1-图像的基础操作

字数统计: 3k字   |   阅读时长: 14分
× 文章目录
  1. 1. 0 写在前面——如何处理使用opencv.imshow造成的内核崩溃?
  2. 2. 1 图像的IO操作
    1. 2.1. 1.1 读取图像
    2. 2.2. 1.2 显示图像
    3. 2.3. 1.3 保存图像
    4. 2.4. 1.4 总结
  3. 3. 2 绘制几何图形
    1. 3.1. 2.1 绘制直线
    2. 3.2. 2.2 绘制圆形
    3. 3.3. 2.3 绘制矩形
    4. 3.4. 2.4 向图像中添加文字
    5. 3.5. 2.5 效果展示
  4. 4. 3 获取并修改图像中的像素点
  5. 5. 4 获取图像的属性
  6. 6. 5 图像通道的拆分与合并
  7. 7. 6 色彩空间的改变
  8. 8. 7 图像的加法
  • 8 图像的混合

    • Author: haoransun
    WeChat: SHR—97

    0 写在前面——如何处理使用opencv.imshow造成的内核崩溃?

    当在Notebook中使用opencv.imshow后，会造成Notebook崩溃。

    opencv的cv2.imshow在jupyter这样的client/server环境下存在问题。 而matplotlib不存在这个问题。

    参考如下示例进行图片显示。注意opencv加载的是BGR格式， 而matplotlib显示的是RGB格式。

    1
    2
    3
    4
    5
    6
    from matplotlib import pyplot as plt
    import cv2
    img = cv2.imread('图片路径')
    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    plt.title('my picture')
    plt.show()

    下面的方法都用这个解决，除非是在自带的Pycharm中跑数据

    BGR ——> RGB

    方式1

    1
    2
    3
    4
    b,g,r=cv2.split(img)
    img2=cv2.merge([r,g,b])
    plt.imshow(img2)
    plt.show()

    方式2

    1
    2
    3
    img3=cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    plt.imshow(img3)
    plt.show()

    方式3 翻转numpy矩阵

    1
    2
    3
    img4=img[:,:,::-1]
    plt.imshow(img4)
    plt.show()

    对图像的长宽不做调整，仅仅调整通道。对通道的切片操作为[::-1],步长是负数代表你这是想要倒着走。切片内部自动把end和start调换了，原先通道是BGR,倒着走变成了RGB。通过这种方式实现对通道的翻转

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    # 1 默认值 对应 RGB
    img1 = cv2.imread("Image/dog.jpg",cv2.IMREAD_COLOR) # 默认值可以不填或者1
    plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))
    plt.title("the first dog")
    plt.show()

    # -1 对应 RGBA
    img2 = cv2.imread("Image/dog.jpg",cv2.IMREAD_UNCHANGED) # -1
    plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGBA))
    plt.title("the second dog")
    plt.show()


    # 灰度图，matplotlib自身会加上颜色（似乎是松石绿 viridis），造成视觉误差
    # 灰度对应 GRAY
    img2 = cv2.imread("Image/dog.jpg",0)
    plt.imshow(img2)
    plt.title("the second dog")
    plt.show()

    # 可用下面方法正常显示

    img3 = cv2.imread("Image/dog.jpg")
    img4 = cv2.cvtColor(img3,cv2.COLOR_BGR2GRAY)
    plt.imshow(img4,cmap="gray") # gray 灰度图 binary 二值图
    plt.title("the third dog")
    plt.show()

    # ***直接以灰色方法读***
    img_dog = cv2.imread("Image/dog.jpg", 0)
    img_dog1 = plt.imshow(img_dog, cmap="gray")
    plt.title("dog")
    plt.show()

    1 图像的IO操作

    这里会给大家介绍如何读取图像，如何显示图像和如何保存图像。

    1.1 读取图像

    1. API
    1
    cv.imread()

    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

    • 参考代码

      1
      2
      3
      4
      import numpy as np
      import cv2 as cv
      # 以灰度图的形式读取图像
      img = cv.imread('messi5.jpg',0)

    注意：如果加载的路径有错误，不会报错，会返回一个None值

    1.2 显示图像

    1 . API

    1
    cv.imshow()

    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

    注意：在调用显示图像的API后，要调用cv.waitKey()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来。

    另外我们也可使用matplotlib对图像进行展示。

    1. 参考代码

      1
      2
      3
      4
      5
      # opencv中显示
      cv.imshow('image',img)
      cv.waitKey(0)
      # matplotlib中展示
      plt.imshow(img[:,:,::-1])

