python-OpenCV-圖像處理基本操作

python-OpenCV-圖像處理基本操作?章?錄前?隨著??智能的不斷發(fā)展，OpenCV這門技術也越來越重要，很多?都開啟了學習OpenCV，本?就介紹了OpenCV圖像處理基本操作的基礎內容。?、圖像處理基本操作importcv2注：下述的代碼運?之前，?先需要導?cv2模塊，為了?便理解，我們在這?函數(shù)的前綴都使?“cv2.”表?1.讀取圖?(?持各種靜態(tài)圖像格式)retavl=cv2.imread(filename[,flags])·retavl返回值，其值是讀取到的圖像·filename讀取到的圖像完整名·flags讀取標記（讀取類型）2.顯?圖?None=Window(winname)#創(chuàng)建指定名稱窗?None=cv2.imshow(winname,mat)#顯?圖像retavl=cv2.WaitKey([delay])#等待按鍵None=cv2.destroyWindow(winname)#銷毀指定窗?None=cv2.destroyAllWindow()#銷毀所有窗?3.保存圖?retavl=cv2.imwrite([filename,img[,params]])?、圖像基本表??法1.遍歷像素點foriinrange():2.訪問像素點1.numpy.arrayimg.item()img.itemset()2.ROI感興趣區(qū)域roi=img[:,:]3.通道操作1.通過索引拆分b=img[:,:,0]g=img[:,:,1]r=img[:,:,2]2.通過函數(shù)拆分·split拆分圖像的通道為B,G,R(三原?：藍綠紅)b,g,r=cv2.split(img)3.通道合并拆分逆過程將三個通道的灰度圖像構成?幅彩圖bgr=cv2.merge([b,g,r])rgb=cv2.merge([r,g,b])4.獲取圖像屬性·shape彩圖返回：?/列/通道數(shù)；?值圖/灰度圖返回:?/列數(shù)?/列/通道數(shù)=img.shape·size返回像素數(shù)?:?/列/通道數(shù)?/列/通道數(shù)=img.size·dtype返回圖像的數(shù)據(jù)類型圖像的數(shù)據(jù)類型=img.dtype三、圖像運算1.圖像像素值加法運算計算結果=cv2.add(像素值a,像素值b[,掩模])·?"+"時將和?于255的值取模處理，取模后?于255的值變?，像素點變暗，圖像不?然。·?cv2.add()時將和?于255的值處理為飽和值255，像素值增?，圖像整體變量。2.圖像加權和(圖像混合作?)dst=cv2.addWeighted(src1,alpha,src2,beta,gamma)上式理解：結果圖像=圖像1x系數(shù)1+圖像2x系數(shù)2+亮度調節(jié)（gamma可以是零，不能省略）3.按位邏輯運算·dst表?與輸出值具有相同??的array輸出值·src表?array或scalar類型的輸出值·mask表?可選操作掩碼，8位單通道array值1.按位與運算dst=cv2.bitwise_and(src1,src2[,mask]])#與運算2.按位或運算dst=cv2.bitwise_or(src1,src2[,mask]])#與運算3.按位異或運算dst=cv2.bitwise_xor(src1,src2[,mask]])#與運算4.按位取反運算（按位?運算）dst=cv2.bitwise_not(src1,src2[,mask]])#與運算5.圖像與數(shù)值的運算參與運算的兩個算?（參數(shù)）既可以是兩幅圖像，也可以是?幅圖像與?個數(shù)值img=np.ones((4,4),dtype=np.uint8)*3#?成4x4的數(shù)值為3的矩陣4.掩模mask=np.zeros((weight,hight),dtype=np.uint8)#?成weightxhight的數(shù)值為0的矩陣mask[:,:]=2555.圖像加密和解密（使?按位異或運算）1.加密對原始圖像與密鑰圖像進?按位異或2.解密對加密后的圖像與密鑰圖像再次進?按位異或四、?彩空間類型轉換1.類型轉換函數(shù)dst=cv2.vctColor(src,code[,dstCn])·dst輸出圖像·src原始輸?圖像·code?彩空間轉換碼·dstCn?標圖像的通道數(shù)2.HSV?彩空間·?調H取值范圍[0,360]·飽和度S取值范圍[0,1]·亮度V取值范圍[0,255]五、?何變換1.縮放dst=cv2.resize(src,dsize[,fx[,fy[,interpolation]]])·dst輸出的?標頭像·src需要縮放的原始圖像·dsize輸出圖像??·fx?平?向的縮放?例·fy垂直?向的縮放?例·interpolation插值?式常?插值?式：1.縮?圖形時：區(qū)域插值?