OpenCV 图像与视频的基础操作

这篇具有很好参考价值的文章主要介绍了OpenCV 图像与视频的基础操作。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。

引言

在计算机视觉领域,OpenCV是一款广泛使用的开源库,用于图像处理和计算机视觉任务。当你开始使用OpenCV时,了解如何创建和显示窗口,以及加载和保存图片是至关重要的基础知识。本文将介绍如何使用OpenCV进行这些操作,帮助你更好地掌握图像处理和视觉任务的开发技巧。

创建和显示窗口

创建和显示窗口是图像处理中的重要步骤之一。在OpenCV中,你可以使用一些简单而强大的函数来完成这些操作。让我们来详细了解一下这些函数:

  1. namedWindow() - 创建一个窗口,并指定窗口的名称和类型。
  2. resizeWindow() - 调整窗口的大小,接受窗口名称、宽度和高度作为参数。
  3. imshow() - 在指定的窗口中显示图像,接受窗口名称和要显示的图像作为参数。
  4. waitKey() - 等待键盘输入,接受等待时间(以毫秒为单位)作为参数,0表示无限等待用户的键盘输入。
  5. destroyAllWindows() - 关闭所有窗口。

下面是一个完整的示例代码:

import cv2  
cv2.namedWindow('new', cv2.WINDOW_NORMAL)  
cv2.resizeWindow('new', 640, 480)  
cv2.imshow("new", 0)  
  
key = cv2.waitKey(0)  
if(key == 'q'):  
	exit()  
  
cv2.destroyAllWindows()

OpenCV 图像与视频的基础操作

如何通过 OpenCV 加载图片问题

加载图像是使用 OpenCV 进行图像处理的常见操作之一。在下面的示例中,我们将了解如何使用 OpenCV 加载图像:

  1. im == image - 在代码中,im代表图像对象,通常用于存储加载的图像数据。

  2. imread(path, flag) - 这是一个用于读取图像文件的函数。它接受两个参数:path表示图像文件的路径,flag表示读取图像的方式。常见的flag选项包括:

    • cv2.IMREAD_COLOR:加载彩色图像。
    • cv2.IMREAD_GRAYSCALE:以灰度模式加载图像。
    • cv2.IMREAD_UNCHANGED:加载图像,包括 alpha 通道。

在下面的示例代码中,我们将加载名为 sample.jpg 的图像文件并显示出来:

import cv2

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
img = cv2.imread('sample.jpg')
cv2.imshow('img', img)

key = cv2.waitKey(0)
if key == ord('q'):
    exit()

cv2.destroyAllWindows()

OpenCV 图像与视频的基础操作

加载图片存在的问题

在原始代码中,存在一些问题需要解决,包括语法检测、跨平台路径访问以及程序退出逻辑。下面是对这些问题进行优化的详细解释和示例代码:

存在的问题:

  1. 语法检测有问题:原始代码中的缩进存在问题,影响代码的可读性和执行。

  2. Windows 下访问图片的路径与 Mac/Linux 不同:在不同的操作系统中,访问文件的路径表示方式可能有所差异。需要注意在不同平台上正确指定图像文件的路径。

  3. 程序退出的逻辑有问题:原始代码中使用key == 'q'来检测用户是否按下 ‘q’ 键退出程序,但实际上waitKey()函数返回的是一个整数值。正确的做法是将键码与 'q' 的 ASCII 码值进行比较。

以下是优化后的代码示例:

import cv2

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
img = cv2.imread('sample.jpg')
cv2.imshow('img', img)

key = cv2.waitKey(0)

if key & 0xFF == ord('q'):
    exit()

cv2.destroyAllWindows()

通过以上改进,我们解决了原始代码中存在的语法检测、跨平台路径访问和程序退出逻辑的问题。这样的优化使代码更具可读性和可靠性。

如何通过 openCV 保存图片(保存图片)

如何通过 OpenCV 保存图片

在OpenCV中,可以使用imwrite()函数来保存图片。该函数接受两个参数:要保存的文件名和要保存的图像(以OpenCV中的Mat类型表示)。你可以指定保存的文件名和文件格式(如.jpg、.png等),并将图像数据作为参数传递给imwrite()函数,即可将图像保存到指定的文件中。

  • imwrite(name, img)
    • name,要保存的文件名
    • img,是 Mat 类型
import cv2  
cv2.namedWindow('img', cv2.WINDOW_NORMAL)  
  
img = cv2.imread('sample.jpg')  
cv2.imshow("img", img)  
  
key = cv2.waitKey(0)  
  
if(key & 0xFF == ord('q')):  
	cv2.destroyAllWindows()  
elif(key & 0xFF == ord('s')):  
	cv2.imwrite('sample.png', img) # 改了一下文件格式