    1.3 保存图像

    1. API

      1
      cv.imwrite()

      参数：

      • 文件名，要保存在哪里
      • 要保存的图像

    2. 参考代码

      1
      cv.imwrite('messigray.png',img)

    3. 使用matplotlib保存处理过的图像

      1
      2
      3
      4
      img_dog_binary = plt.imshow(img_dog, cmap="binary")
      plt.title("img_dog_binary")
      plt.savefig("Image/img_dog_binary.jpg")
      plt.show()

    1.4 总结

    我们通过加载灰度图像，显示图像，如果按’s’并退出则保存图像，或者按ESC键直接退出而不保存

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt
    # 1 读取图像
    img = cv.imread('messi5.jpg',0)
    # 2 显示图像
    # 2.1 利用opencv展示图像
    cv.imshow('image',img)
    # 2.2 在matplotplotlib中展示图像
    plt.imshow(img[:,:,::-1])
    plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
    plt.show()
    k = cv.waitKey(0)
    # 3 保存图像
    cv.imwrite('messigray.png',img)

    2 绘制几何图形

    2.1 绘制直线

    1
    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

    2.2 绘制圆形

    1
    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

    2.3 绘制矩形

    1
    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

    2.4 向图像中添加文字

    1
    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

    2.5 效果展示

    我们生成一个全黑的图像，然后在里面绘制图像并添加文字

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt
    # 1 创建一个空白的图像
    img = np.zeros((512,512,3), np.uint8)
    # 2 绘制图形
    cv.line(img,(0,0),(511,511),(255,0,0),5)
    cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
    cv.circle(img,(447,63), 63, (0,0,255), -1)
    font = cv.FONT_HERSHEY_SIMPLEX
    cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
    # 3 图像展示
    plt.imshow(img[:,:,::-1])
    plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
    plt.show()

    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。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    import numpy as np
    import cv2 as cv
    img = cv.imread('messi5.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]

    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。

    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

    1
    2
    3
    4
    # 通道拆分
    b,g,r = cv.split(img)
    # 通道合并
    img = cv.merge((b,g,r))

    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和BGR↔HSV。

    API：

    1
    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

    总结：

    1. 图像IO操作的API：

      cv.imread(): 读取图像

      cv.imshow()：显示图像

      cv.imwrite(): 保存图像

    2. 在图像上绘制几何图像

      cv.line(): 绘制直线

      cv.circle(): 绘制圆形

      cv.rectangle(): 绘制矩形

      cv.putText(): 在图像上添加文字

    3. 直接使用行列索引获取图像中的像素并进行修改

    4. 图像的属性

    5. 拆分通道：cv.split()

      通道合并：cv.merge()

    6. 色彩空间的改变

      cv.cvtColor(input_image，flag)

    图像显示

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    import numpy as np
    import matplotlib.pyplot as plt
    import cv2

    # cv2 自带的方法，一般是结合matplotlib使用
    # 1：彩色(默认)   0：灰色 -1：带alpha的彩色
    # img = cv2.imread("image/dog.jpg", 0)
    # cv2.imshow("first dor", img)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()

    img = cv2.imread("Image/dog.jpg", 1)

    # cv2读取图像是BGR，在cv2中可以正常显示，但在其他显示工具中需要转换为RGB（3中方法转换）
    # method-1
    img1 = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    plt.imshow(img1)
    plt.title("this is first dog")
    plt.show()

    # method-2
    b, g, r = cv2.split(img)
    img2 = cv2.merge([r, g, b])
    plt.imshow(img2)
    plt.title("this is second dog")
    plt.show()

    # method-3 颜色还是不正...
    img3 = img[:, :, -1]
    plt.imshow(img3)
    plt.title("this is third dog")
    plt.show()

    # 原图取灰色直接展示
    img_source_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    plt.imshow(img_source_gray)
    plt.title("this is source_gray dog")
    plt.show()

    # 二值图
    img_binary = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    plt.imshow(img_binary, cmap="binary")
    plt.title("this is a binary dog")
    plt.show()

    # 灰度图
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    plt.imshow(img_gray, cmap="gray")
    plt.title("this is a gray dog")

