专栏名称: 小白学视觉

本公众号主要介绍机器视觉基础知识和新闻，以及在学习机器视觉时遇到的各种纠结和坑的心路历程。

OpenCV ：图像基本操作

小白学视觉 · 公众号 · · 2024-04-02 10:05

正文

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ”

重磅干货，第一时间送达

转自：AI技术前线

大家好，今天分享这篇文章主要介绍了OpenCV基本操作中的图像基础操作，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考。

01 加载图像

imread 功能是加载图像文件成为一个 Mat 对象，其中第一个参数表示图像文件名称，第二个参数表示加载的图像是什么类型，支持常见的三个参数值
IMREAD_UNCHANDED(<0) 表示加载原图，不做任何改变
IMREAD_GRAYSCALE(0) 表示吧原图作为灰度图像加载进来
IMREAD_COLOR(>0) 表示把原图作为 RGB 图像加载进来

注意：OpenCV 支持 JPG、PNG、TIFF 等常见格式图像文件加载（默认读取的格式是 BGR）

# 导入 OpenCV 库import cv2 as cv# 加载图像img = cv.imread("./1.jpg")# 打印图像类型print(type(img))print(img)

输出：

可以发现这是个 numpy 数据类型的，而且是三个维度的，比如 [H,W,C]

图像显示

# 导入 OpenCV 库import cv2 as cv
# 加载图像img = cv.imread("./1.jpg")
# 图像的显示，也可以创建多个窗口cv.imshow("image",img)





    
# 等待时间，毫秒级，0 表示任意键终止cv.waitKey(0)cv.destroyAllWindows()

输出：（按下任意键关闭该窗口）

数据读取-图像

# 导入 OpenCV 库import cv2 as cv
# 灰色显示img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)
# 打印信息print(img)

输出：

这里打印的结果就不像上面那样有三个维度了，因为是灰色的，也就是没有彩色的，所以这里表示的只有 H 和 W。

当然，这里的代码只是打印信息而已，还不能显示到窗口，显示到窗口还需要增加几句代码，如下：

# 导入 OpenCV 库import cv2 as cv
img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)cv.imshow("image",img)cv.waitKey(0)cv.destroyAllWindows()

输出：（可以发现，图片是以灰色显示了的）

截取部分图像数据

# 导入 OpenCV 库import cv2 as cv# 加载图像img = cv.imread("./1.jpg",)# 截取部分图像cat = img[0:200, 0:200]# 显示截取的图像cv.imshow("cat",cat)cv.waitKey(0)cv.destroyAllWindows()

输出：

颜色通道提取

通过 cv2 的 split() 方法可以进行颜色的通道提取

# 导入 OpenCV 库import cv2 as cv
img = cv.imread("./1.jpg"




    
,)b,g,r = cv.split(img)
print(b)

输出：

只保留 R

上面说过 OpenCV 默认读取的格式是 BGR

# 导入 OpenCV 库import cv2 as cv
img = cv.imread("./1.jpg",)cur_img = img.copy()
# 注意参数的变化cur_img[:,:,0] = 0cur_img[:,:,1] = 0cv.imshow('R',cur_img)cv.waitKey(0)cv.destroyAllWindows()

R 是 Red 的缩写，这里显示的是红色

只保留 G

# 导入 OpenCV 库import cv2 as cv

img = cv.imread("./1.jpg",)cur_img = img.copy()# 注意参数的变化cur_img[:,:,0] = 0cur_img[:,:,2] = 0cv.imshow('G',cur_img)cv.waitKey(0)cv.destroyAllWindows()

G 是 Green 的缩写，这里显示的是绿色

只保留 B

# 导入 OpenCV 库import cv2 as cv
img = cv.imread("./1.jpg",)cur_img = img.copy()# 注意参数的变化cur_img[:,:,1] = 0




    
cur_img[:,:,2] = 0cv.imshow('B',cur_img)cv.waitKey(0)cv.destroyAllWindows()