改善后的代码:

import cv2  
cv2.namedWindow('img', cv2.WINDOW_NORMAL)  
  
img = cv2.imread('sample.jpg')  
  
while True:  
cv2.imshow("img", img)  
  
key = cv2.waitKey(0)  
  
if(key & 0xFF == ord('q')):  
	break  
elif(key & 0xFF == ord('s')):  
	cv2.imwrite('sample.png', img) # 改了一下文件格式  
else:  
	print(key)  
  
cv2.destroyAllWindows()

如何利用 OpenCV 从摄像头采集视频(读取视频文件)

在许多计算机视觉应用中,从摄像头采集视频是一个常见的任务。OpenCV提供了简单而强大的函数来实现这个目标。下面我们将介绍如何利用OpenCV从摄像头读取视频帧。

  • VideoCapture():用于获取视频设备。它接受一个参数index,表示要使用的视频设备的索引。通常情况下,索引为0表示使用默认的摄像头。
  • cap.read():用于从摄像头读取视频帧。
    • 返回两个值,第一个为状态值,读到帧为 true
    • 第二个值为视频帧
  • cap.release():用于释放VideoCapture对象。在程序结束时,应该调用该函数释放占用的资源。

下面是一个完整的示例代码,展示了如何利用OpenCV从摄像头采集视频并实时显示:

import cv2

# 创建窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL)
cv2.resizeWindow('video', 640, 480)

# 获取视频设备
cap = cv2.VideoCapture(0)

while True:
    # 从摄像头读视频帧
    ret, frame = cap.read()

    # 将视频帧在窗口中显示
    cv2.imshow('video', frame)

    # 等待键盘时间,如果为q,退出
    key = cv2.waitKey(1)    # 设置1ms,最低为1ms
    if(key & 0xFF == ord('q')):
        break

# 释放 VideoCapture
cap.release()
cv2.destroyAllWindows()

如何从多媒体文件中读取视频帧(读取视频文件)

除了从摄像头采集视频帧,OpenCV还提供了读取视频文件中的视频帧的功能。下面我们将介绍如何使用cv2.VideoCapture()函数从多媒体文件中读取视频帧。

  • cv2.VideoCapture() 从视频文件中读取视频帧

下面是一个完整的示例代码,展示了如何从视频文件中读取视频帧并显示:

import cv2

# 创建窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL)
cv2.resizeWindow('video', 640, 480)

# 获取视频设备/从视频文件中读取视频帧
cap = cv2.VideoCapture("sample.mp4")

while True:
    # 从摄像头读视频帧
    ret, frame = cap.read()

    # 将视频帧在窗口中显示
    cv2.imshow('video', frame)

    # 等待键盘时间,如果为q,退出
    key = cv2.waitKey(40)    # 设置1ms,最低为1ms
    if(key & 0xFF == ord('q')):
        break

# 释放 VideoCapture
cap.release()
cv2.destroyAllWindows()

如何将视频数据录制成多媒体文件(视频录制)

OpenCV提供了VideoWriter类,可以将视频数据录制成多媒体文件。

  • VideoWriter
    • 参数一为输出文件
    • 参数二为多媒体文件格式(VideoWriter_fourcc
    • 参数三为帧率
    • 参数四为分辨率大小
  • write
  • release

下面是使用VideoWriter类进行视频录制的示例代码:

import cv2

# 创建 VideoWriter 为写多媒体文件
fourcc = cv2.VideoWriter_fourcc(*'MJPG')
vw = cv2.VideoWriter('./out.mp4', fourcc, 25, (1280, 720))   # 分辨率要按照真实摄像头分辨率填写

# 创建窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL)
cv2.resizeWindow('video', 640, 480)

# 获取视频设备/从视频文件中读取视频帧
cap = cv2.VideoCapture(0)

while True:
    # 从摄像头读视频帧
    ret, frame = cap.read()

    # 将视频帧在窗口中显示
    cv2.imshow('video', frame)

    # 写数据到多媒体文件
    vw.write(frame)

    # 等待键盘时间,如果为q,退出
    key = cv2.waitKey(1)    # 设置1ms,最低为1ms
    if(key & 0xFF == ord('q')):
        break

# 释放 VideoCapture
cap.release()

# 释放VideoWriter
vw.release()

cv2.destroyAllWindows()

