前言：Hello大家好，我是小哥谈。计算机视觉的基础首先是处理图像、视频这些非结构化的数据，而图像处理库比较常用和强大的有PIL、OpenCV模块，本节课主要讲述 OpenCV常用的方法及使用说明。 🌈
目录
🚀一、基本操作
🚀二、绘图
🚀三、阈值处理
🚀四、几何变换
🚀五、图像运算
🚀六、平滑处理
🚀七、形态学处理
🚀八、轮廓检测
🚀九、边缘检测
🚀十、摄像头操作
🚀十一、视频文件操作
🚀一、基本操作
1.读取图像
image = cv2.imread(filename, flags)参数说明：
image：是imread()方法的返回值，返回的是读取到的图像。
filename：要读取的图像的完整文件名。例如，要读取当前项目目录下的1.jpg，filename的值为"1.jpg"（双引号是英文格式的）。
flags：读取图像颜色类型的标记。当flags的默认值为1时，表示读取的是彩色图像，此时的flags值可以省略；当flags的值0时，表示读取的是灰度图像（如果读取的是彩色图像，也将转换为与彩色图像对应的灰度图像）
2.显示图像
cv2.imshow(winname, mat)参数说明：
winname：显示图像的窗口名称
mat：要显示的图像
说明：♨️♨️♨️
与imshow()方法结合使用的还有waitKey()、destroyAllWindows()方法，即：
cv2.waitKey()
cv2.destroyAllWindows()
waitKey()方法用于等待用户按下键盘上按键的时间。当用户按下键盘上的任意按键时，将执行waitKey()方法方法，并且获取waitKey()方法的返回值。
destroyAllWindows()方法用于销毁所有正在显示图像的窗口。
3.保存图像
cv2.imwrite(filename, img)参数说明：
filename：保存图像时所用的完整路径
img：要保存的图像
🚀二、绘图
1.线段的绘制
img = cv2.line(img,pt1,pt2,color,thickness)
参数说明：
img：画布
pt1：线段的起点坐标
pt2：线段的终点坐标
color：绘制线段时的线条颜色
thickness：绘制线段的线条宽度
2.矩形的绘制
img = cv2.retangle(img,pt1,pt2,color,thickness)参数说明：
img：画布
pt1：矩形的左上角坐标
pt2：矩形的右下角坐标
color：绘制矩形时的线条颜色
thickness：绘制矩形时的线条宽度
3.圆形的绘制
img = cv2.circle(img,center,radius,color,thickness)参数说明：
img：画布
center：圆形的圆心坐标
radius：圆形的半径
color：绘制圆形时的线条颜色
thickness：绘制圆形时的线条宽度
4.多边形的绘制
img = cv2.polylines(img,pts,isClosed,color,thickness)参数说明：
img：画布
pts：由多边形各个顶点的坐标组成的一个列表，这个列表是一个Numpy的数组类型。
isClosed：如果值为True，表示一个闭合的多边形；如果值为False，表示一个不闭合的多边形。
color：绘制多边形时的线条颜色
thickness：绘制多边形时的线条宽度
5.文字的绘制
img = cv2.putText(img,text,org,fontFace,fontScale,color,thickness,lineType,bottomLeftOrigin)参数说明：
img：画布
text：要绘制的文字内容
org：文字在画布中的左下角坐标
fontFace：字体样式
fontScale：字体大小
color：绘制文字时的线条颜色
thickness：绘制文字时的线条宽度
lineType：线型（指的是线的产生算法，有4和8两个值，默认值为8）
bottomLeftOrigin：绘制文字时的方向（有True和False两个值，默认值为False）
🚀三、阈值处理
1.阈值处理
retval, dst = cv2.threshold(src, thresh, maxval, type)参数说明：
src：被处理的图像，可以是多通道图像。
thresh：阈值，阈值在125~150范围内取值的效果最好。
maxval：阈值处理采用的最大值
type：阈值处理类型
返回值说明：
retval：处理时所采用的阈值
dst：经过阈值处理后的图像
2.自适应阈值
dst = cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)参数说明：
src：被处理的图像。需要注意的是，该图像须是灰度图像。
maxValue：阈值处理采用的最大值
adaptiveMethod：自适应阈值的计算方法
thresholdType：阈值处理类型
blockSize：一个正方形区域的大小。例如，5指的是5×5的区域。
C：常量。阈值等于均值或者加权值减去这个常量。
返回值说明：
dst：经过阈值处理后的图像
🚀四、几何变换
1.缩放
dst = cv2.resize(src, dsize, fx, fy, interpolation)参数说明：
src：原始图像
dsize：输出图像的大小，格式为（宽，高），单位为像素。
fx：可选参数。水平方向的缩放比例。
fy：可选参数。垂直方向的缩放比例。
interpolation：可选参数。缩放的插值方式，建议使用默认值。
返回值说明：
dst：缩放之后的图像
2.翻转
dst = cv2.flip(src, flipCode)参数说明：
src：原始图像
flipCode：翻转类型
返回值说明：
dst：翻转之后的图像
3.仿射
dst = cv2.warpAffine(src, M, dsize, flags, borderMode, borderValue)参数说明：
src：原始图像
M：一个2行3列的矩阵，根据此矩阵的值变换原图中的像素位置。