式（INTER_AREA）;2.放?圖像時：三次樣條插值(INTER_CUBIC)和雙線性插值(INTER_LINEAR)2.翻轉dst=cv2.flip(src,flipCode)·dst?標圖像·src原始圖像·flipCode旋轉類型flipCode參數(shù)：0，正數(shù)，負數(shù)0繞著x軸翻轉正數(shù)繞著x軸翻轉負數(shù)繞著x軸，y軸同時翻轉3.仿射dst=cv2.warpAffine(src,M,dsize[,flags[,borderMode[,borderValue]]])·dst?標圖像·src原始圖像·M變換矩陣·dsize輸出圖像的尺???·flags插值?式·borderMode邊類型·borderValue邊界值，默認是01.平移height,width=image.shape[:2]x=100y=200M=np.float32(image,M,(width,height))dst=cv2.warpAffine(src,M,dsize[,flags[,borderMode[,borderValue]]])2.旋轉M=cv2.getRotationMatrix2D(center,angle,scale)dst=cv2.warpAffine(src,M,dsize[,flags[,borderMode[,borderValue]]])3.更復雜的仿射變換M=cv2.getAffineTransform(src,dst)dst=cv2.warpAffine(src,M,dsize[,flags[,borderMode[,borderValue]]])4.透視dst=cv2.warpPerspective(src,M,dsize[,flags[,borderMode[,borderValue]]])·dst?標圖像·src原始圖像·M變換矩陣·dsize輸出圖像的尺???·flags插值?式·borderMode邊類型·borderValue邊界值，默認是05.重映射dst=cv2.remap(src,map1,map2,interpolation[,borderMode[,borderValue]])·dst?標圖像·src原始圖像·map11.(x,y)點的?個映射2.CV_16SC2,CV_32FC2類型(x,y)點的x值·map21.為空2.CV_16SC2,CV_32FC2類型(x,y)點的y值·Interpolation插值?式(不?持INTER_AREA)·borderMode邊界模式·borderValue邊界值，默認是0六、閾值處理1.threshold函數(shù)retval,dst=cv2.threshold(src,thresh,maxval,type)·retval返回的閾值·dst閾值分割結果圖像·src進?閾值分割的圖像·thresh要設定的閾值·maxval當type參數(shù)為THRESH_BINARY或者THRESH_BINARY—_INV類型時，需要設定的最?值·type閾值分割的類型1.?值化閾值處理retval,dst=cv2.threshold(src,thresh,maxval,THRESH_BINARY)2.反?值化處理retval,dst=cv2.threshold(src,thresh,maxval,THRESH_BINARY_INV)3.截斷閾值化處理retval,dst=cv2.threshold(src,thresh,maxval,THRESH_TRUNC)4.超閾值化處理retval,dst=cv2.threshold(src,thresh,maxval,THRESH_TOZERO_INV)5.低閾值化處理retval,dst=cv2.threshold(src,thresh,maxval,THRESH_TOZERO)2.?適應閾值處理dst=cv.addtiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C)·dst閾值分割結果圖像·src進?閾值分割的圖像·maxValue最?值·adaptiveMethod?適應?法·thresholdType閾值處理?式，該值必須是THRESH_BINARY或者THRESH_BINARY—_INV·blockSize塊??，通常為3，5，7·C常量?適應?法：**1.**cv2.ADAPTIVE_THRESH_MEAN_C**2.**cv2.ADAPTIVE_THRESH_GAUSSIAN_C3.Otsu處理cv2.THRESH_OTSUt,otsu=cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)七、圖像平滑處理1.均值濾波dst=cv2.blur(src,ksize,anchor,borderType)常?形式：dst=cv2.blur(src,ksize）·dst返回值·src進?處理的圖像·ksize濾波核的??