代码优化

在下面的代码中,我们对代码进行了优化以解决一些问题:

  • 显示窗口为什么变大了?
  • 使用 isOpened() 判断摄像头是否已打开
  • 采集数据时要判断数据是否获取到了
import cv2

# 创建 VideoWriter 为写多媒体文件
fourcc = cv2.VideoWriter_fourcc(*'MJPG')
vw = cv2.VideoWriter('./out.mp4', fourcc, 25, (1280, 720))   # 分辨率要按照真实摄像头分辨率填写

# 创建窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL)
cv2.resizeWindow('video', 640, 480)

# 获取视频设备/从视频文件中读取视频帧
cap = cv2.VideoCapture(0)

while cap.isOpened():   # ⭐判断摄像头是否打开
    # 从摄像头读视频帧
    ret, frame = cap.read()

    if ret == True: # ⭐判断是否获取到数据
        # 将视频帧在窗口中显示
        cv2.imshow('video', frame)
        cv2.resizeWindow('video', 640, 480) # ⭐窗口变大了

        # 写数据到多媒体文件
        vw.write(frame)

        # 等待键盘时间,如果为q,退出
        key = cv2.waitKey(1)    # 设置1ms,最低为1ms
        if(key & 0xFF == ord('q')):
            break
    else:
        break

# 释放 VideoCapture
cap.release()

# 释放VideoWriter
vw.release()

cv2.destroyAllWindows()

OpenCV 控制鼠标

下面将了解如何使用 OpenCV 控制鼠标。具体来说,我们将了解如何设置鼠标回调函数,以便在鼠标事件发生时执行特定的操作。

设置鼠标回调函数

  • setMouseCallback(winname, callback, userdata)
  • callback(event, x, y, flags, userdata)
    • event:鼠标移动,按下左键
    • x,y:鼠标左键
    • flags:鼠标键及组合键

下面是一个完整的示例代码,演示了如何设置鼠标回调函数并在窗口中显示鼠标事件的信息:

import cv2
import numpy as np


# 鼠标回调函数
def mouse_callback(event, x, y, flags, userdata):
    print(event, x, y, flags, userdata)

# mouse_callback(1, 100, 100, 16, "666")

# 创建窗口
cv2.namedWindow('mouse', cv2.WINDOW_NORMAL)
cv2.resizeWindow('mouse', 640, 360)

# 设置鼠标回调
cv2.setMouseCallback('mouse', mouse_callback, "123")

# 显示窗口和背景
img = np.zeros((360, 640, 3), np.uint8) # 全黑图片
while True:
    cv2.imshow('mouse', img)
    key = cv2.waitKey(1)
    if key & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

OpenCV 中的 TrackBar 控件

TrackBar 是 OpenCV 提供的一个图形用户界面控件,用于在窗口中创建滑动条,通过滑动条可以动态调整某个参数的值。下面将介绍如何在 OpenCV 中使用 TrackBar 控件。

OpenCV 图像与视频的基础操作

  • createTrackbar
    • trackbarname,winname
    • value:trackbar 当前值
    • count:最小值为0,最大值为 count
    • callback,userdata
  • getTrackbarPos
    • 输入参数:trackbarname
    • 输入参数:winname
    • 输出:当前值

在下面代码中,我们将创建了一个名为 ‘trackbar’ 的窗口,并在其中创建了三个 TrackBar,分别用于控制红、绿、蓝三个通道的值。每个 TrackBar 的取值范围为 0~255。我们还创建了一个背景图片,其颜色将根据 TrackBar 的值进行实时更新。

import cv2
import numpy as np


def callback():
    pass

# 创建窗口
cv2.namedWindow('trackbar', cv2.WINDOW_NORMAL)

# 创建 trackbar
cv2.createTrackbar('R', 'trackbar', 0, 255, callback)
cv2.createTrackbar('G', 'trackbar', 0, 255, callback)
cv2.createTrackbar('B', 'trackbar', 0, 255, callback)

# 创建一个背景图片
img = np.zeros((480, 640, 3), np.uint8) # 黑色背景

while True:

    # 获取当前 trackbar 的值
    r = cv2.getTrackbarPos('R', 'trackbar')
    g = cv2.getTrackbarPos('G', 'trackbar')
    b = cv2.getTrackbarPos('B', 'trackbar')

    # 改变背景图片颜色
    img[:] = [b, g, r]  # img[:] 表示所有像素
    cv2.imshow('trackbar', img)

    key = cv2.waitKey(10)
    if key & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

