三、OpenCV基本操作

图像基本操作

3.1 图像的IO操作

3.1.1 读取图像

import cv2 as cv
cv.imread("图片.jpg",0)	# 灰度图像
# 等同于：cv.imread('图片.jpg', cv.IMREAD_GRAYSCALE)

参数：

• 要读取的图像

• 读取方式的标志

  • cv.IMREAD*COLOR：以彩色模式加载图像，任何图像的透明度都将被忽略。这是默认参数。

  • cv.IMREAD*GRAYSCALE：以灰度模式加载图像

  • cv.IMREAD_UNCHANGED：包括alpha通道的加载图像模式。

    可以使用1、0或者-1来替代上面三个标志

3.1.2 显示图像

import cv2 as cv
cv.imread("图片.jpg",0)	# 灰度图像
cv.imshow("窗口名称",加载的图像)

参数：

• 显示图像的窗口名称，以字符串类型表示
• 要加载的图像

3.1.3 保存图像

import cv2 as cv
cv.imread("图片.jpg",0)	# 灰度图像
cv.imshow("窗口名称",加载的图像)
cv.imwrite('保存图片的名字',保存的图片)

参数：

• 文件名，要保存在哪里
• 要保存的图像

3.2 绘制几何图形

3.2.1 绘制直线

import cv2 as cv
cv.line(img,start,end,color,thickness)

参数：

• img:要绘制直线的图像
• Start,end: 直线的起点和终点
• color: 线条的颜色
• Thickness: 线条宽度

具体代码：

pt_start = (60, 60)
pt_end = (200, 200)
point_color = (255, 245, 0)    # BGR
cv.line(img, pt_start, pt_end, point_color, thickness=5)

3.2.2 绘制圆形

import cv2 as cv
cv.circle(img,centerpoint, r, color, thickness)

参数：

• img:要绘制圆形的图像
• Centerpoint, r: 圆心和半径
• color: 线条的颜色
• Thickness: 线条宽度，为-1时生成闭合图案并填充颜色

# 绘制圆形
center_point = (250, 250)
r = 100
point_color = (255, 245, 0)    # BGR
cv.circle(img, center_point, r, point_color, thickness=3)

3.2.3 绘制矩形

import cv2 as cv
cv.rectangle(img,leftupper,rightdown,color,thickness)

参数：

• img:要绘制矩形的图像
• Leftupper, rightdown: 矩形的左上角和右下角坐标
• color: 线条的颜色
• Thickness: 线条宽度

# 绘制矩形
left_upper = (80, 80)
right_down = (200, 200)
point_color = (255, 245, 0)    # BGR
cv.rectangle(img, left_upper, right_down, point_color, thickness=3)

3.2.4 向图像中添加文字

cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)

参数：

• img: 图像
• text：要写入的文本数据
• station：文本的放置位置
• font：字体
• Fontsize :字体大小

# 向图像中添加文字
text = "Lena"
station = (10, 100)
font = cv.FONT_HERSHEY_DUPLEX
font_size = 2
font_color = (255, 245, 0)    # BGR
cv.putText(img, text, station, font, font_size, font_color, thickness=3)

3.3 获取并修改图像中的像素点

我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。

import numpy as np
import cv2 as cv
img = cv.imread('lena.jpg')
# 获取某个像素点的值
px = img[100,100]
# 仅获取蓝色通道的强度值
blue = img[100,100,0]
# 修改某个位置的像素值
img[100,100] = [255,255,255]

如下图，左图的位置的像素点修改为右图的白点

3.4 获取图像的属性

图像属性包括行数，列数和通道数，图像数据类型，像素数等。

# 图像属性包括行数，列数和通道数，图像数据类型，像素数等。
print(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。
print(img.size)   #获得图像的像素数目。
print(img.dtype)  #获得图像的数据类型。

结果：

(512, 512, 3)
786432
uint8

3.5 图像通道的拆分与合并

有时需要在B，G，R通道图像上单独工作。在这种情况下，需要将BGR图像分割为单个通道。或者在其他情况下，可能需要将这些单独的通道合并到BGR图像。你可以通过以下方式完成。

b, g, r = cv.split(img)
print(b)
print(g)
print(r)
# 通道合并
img = cv.merge((b, g, r))