·anchor錨點，默認值(-1,-1)·borderType邊界樣式2.?框濾波dst=cv2.boxFilter(src,ddepth,ksize,anchor,normalize,borderType)常?形式：dst=cv2.boxFilter(src,ddepth,ksize）·dst返回值·src進?處理的圖像·ddepth處理結果圖像的深度，?般-1·ksize濾波核的??·anchor錨點，默認值(-1,-1)·normalize歸?化處理(1)/不需歸?化處理(0)·borderType邊界樣式3.?斯濾波邊緣模糊虛化dst=cv2.GaussianBlur(src,ksize,sigmaX,sigmaY,borderType)常?形式：dst=cv2.GaussianBlur(src,ksize,0,0）·dst返回值·src進?處理的圖像·ksize濾波核的??·sigmaX卷積核在?平?向上的標準差·sigmaY卷積核在垂直?向上的標準差·borderType邊界樣式4.中值濾波dst=cv2.medianBlur(src,ksize)·dst返回值·src進?處理的圖像·ksize濾波核的??5.雙邊濾波邊緣得到保留dst=cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace,borderType)·dst返回值·src進?處理的圖像·d在濾波時選取的空間距離參數(shù)·sigmaColor在濾波時選取的顏?差值范圍·sigmaSpace坐標空間中的sigma值·borderType邊界樣式6.2D卷積dst=cv2.filter2D(src,ddepth,kernel,anchor,delta,borderType)常?形式：dst=cv2.filter2D(src,ddepth,kernel）·dst返回值·src進?處理的圖像·ddepth處理結果圖像的深度，?般-1·kernel卷積核·anchor錨點，默認值(-1,-1)·delta修正值·borderType邊界樣式?、形態(tài)學操作1.腐蝕將圖像的邊界點消除，向內收縮；去除噪聲、元素分割dst=cv2.erode(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])·dst返回值·src進?處理的圖像·kernel卷積核·anchor錨點，默認值(-1,-1)·iterations腐蝕操作迭代的次數(shù)·borderType邊界樣式·borderValue邊界值2.膨脹對圖像的邊界進?擴張dst=cv2.dilate(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])3.通?形態(tài)學函數(shù)dst=cv2.morphologyEx(src,op,kernel[,anchor[,iterations[,borderType[,borderValue]]]])·op操作類型4.核函數(shù)dst=cv2.getStructuringElement(shape,ksize[,anchor])·shape形狀類型·ksize結構元素的??·anchor錨點，默認值(-1,-1)九、圖像梯度1.Sobel算?及函數(shù)使?dst=cv2.Sobel(src,ddepth,dx,dy[,scale[,delta[,borderType]]]])·dst?標圖像·src原始圖像·ddepth處理結果圖像的深度，?般-1·dxx?向上的求導階數(shù)·dyy?向上的求導階數(shù)·ksizeSobel核的??·scale計算導數(shù)值·delta加在?標圖像dst上的值，默認0·borderType邊界樣式2.Scharr算?及函數(shù)使?dst=cv2.Scharr(src,ddepth,dx,dy[,scale[,delta[,borderType]]]])3.Laplacian算?及函數(shù)使?dst=cv2.Laplacian(src,ddepth,ksize[,scale[,delta[,borderType]]]])?、Canny邊緣檢測edges=cv.Canny(image,threshold1,threshold2[,apertureSize[,L2gradient]])·edges計算得到的邊緣圖像·image8位輸?圖像·threshold處理過程中的閾值·apertureSizeSobel算?的孔徑??·L2gradient計算圖像梯度幅度的標識??、圖像?字塔1.pyrDown函數(shù)及使?dst=cv2.pyrDown(src[,dstsize[,borderType]])·dst?標圖像·src原始圖像·dstsize?標圖像??·borderType邊界類型2.pyrUp函數(shù)及使?dst=cv2.pyrUp