总结

这篇博客简单介绍了 OpenCV 的OpenCV 图像与视频的基础操作,包括窗口创建、图像加载和保存、摄像头视频采集以及多媒体文件录制等内容。同时,还提供了代码优化技巧以及鼠标交互和 TrackBar 控件的应用。通过阅读这篇博客,读者可以全面了解 OpenCV 的功能和用法,掌握图像处理的基本技能。文章来源地址https://www.toymoban.com/news/detail-479825.html

到了这里,关于OpenCV 图像与视频的基础操作的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 计算机毕业分享(含算法) opencv图像增强算法系统

    今天学长向大家分享一个毕业设计项目 毕业设计 opencv图像增强算法系统 项目运行效果: 毕业设计 基于机器视觉的图像增强 项目获取: https://gitee.com/sinonfin/algorithm-sharing 直方图均衡化是通过调整图像的灰阶分布,使得在0~255灰阶上的分布更加均衡,提高了图像的对比度,达

    2024年01月18日
    浏览(44)
  • 计算机视觉传统图像处理库opencv的使用

    人工智能领域的图像处理分支,整理了计算机视觉传统图像处理库opencv的使用网址链接。 opencv使用范围,主要用在计算机视觉、视频分析、机器学习、医学影像处理、自动驾驶、工业检测、游戏开发上。 1):opencv效果视频 opencv10个应用场景 - 知乎 2):opencv介绍 AI必备技能

    2024年02月09日
    浏览(42)
  • 深度学习图像风格迁移 - opencv python 计算机竞赛

    🔥 优质竞赛项目系列,今天要分享的是 🚩 深度学习图像风格迁移 - opencv python 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:4分 🧿 更多资料, 项目分享: https://gitee.com/danche

    2024年02月04日
    浏览(55)
  • 计算机视觉:从图像到视频识别的核心技术

    作者:禅与计算机程序设计艺术 作为一位人工智能专家,程序员和软件架构师,我相信您对计算机视觉并不陌生。计算机视觉是人工智能领域中一个极其重要的分支,它通过算法和技术的手段使计算机能够识别图像和视频中的内容,从而为人们带来许多实用的价值和便利。在

    2024年02月07日
    浏览(40)
  • 计算机毕设 python opencv 机器视觉图像拼接算法

    🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升,传统的毕设题目缺少创新和亮点,往往达不到毕业答辩的要求,这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。 为了大家能够顺利以及最少的精力通过毕设,学长分享优质毕业设计项目,今天

    2024年02月07日
    浏览(59)
  • 计算机竞赛 opencv python 深度学习垃圾图像分类系统

    🔥 优质竞赛项目系列,今天要分享的是 🚩 opencv python 深度学习垃圾分类系统 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:4分 这是一个较为新颖的竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/p

    2024年02月13日
    浏览(78)
  • 《OpenCV 计算机视觉编程攻略》学习笔记(一:图像编程入门)

    参考引用 OpenCV 计算机视觉编程攻略(第3版) 说明 本书结合 C++ 和 OpenCV 3.2 全面讲解计算机视觉编程 所有代码均在 Ubuntu 系统中用 g++ 编译执行 0. 安装 OpenCV 库 在Ubuntu上安装OpenCV及使用 OpenCV 库分为多个模块 ,常见模块如下 opencv_core 模块包含库的核心功能 opencv_imgproc 模块包

    2024年02月09日
    浏览(49)
  • 计算机竞赛 图像识别-人脸识别与疲劳检测 - python opencv

    🔥 优质竞赛项目系列,今天要分享的是 🚩 基于图像识别的人脸识别与疲劳检测系统 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:5分 🧿 更多资料, 项目分享: https://gitee.co

    2024年02月12日
    浏览(70)
  • 计算机视觉基础学习-图像拼接

    首先本文介绍的图像拼接并非对尺寸相同的图片进行简单拼接,而是基于全景图的拼接 普通相机拍摄图像时,无法兼顾相机视场与视场中单个物体的分辨率问题,而全景相机普遍价格昂贵, 不适用于低成本的一般性场景。为了使用普通相机获取宽视角,甚至是 360°全景图像

    2023年04月10日
    浏览(47)
  • 计算机视觉——图像处理基础

    随着计算机视觉的不断发展,图像的预处理成为分析图像的必然前提,本文就介绍图像处理的基础内容。 图像中,高频部分是图像中像素值落差很大的部分,如图像边缘,该部分的有用信息经常被噪声淹没。降低高频段的噪声是设计图像滤波器的关键。 图像滤波器就是一个

    2024年01月19日
    浏览(58)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包