dsize：输出图像的尺寸大小
flags：可选参数，插值方式，建议使用默认值。
borderMode：可选参数，边界类型，建议使用默认值。
borderValue：可选参数，边界值，默认为0，建议使用默认值。
返回值说明：
dst：经过仿射变换后输出图像
4.透视
dst = cv2.warpPerspective(src, M, dsize, flags, borderMode, borderValue)参数说明：
src：原始图像
M：一个3行3列的矩阵，根据此矩阵的值变换原图中的像素位置。
dsize：输出图像的尺寸大小
flags：可选参数，插值方式，建议使用默认值。
borderMode：可选参数，边界类型，建议使用默认值。
boderValue：可选参数，边界值，默认为0，建议使用默认值。
🚀五、图像运算
1.图像加运算
dst = cv2.add(src1, src2, mask, dtype)
参数说明：
src1：第一幅图像
src2：第二幅图像
mask：可选参数，掩模，建议使用默认值。
dtype：可选参数，图像深度，建议使用默认值。
返回值说明：
dst：相加之后的结果图像。如果相加之后的值大于255，则取255。
2.图像与运算
dst = cv2.bitwise_and(src1, src2, mask)
参数说明：
src1：第一幅图像
src2：第二幅图像
mask：可选参数，掩模。
返回值说明：
dst：与运算之后的结果图像
3.图像或运算
dst = cv2.bitwise_or(src1, src2, mask)参数说明：
src1：第一幅图像
src2：第二幅图像
mask：可选参数，掩模。
返回值说明：
dst：或运算之后的结果图像
4.图像加权和运算
dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)参数说明：
src1：第一幅图像
alpha：第一幅图像的权重
src2：第二幅图像
beta：第二幅图像的权重
gamma：在和结果上添加的标量。该值越大，结果图像越亮，相反则越暗。可以是负数。
返回值说明：
dst：叠加之后的图像
🚀六、平滑处理
1.均值滤波
dst = cv2.blur(src, ksize, anchor, borderType)参数说明：
src：被处理的图像
ksize：滤波核大小，其格式为（高度,宽度），建议使用如(3,3)、(5,5)、(7,7)等宽高相等的奇数边长。滤波核越大，处理之后的图像越模糊。
anchor：可选参数，滤波核的锚点，建议采用默认值，方法可以自动计算锚点。
borderType：可选参数，边界样式，建议采用默认值。
返回值说明：
dst：经过均值滤波处理之后的图像。
2.中值滤波
dst = cv2.medianBlur(src, ksize)参数说明：
src：被处理的图像
ksize：滤波核的边长，必须是大于1的奇数，例如3、5、7等。方法会根据此边长自动创建一个正方形的滤波核。
返回值说明：
dst：经过中值滤波处理之后的图像。
3.高斯滤波
dst = cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)
参数说明：
src：被处理的图像
ksize：滤波核的大小，宽、高必须是奇数，例如(3,3)、(5,5)等。
sigmaX：卷积核水平方向的标准差
sigmaY：卷积核垂直方向的标准差。修改sigmaX或sigmaY的值都可以改变卷积核中的权重比例。如果不知道如何设计这两个参数值，就直接把这两个参数的值写成0，方法就会根据滤波核的大小自动计算出合适的权重比例。
borderType：可选参数，边界样式，建议使用默认值。
返回值说明：
dst：经过高斯滤波处理之后的图像
4.双边滤波
dst = cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, borderType)
参数说明：
src：被处理的图像
d：以当前像素为中心的整个滤波区域的直径。如果是d＜0，则自动根据sigmaSpace参数计算得到。该值与保留的边缘信息数量成正比，与方法运行效率成反比。
sigmaColor：参数计算的颜色范围，这个值是像素颜色值与周围颜色值的最大差值，只有颜色值之差小于这个值时，周围的像素才会进行滤波计算。值为255时，表示所有颜色都参与计算。
sigmaSpace：坐标空间的sigma值，该值越大，参与计算的像素数量就越多。
borderType：可选参数，边界样式，建议默认。
返回值说明;
dst：经过双边滤波处理之后的图像
🚀七、形态学处理
1.腐蚀
dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)参数说明：
src：原始图像
kernel：腐蚀使用的核
anchor：可选参数，核的锚点位置。
iterations：可选参数，腐蚀操作的迭代次数，默认值为1。
borderType：可选参数，边界样式，建议默认。
borderValue：可选参数，边界值，建议默认。
返回值说明：
dst：经过腐蚀之后的图像
2.膨胀
dst = cv2.dilate(src, kernel, anchor, iterations, borderType, borderValue)
参数说明：
src：原始图像
kernel：膨胀使用的核
anchor：可选参数，核的锚点位置。
iterations：可选参数，腐蚀操作的迭代次数，默认值为1。
borderType：可选参数，边界样式，建议默认。
borderValue：可选参数，边界值，建议默认。
返回值说明：
dst：经过膨胀之后的图像
3.形态学运算
dst = cv2.morphologyEx(src, op, kernel, anchor, iterations, borderType, borderValue)参数说明：
src：原始图像
op：操作类型
kernel：操作过程中所使用的核