B 是 Blue 的缩写，这里显示的是蓝色

边界填充

# 导入 OpenCV 库import cv2 as cv# 导入 maplotlibimport matplotlib.pyplot as plt
img = cv.imread("./1.jpg",)# 定义图片显示大小top_size,buttom_size,left_size,right_size = (50,50,50,50)# 复制法，也就是复制最边缘像素replicate = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REPLICATE)
# 反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcbajabcdefghjhgfedcbreflect = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REFLECT)# 反射法，也就是以最边缘像素为轴、对称、gfedcbjabcdefghigfedcbareflect01 = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_REFLECT_101)# 外包装法 cdeifghjabcdefghjabcdefgwrap = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_WRAP)# 常量法，常数值填充constant = cv.copyMakeBorder(img,top_size,buttom_size,left_size,right_size,borderType=cv.BORDER_CONSTANT)# 设置图像位置plt.subplot(231)# 设置图像显示plt.imshow(img,'gray')# 设置标题plt.title('ORIGINAL')
plt.subplot(232)plt.imshow(replicate,'gray')plt.title("REPLICATE")
plt.subplot(233)plt.imshow(reflect,'gray')plt.title("REFLECT")
plt.subplot(234)plt.imshow(reflect01,'gray')plt.title("REPLICATE01")
plt.subplot(235)plt.imshow(wrap,'gray')plt.title("WRAP")
plt.subplot(236)plt.imshow(constant,'gray')plt.title("CONSTANT")# 图像显示plt.show()

第一幅图是原始的图片，其它的都是进行过处理的

BORDER_REPLICATE ：复制法，也就是复制最边缘像素
BORDER_REFLECT ：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcbajabcdefghjhgfedcb（这里我也不是很明白，会的朋友请在评论区解释下，感谢）
BORDER_REFLECT_101 ：反射法，也就是以最边缘像素为轴、对称、gfedcbjabcdefghigfedcba
BORDER_WRAP ：外包装法 cdeifghjabcdefghjabcdefg
BORDER_CONSTANT ：常量法，常数值填充

数值计算

import cv2 as cv
img = cv.imread("./1.jpg")
img2 = img + 10img[:5,:,0]
print(img)print("--------------------------")print(img2)

我们来看下这段代码的输出结果：（由于输出结果有点长，这里只截取部分结果）

这是 img 的输出，注意观察它的值

这是 img2 的输出，可以发现，img2 中的每个值都加了 10 ，如果值超出 255 ，

则得到结果如：253 + 10 = 263，263 - 255 = 7，那么计算结果就为 7

图像融合

需要融合的两张图像如下：

import cv2 as cv
img = cv.imread("./1.jpg")img_cat = cv.imread("./2.jpg")
result = img + img_catprint(result)

输出：

说明 img 和 img_cat 的值是不相同的，所以需要转换一下。

import cv2 as cv
img = cv.imread("./1.jpg")img_cat = cv.imread("./2.jpg")
print(img.shape)print(img_cat.shape)

可以发现，两张图像的 H 和 W 值确实是不相等的，所以无法进行数值相加

正确计算数值

import cv2 as cv
img = cv.imread("./1.jpg")img_cat = cv.imread("./2.jpg")print(img.shape)# 设置与 img 一样的数值img_cat = cv.resize(img_cat,(721,300))print(img_cat.shape)

现在两张的数值是相等的了，可以进行图像融合了，这里其实就是使用了 resize() 方法将其扩大了

完整代码：

import cv2 as cvimport matplotlib.pyplot as plt
img = cv.imread("./1.jpg")img_cat = cv.imread("./2.jpg")# 设置与 img 一样的数值img_cat = cv.resize(img_cat,(721,300))# 设置宽度值res = cv.addWeighted(img,0.4,img_cat,0.6,0)
# 图像显示plt.imshow(res)plt.show()

输出：（prefect）

图像保存

图像的保存非常简单，只需要使用 imwrite() 方法即可将图像保存起来：

# 导入 OpenCV 库import cv2 as cv# 读取图像img = cv.imread("./1.jpg",cv.IMREAD_GRAYSCALE)# 图像保存# 第一个参数是图像要保存的路径，第二个图像是要保存的图像cv.imwrite("./demo.jpg",img)

执行上面的代码就会在当前路径下生成一整 demo.jpg 的图像

数据读取-视频

cv2.VideoCapture 可以捕获摄像头，用数字来控制不同的设备，例如 0,1，如果是视频文件，直接指定好路径即可

举例：

（1）读取视频