opencv 图像和视频处理的基本操作（python)-Toy模板网

这篇具有很好参考价值的文章主要介绍了opencv 图像和视频处理的基本操作（python)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

原图：

opencv 图像和视频处理的基本操作（python)

1 图片的获取

　　主要通过cv2.imread(src)函数进行获取

 #获取图片，请注意更改路径 支持绝对路径，该函数产生的图片灰度系数数组
img = cv2.imread('Sunrise.jpg');
#获取灰度图
img_gray = cv2.imread('C:/Users/10275/Pictures/Sunrise.jpg',cv2.IMREAD_GRAYSCALE)

2 图片的显示

1 def cv_show(name,img):
2     #第一个参数是窗口的名字，随便取，第二个是需要展示图片的灰度系数数组
3     cv2.imshow(name,img) 
4     #参数为图片显示的时间，单位是毫秒，0是任意键关闭图片
5     cv2.waitKey(0) 
6     #关闭所有窗口
7     cv2.destroyAllWindows()
8     #保存图片
9     #cv2.imwrite(name,img)

3 ROI区域（图片截取）

#图片截图
img_part = img[0:100,0:100]

4 图片的RGB通道划分

　　注意cv2.imread（）获取的图片通过顺序为BGR,而非RGB,即B为0，G为1，R为2

 1 #切分为三通道
 2 b,g,r = cv2.split(img)
 3 
 4 #只保留R通道
 5 cur_Rimg = img.copy()
 6 cur_Rimg[:,:,0] = 0 #将B通道关闭
 7 cur_Rimg[:,:,1] = 0 #将G通道关闭
 8 cv_show('R',cur_Rimg)
 9 
10 #只保留G通道
11 cur_Gimg = img.copy()
12 cur_Gimg[:,:,0] = 0
13 cur_Gimg[:,:,2] = 0
14 cv_show('G',cur_Gimg)
15 
16 #只保留B通道
17 cur_Bimg = img.copy()
18 cur_Bimg[:,:,1] = 0
19 cur_Bimg[:,:,2] = 0
20 cv_show('B',cur_Bimg)

保留R通道

opencv 图像和视频处理的基本操作（python)

保留G通道

opencv 图像和视频处理的基本操作（python)

保留B通道

opencv 图像和视频处理的基本操作（python)

5 RGB通道合成

#将三通道合成为一个图片
img = cv2.merge((b,g,r))

opencv 图像和视频处理的基本操作（python)

6 边界填充

　　主要是通过cv2.copyMakeBorder（src, top_size,bottom_size,left_size,right_size,borderType）函数进行

　　src:原图片

　　top_size.top_size,bottom_size,left_size,right_size:为上下左右方向的填充宽度

　　borderType：填充的方法

 1 top_size,bottom_size,left_size,right_size = (100,100,100,100)
 2 #复制法，复制最边缘的像素
 3 replicate = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
 4 #反射法，按照边界进行反射 如abcdefgh | hgfedcba
 5 reflect = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT)
 6 #反射101法，按照边缘进行反射 相当于去掉了反射法的边界重复值 abcdefg | fedcba
 7 reflect101 = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_REFLECT_101)
 8 #平铺法，图像反复重复
 9 wrap  = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_WRAP)
10 #常量法，常数值填充
11 constant = cv2.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv2.BORDER_CONSTANT)
12 
13 plt.subplot(231),plt.imshow(img,'gray'),plt.title('ORIGIN')
14 plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('Replicate')
15 plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('Reflect')
16 plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('Reflect101')
17 plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('Wrap')
18 plt.subplot(236),plt.imshow(constant,'gray'),plt.title('Constant')
19 plt.show()

opencv 图像和视频处理的基本操作（python)

7 数值的计算

1 #灰度系数的加10
2 img2 = img + 10
3 print(img[:5,:,0])
4 print(img2[:5,:,0])
5 #当灰度超过255时候 会将值对256取模
6 print(img+img2[:5,:,0])
7 #使用cv2的add时候 灰度系数达到255时，则不再取模 而是直接使用255
8 print(cv2.add(img,img2)[:5,:,0])

8 图片的融合

1 #注意此处相加 如果两个图片的宽高比不同，则无法相加
2 #print(img + img2)
3 #若是两个图片宽高不同则事先需要进行resize 后面的500，414是来源于 img.shape的值
4 img2 = cv2.resize(img2,(500,414))
5 #宽度拉伸3倍，高度不变
6 img4 = cv2.resize(img,(0,0),fx=3,fy=1)
7 #图片融合 公式为 R = αimg1+βimg2+b  其中 α为img1在融合后图的权重，β为img2在融合图后的权重，b是增加灰度
8 res = cv2.addWeighted(img,0.4,img2,0.6,0)

9 图像的阈值

　　ret,dst = cv2.threshold(src,thresh,maxval,type)

ret:返回的阈值
dst:返回的图像
src:已通过cv2,read获取的图片
thresh:设定的阈值一般为127 为0~255的中间
maxval:当像素值超过了阈值，所赋予的值
type:二值化操作的类型

#超过阈值的部分取maxval，否则取0
ret,thresh1 = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)
#Thresh_Binary的反转
ret,thresh2 = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY_INV)
#大于阈值部分设为阈值，否则不变
ret,thresh3 = cv2.threshold(img_gray,127,255,cv2.THRESH_TRUNC)
#大于阈值部分不变，否则为0
ret,thresh4 = cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO)
#Thresh_Tozero的反转
ret,thresh5 = cv2.threshold(img_gray,127,255,cv2.THRESH_TOZERO_INV)

tiles = ['Origin','Binary','Binary_Inv','Trunc','ToZero','ToZero_Inv']
images = [img_gray,thresh1,thresh2,thresh3,thresh4,thresh5]

for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(tiles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

对于自适应阈值分割方法我将重新开一篇

10 视频的获取和显示

 1 #视频读取
 2 vc = cv2.VideoCapture('test.mp4')
 3 
 4 #检测视频是否正常打开
 5 if vc.isOpened():
 6     open,frame = vc.read() #返回第一个参数为bool值用于检测该帧是否正常打开，第二个参数为该帧的图片
 7 else:
 8     open = False
 9 #循环读取视频
10 while open:
11     ret,frame = vc.read()
12     if frame is None: #如果该帧内容为空说明视频抵达最后，则跳出循环
13         break
14     if ret == True: #如果ret返回True 说明已经正常打开该帧
15         gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) #直接将该帧转换为灰度图像
16         cv2.imshow('result',gray) #每帧的展示
17         if cv2.waitKey(10) & 0xFF == 27: #每帧的持续时长 和 退出视频按键
18             break
19 vc.release() #释放资源
20 cv2.destroyAllWindows() #关闭全部窗口