anchor：可选参数，核的锚点位置。
iterations：可选参数，迭代次数，默认值为1。
borderType：可选参数，边界样式，建议默认。
borderValue：可选参数，边界值，建议默认。
返回值说明：
dst：操作之后得到的图像
🚀八、轮廓检测
1.检测轮廓
contours, hierarchy = cv2.findContours(image, mode, methode)参数说明：
image：被检测的图像，必须是8位单通道二值图像。如果原始图像是彩色图像，必须转为灰度图像，并经过二值化阈值处理。
mode：轮廓的检索模式。
methode：检测轮廓时使用的方法。
返回值说明：
contours：检测出的所有轮廓，list类型，每一个元素都是某个轮廓的像素坐标数组。
hierarchy：轮廓之间的层次关系
2.绘制轮廓
image = cv2.drawContours(image, contours, contourIdx, color, thickness, lineTypee,
hierarchy, maxLevel, offse)参数说明：
image：被绘制轮廓的原始图像，可以是多通道图像。
contours：findContours()方法得出的轮廓列表
contourIdx：绘制轮廓的索引，如果为-1则绘制所有轮廓。
color：绘制颜色，使用BGR样式。
thickness：可选参数，画笔的粗细程度，如果该值为-1则绘制实心轮廓。
lineType：可选参数，绘制轮廓的线型。
hierarchy：可选参数，findContours()方法得出的层次关系。
maxLevel：可选参数，绘制轮廓的层次深度，最深绘制第maxLevel层。
offse：可选参数，偏移量，可以改变绘制结果的位置。
返回值说明：
image：同参数中的image，方法执行后原始图像中就包含绘制的轮廓了，可以不使用此返回值保存结果。
3.最小矩形包围框
retval = cv2.boundingRect (array)参数说明：
array：轮廓数组
返回值说明：
retval：元组类型，包含四个整数值，分别是最小矩形包围框左上角顶点的横坐标、左上角顶点的纵坐标、矩形的宽和矩形的高。所以也可以写成x,y,w,h = cv2.boundingRect(array)的形式。
4.最小圆形包围框
center, radius = cv2.minEnclosingCircle(points)参数说明：
points：轮廓数组
返回值说明：
center：元组类型，包含两个浮点值，是最小圆形包围框圆心的横坐标和纵坐标。
radius：浮点类型，最小圆形包围框的半径。
🚀九、边缘检测
1.Canny边缘检测
edges = cv2.Canny(image, threshold1, threshold2, apertureSize, L2gradient)参数说明：
image：检测的原始图像
threshold1：计算过程中使用的第一个阈值，可以是最小阈值，也可以是最大阈值，通常用来设置最小阈值。
threshold2：计算过程中使用的第二个阈值，通常用来设置最大阈值。
apertureSize：可选参数，Sobel算子的孔径大小。
L2gradient：可选参数，计算图像梯度的标识，默认值为False。值为True时会采用更精准的算法进行计算。
返回值说明：
edges：计算后得出的边缘图像，是一个二值灰度图像。
🚀十、摄像头操作
1.获取摄像头
capture = cv2.VideoCapture(index)参数说明：
capture：要打开的摄像头
index：摄像头的设备索引
2.检验摄像头初始化是否成功
retval = cv2.VideoCapture.isOpened()参数说明：
retval：isOpened()方法的返回值。如果摄像头初始化成功，retval的值为True；否则，retval的值为False。
3.读取一帧
retval, image = cv2.VideoCapture.read()参数说明：
retval：是否读取到帧。如果读取到帧，retval的值为True；否则，retval的值为False。
image：读取到的帧。因为帧指的是构成视频的图像，所以可以把“读取到的帧”理解为“读取到的图像”。
4.释放摄像头
cv2.VideoCapture.release() 🚀十一、视频文件操作
1.读取视频文件
video = cv2.VideoCapture(filename)参数说明：
video：要打开的视频
filename：打开视频的文件名。例如，产品宣传.avi等。
2.获取视频文件的属性
retval = cv2.VideoCapture.get(propId)参数说明：
retval：获取到与propId对应的属性值
propId：视频文件的属性值
3.创建视频输出流，保存视频文件
<VideoWriter object> = cv2.VideoWriter(filename, fourcc, fps, frameSize)参数说明：
VideoWriter object：VideoWriter类对象
filename：保存视频时的路径（含有文件名）
fourcc：用4个字符表示的视频编码格式
fps：帧速率
frameSize：每一帧的大小
4.保存视频文件（简写方式）
cv2.VideoWriter.write(frame)参数说明：
frame：读取到的帧
5.释放视频输出流文章来源：https://www.toymoban.com/news/detail-678869.html
cv2.VideoWriter.release()
文章来源地址https://www.toymoban.com/news/detail-678869.html
到了这里，关于史上最全OpenCV常用方法及使用说明汇总，建议收藏！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！
