 可以重构

def show_info(image):
    arr = np.ones([3,3],np.uint8)
    arr.fill(111)
    print(arr)
    arr2 = arr.reshape([1,9])
    print(arr2)
[[111 111 111]
 [111 111 111]
 [111 111 111]]
[[111 111 111 111 111 111 111 111 111]]

视频部分

打开视频并且详细代码注解

def video_demo():
  capture = cv.VideoCapture(0) # VideoCapture()中参数是0，表示打开笔记本的内置摄像头，参数是视频文件路径则打开视频，如cap = cv2.VideoCapture(“../test.avi”) while(True):
      ret ,frame = capture.read()
      frame = cv.flip(frame,1)  #投影镜像对称
      cv.imshow("video",frame)
      c = cv.waitKey(10) # 每个10ms刷新一次 if c != 27: #返回值为k毫秒内键盘按键的ASCII码值 break;  # esc键对应的ASCII码是27，即当按esc键是if条件句成立 video_demo()
cv.destroyAllWindows()

色彩空间

颜色反转，我们可以通过每个像素点用255去减但是效率太慢了 cv中有反转颜色的方法供我们调用
```
def show_info(image):
    image = cv.bitwise_not(image)
    cv.imshow("image",image)
```

cv库还有一些rgb->其他类型的像色

def show_info(image):
    cv.imshow("rgb",image)
    yuv = cv.cvtColor(image,cv.COLOR_BGR2YUV)
    cv.imshow("yuv",yuv)
    ycrcb = cv.cvtColor(image,cv.COLOR_BGR2YCrCb)
    cv.imshow("ycrcb",ycrcb)

H(0-180) : S(0-255) : V(0-255)

用hsv进行识别分别用视频跟图片进行展示我们可以参照上面的表选址目标范围然后opencv会对图像进行识别【可以对颜色进行跟踪通过上面的表进行套用】

def show_info(image):
    hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV)
    hsv_min = np.array([100,43,46])
    hsv_max = np.array([124,255,255])
    mark = cv.inRange(hsv,hsv_min,hsv_max) # mark就是黑白图片
    cv.imshow("mark",mark)

利用通道进行 rgb 三个通道的值的获取

src = cv.imread("C:/Users/cznczai/Desktop/person1.jpg")
b , g , r = cv.split(src)
print(b)
print(g)
print(r)
image = cv.merge([g,b,r])#cv.merge([b,g,r])
cv.imshow("image",image)
cv.waitKey(0)
cv.destroyAllWindows()

图形的四则运算

加减乘除

def divi(image1 , image2):
    dst =  cv.divide(image1 , image2)
    cv.imshow("diviv",dst)
    
def mul(image1 , image2):
    dst =  cv.multiply(image1 , image2)
    cv.imshow("multiply",dst)    

def add(image1 , image2):
    dst =  cv.add(image1 , image2)
    cv.imshow("add",dst)
    
def subtract(image1 , image2):
    dst =  cv.subtract(image1 , image2)
    cv.imshow("subtract",dst)

对于图片一些边角有毛那种是因为图片附近不是绝对为白色伪白色那种放大那种马赛克导致的，相乘将这种效果更加明显

还可以对图片求方差和平均值 , 有时候可以用方差或者平均值来判断图像是否有效

def mean(image1,image2):
    print(cv.mean(image1))
    print(cv.mean(image2))

def dev(image1,image2):
    print(cv.meanStdDev(image1))
    print(cv.meanStdDev(image2))

逻辑运算

可以用运算符灵活处理图片

def logic_and(image1,image2):过滤 白色的留下 黑色全为黑色
    and_image = cv.bitwise_and(image1,image2)
    cv.imshow("and",and_image)
    
def logic_or(image1,image2): 叠加
    and_image = cv.bitwise_or(image1,image2)
    cv.imshow("or",and_image)

def logic_nor(image1,image2)://否
   and_image = cv.bitwise_not(image2)
    cv.imshow("nor",and_image)

也可以处理视频

def show_video():
    capture = cv.VideoCapture("C:/Users/cznczai/Desktop/111.mp4")
    while(True):
        ret,frame = capture.read()
        if ret == False:
            break

        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        hsv_min = np.array([100,43,46])
        hsv_max = np.array([124,255,255])
        mask = cv.inRange(hsv,hsv_min,hsv_max)
        dst = cv.bitwise_and(frame,frame,mask=mask)
        cv.imshow("v",dst)
        c = cv.waitKey(40)
        if c == 27:
            break
show_video()
cv.waitKey(0)
cv.destroyAllWindows()