python--openCV--图像处理
安装 pip3 install opencv-python
图像处理:
import cv2 #导入opencv库 import numpy as np img = cv2.imread("ma.jpg") #读取一张图片,地址不能带中文 """ 第二个参数,取值可为: cv2.IMREAD_COLOR=1:默认参数,读入一副彩色图片,忽略alpha通道 cv2.IMREAD_GRAYSCALE=0:读入灰度图片 cv2.IMREAD_UNCHANGED=-1:读入完整图片,包括alpha通道(png有,jpg无) """ img1 = cv2.imread("ma.jpg",cv2.IMREAD_GRAYSCALE) cv2.namedWindow("new window") #创建一个窗口,中文显示会出乱码 #参数 窗口标题 cv2.imshow("new window", img1) #显示图片 #参数1:窗口标题--不能是Pyqt的窗口;如果找不到参数1的窗口就新建一个 #imread读入的图像 cv2.imshow("new", img) print(img.shape) #输出:(452, 400, 3) 高像素(行数),宽像素(列数),通道数(一个像素有三个通道RGB)
# 灰度图由于没有颜色通道,使用shape属性返回的是(图像的高度,图像的宽度)。
print(img.size) # 542400 总通道数=高* 宽* 通道数 print(img.dtype)# uint8 3个通道每个通道占的位数(8位,一个字节) #print(img) #输出每个像素点的参数( B , G , R ) #print(np.array(img)) #输出每个像素点的参数( B , G , R ) print(cv2.mean(img)) #获取图片 B G R 各个均值 #(210.87173119469026, 222.68342920353982, 228.77969579646017, 0.0) #而pixel mean的话,其实是图片的所有R通道像素,求了均值,G,B通道类似,所以求出来就是三个数值(R_mean,G_mean,B_mean) print(cv2.meanStdDev(img)) #获取均值和方差,可用均值方差都为零判断图片无效 #(array([[210.87173119],[222.6834292 ],[228.7796958 ]]), array([[67.49584092],[54.39694368],[46.32777341]])) #array([[210.87173119],[222.6834292 ],[228.7796958 ]]) 是B G R 各个均值 #array([[67.49584092],[54.39694368],[46.32777341]]) 是方差 #方差的概念:https://wenku.baidu.com/view/474731e31b37f111f18583d049649b6648d709d4.html img2=img.copy() #复制图片 cv2.imshow("fuzi", img2) cv2.waitKey(5000) #窗口等待任意键盘按键输入,0为一直等待,其他数字为毫秒数 cv2.destroyAllWindows() #销毁窗口,退出程序
cv2.namedWindow("operation", cv2.WINDOW_AUTOSIZE) #创建窗口--方式一 #cv2.namedWindow('image',cv2.WINDOW_AUTOSIZE) #创建窗口--方式二 #cv2.WINDOW_NORMAL 窗口大小可以改变 #cv2.WINDOW_AUTOSIZE 窗口大小不可以改变 #cv2.WINDOW_FREERATIO 窗口大小自适应比例 #cv2.WINDOW_KEEPRATIO 窗口大小保持比例 #cv2.WINDOW_GUI_EXPANDED 显示色彩变成暗色
cv2.imwrite("2.jpg",img) # 存储图片
参数1 文件名
参数2 图片(图片矩阵数据)
参数3 可选参数,可以指定使用特定格式编码保存的参数,一般情况下我们很少用到
img = 255*np.ones((240,480,3),np.uint8) #自定义一张彩色图像 #240 高;480 宽;3 通道数
img = 255*np.ones((240,480,3),np.uint8) #自定义一张彩色图像
#240 高;480 宽;3 通道数