    # 隐藏x和y轴
    plt.xticks([])
    plt.yticks([])

    图像保存

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    from matplotlib import pyplot as plt
    import cv2

    img_dog = cv2.imread("Image/dog.jpg", 0)
    img_dog_gray = plt.imshow(img_dog, cmap="gray")
    plt.title("dog_gray")
    plt.savefig("Image/img_dog_gray.jpg")
    plt.show()

    img_dog_binary = plt.imshow(img_dog, cmap="binary")
    plt.title("img_dog_binary")
    plt.savefig("Image/img_dog_binary.jpg")
    plt.show()

    图像保存到上一级目录

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    import numpy as np
    from matplotlib import pyplot as plt
    import cv2
    import os

    image_path = os.path.abspath("../Image")

    img_dog = cv2.imread(os.path.join(image_path,"dog.jpg"), 0)

    img_dog_gray = plt.imshow(img_dog, cmap="gray")
    plt.title("dog_gray")
    plt.savefig(os.path.join( image_path,"img_dog_gray.jpg"))
    plt.show()

    img_dog_binary = plt.imshow(img_dog, cmap="binary")
    plt.title("img_dog_binary")
    plt.savefig(os.path.join( image_path,"img_dog_binary.jpg"))
    plt.show()

    7 图像的加法

    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。

    参考以下代码：

    1
    2
    3
    4
    5
    6
    >>> x = np.uint8([250])
    >>> y = np.uint8([10])
    >>> print( cv.add(x,y) ) # 250+10 = 260 => 255
    [[255]]
    >>> print( x+y )          # 250+10 = 260 % 256 = 4
    [4]

    这种差别在你对两幅图像进行加法时会更加明显。OpenCV 的结果会更好一点。所以我们尽量使用 OpenCV 中的函数。

    我们将下面两幅图像：

    代码：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt

    # 1 读取图像
    img1 = cv.imread("view.jpg")
    img2 = cv.imread("rain.jpg")

    # 2 加法操作
    img3 = cv.add(img1,img2) # cv中的加法
    img4 = img1+img2 # 直接相加

    # 3 图像显示
    fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
    axes[0].imshow(img3[:,:,::-1])
    axes[0].set_title("cv中的加法")
    axes[1].imshow(img4[:,:,::-1])
    axes[1].set_title("直接相加")
    plt.show()

    结果如下所示：

    8 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。

    参考以下代码：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    import numpy as np
    import cv2 as cv
    import matplotlib.pyplot as plt

    # 1 读取图像
    img1 = cv.imread("view.jpg")
    img2 = cv.imread("rain.jpg")

    # 2 图像混合
    img3 = cv.addWeighted(img1,0.7,img2,0.3,0)

    # 3 图像显示
    plt.figure(figsize=(8,8))
    plt.imshow(img3[:,:,::-1])
    plt.show()

    窗口将如下图显示：

    总结

    1. 图像加法：将两幅图像加载一起

      cv.add()

    2. 图像的混合：将两幅图像按照不同的比例进行混合

      cv.addweight()

    注意：这里都要求两幅图像是相同大小的。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    import numpy as np
    import matplotlib.pyplot as plt
    import cv2
    import os

    # 支持中文
    plt.rcParams["font.family"] = ["SimHei"]
    # 正常显示负号
    plt.rcParams["axes.unicode_minus"] = False

    img_file_path = os.path.abspath("../Image")
    img_water = os.path.join(img_file_path, "river.jpg")
    img_plain = os.path.join(img_file_path, "river.jpg")

    # 读图片
    img_water_cv = cv2.imread(img_water)
    img_plain_cv = cv2.imread(img_plain)

    # 加法操作
    img_1 = cv2.add(img_water_cv, img_plain_cv)
    img_2 = img_water_cv + img_plain_cv

    # 图像显示
    fig, axes = plt.subplots(1, 2, figsize=(10, 8), dpi=100)
    axes[0].imshow(img_1[:, :, ::-1])
    axes[0].set_title("cv中的加法")
    axes[1].imshow(img_2[:, :, ::-1])
    axes[1].set_title("直接相加")
    plt.show()

    img_3 = cv2.addWeighted(img_water_cv, 0.8, img_plain_cv, 0.2, 0)
    plt.figure(figsize=(8, 8))
    plt.imshow(img_3[:, :, ::-1])
    plt.show()

    扫一扫，分享到微信

    微信分享二维码
    本站总访问量次 | 本站访客数人

    tag:

      缺失模块。
      1、请确保node版本大于6.2
      2、在博客根目录（注意不是yilia根目录）执行以下命令：
      npm i hexo-generator-json-content --save

      3、在根目录_config.yml里添加配置： 

        jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

    一个脱离了高级趣味的人!