结果：

[[125 125 133 ... 122 110  90]
 [125 125 133 ... 122 110  90]
 [125 125 133 ... 122 110  90]
 ...
 [ 60  60  58 ...  84  76  79]
 [ 57  57  62 ...  79  81  81]
 [ 57  57  62 ...  79  81  81]]
[[137 137 137 ... 148 130  99]
 [137 137 137 ... 148 130  99]
 [137 137 137 ... 148 130  99]
 ...
 [ 18  18  27 ...  73  68  62]
 [ 22  22  32 ...  70  71  74]
 [ 22  22  32 ...  70  71  74]]
[[226 226 223 ... 230 221 200]
 [226 226 223 ... 230 221 200]
 [226 226 223 ... 230 221 200]
 ...
 [ 84  84  92 ... 173 172 177]
 [ 82  82  96 ... 179 181 185]
 [ 82  82  96 ... 179 181 185]]

3.6 色彩空间的改变

OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种

• BGR↔Gray

• BGR↔HSV

cv.cvtColor(input_image，flag)

参数：

• input_image: 进行颜色空间转换的图像
• flag: 转换类型
  • cv.COLOR_BGR2GRAY : BGR↔Gray
  • cv.COLOR_BGR2HSV: BGR→HSV

具体代码：

# 色彩空间的改变
img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

算数操作

1. 图像加法

你可以使用OpenCV的cv.add()函数把两幅图像相加，或者可以简单地通过numpy操作添加两个图像，如res = img1 + img2。两个图像应该具有相同的大小和类型，或者第二个图像可以是标量值。

注意：OpenCV加法和Numpy加法之间存在差异。OpenCV的加法是饱和操作，而Numpy添加是模运算。

将下面的两幅图相加：

实列代码：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

# 1 读取图片
img1 = cv.imread("../img/lena.png")
img2 = cv.imread("../img/rain.jpg")

# 2 加法操作

x, y = 300, 50  # 叠放位置
W1, H1 = img1.shape[1::-1]  # 大图尺寸
W2, H2 = img2.shape[1::-1]  # 小图尺寸
if (x + W2) > W1 : x = W1 - W2  # 调整图像叠放位置，避免溢出
if (y + H2) > H1 : y = H1 - H2
imgCrop = img1[y:y + H2, x:x + W2]  # 裁剪大图，与小图 imgS 的大小相同
img3 = cv.add(imgCrop, img2)  # cv2 加法，裁剪图与小图叠加
img4 = imgCrop + img2


# 3 图像显示
cv.imshow(u"img3", img3)
cv.imshow(u"img4", img4)
cv.waitKey(0)

2. 图像的混合

这其实也是加法，但是不同的是两幅图像的权重不同，这就会给人一种混合或者透明的感觉。图像混合的计算公式如下：

g(x) = (1−α)f0(x) + αf1(x)

通过修改 α 的值（0 → 1），可以实现非常炫酷的混合。

现在我们把两幅图混合在一起。第一幅图的权重是0.7，第二幅图的权重是0.3。函数cv2.addWeighted()可以按下面的公式对图片进行混合操作。

dst = α⋅img1 + β⋅img2 + γ

这里γ取为零。

实例：

addWeighted(InputArray src1, 
            double alpha, 
            InputArray src2, 
            double beta, 
            double gamma, 
            OutputArray dst, 
            int dtype=-1)

参数：

• 第一个参数，InputArray类型的src1，表示需要加权的第一个数组，常常填一个Mat。

• 第二个参数，alpha，表示第一个数组的权重。

• 第三个参数，src2，表示第二个数组，它需要和第一个数组拥有相同的尺寸和通道数。

• 第四个参数，beta，表示第二个数组的权重值。

• 第五个参数，dst，输出的数组，它和输入的两个数组拥有相同的尺寸和通道数。

• 第六个参数，gamma，一个加到权重总和上的标量值。看下面的式子自然会理解。

• 第七个参数，dtype，输出阵列的可选深度，有默认值-1。;当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）。

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

# 1 读取图片
img1 = cv.imread("../img/lena.png")
img2 = cv.imread("../img/rain.jpg")

# 2 混合操作
x, y = 300, 50  # 叠放位置
W1, H1 = img1.shape[1::-1]  # 大图尺寸
W2, H2 = img2.shape[1::-1]  # 小图尺寸
if (x + W2) > W1:
    x = W1 - W2  # 调整图像叠放位置，避免溢出
if (y + H2) > H1:
    y = H1 - H2
imgCrop = img1[y:y + H2, x:x + W2]  # 裁剪大图，与小图 imgS 的大小相同
img3 = cv.addWeighted(imgCrop, 0.7, img2, 0.3, 0)  # cv2 图像混合

# 3 图像显示
cv.imshow(u"img3", img3)
cv.waitKey(0)