Python opencv 图像处理

目录

1. 已经封装好的函数库
2. 基础知识
3. 参考资料

已经封装好的函数库

import cv2
import matplotlib.pyplot as plt
import numpy as np
import time

def imshow(img):
    plt.imshow(img)
    plt.axis('off')
    plt.show()
def imread(path):
    img = cv2.imread(path)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    return img
def imsave(path, img):
    img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
    cv2.imwrite(path, img)
def laplance(img, level):
    for i in range(level):
        d = cv2.pyrDown(img)
    #imshow(d)
    dd = cv2.pyrDown(d)
    #imshow(dd)
    ddu = cv2.pyrUp(dd)
    #imshow(ddu)
    laplance = d - ddu
    #imshow(laplance)
    return laplance

基础知识

• 生成全黑图

  height = 100
  width = 300
  img = np.zeros((height,width,3), dtype='uint8')
  

• 生成全白

  height = 100
  width = 300
  img = np.full((height,width,3), 255, dtype='uint8')
  

• 剪切
  从 300 × 300 的图像截图出 100×100 的图像

  img = imread('img.jpg') # 假设 img 为 300 × 300
  scaleImg = img[100:200, 300::]
  

• 翻转

  # 左右翻转
  img2 = cv2.flip(img,1)
  show(img2)
  # 上下翻转
  img2 = cv2.flip(img,0)
  show(img2)
  # 上下 + 左右翻转
  img2 = cv2.flip(img,-1)
  show(img2)
  

• 旋转

  (h,w) = img.shape[:2]
  (cx,cy) = (w//2, h//2)
  
  # 旋转的中心坐标， 旋转角度（+ 逆时针 - 顺时针）， 缩放倍数
  M  = cv2.getRotationMatrix2D((cx,cy),135,0.5)
  img1 = cv2.warpAffine(img, M, (w,h))
  

• 移动

  img = imread("image.jpg")
  (w,h,l) = img.shape
  
  # [1,0,1000] 代表横向移动 1000 个像素
  # [0,1,1000] 代表纵向移动 1000 个像素
  shift = np.float32([[1,0,1000],[0,1,1000]])
  shifted = cv2.warpAffine(img, shift, (h, w) )
  

• 绘图

  startPoint = (0,0)
  stopPoint = (100,100)
  color = (255,0,0)
  lineWight = 10 # 单位像素
      
  # 画直线
  cv2.line(img, startPoint, stopPoint, color, lineWight)
  
  # 画矩形框， startPoint, stopPoint 分别为对角线的两个点
  cv2.rectangle(img, startPoint, stopPoint, color, lineWight)
  # 画矩形填充
  cv2.rectangle(img, startPoint, stopPoint, color, -1)
  
  centerOfCircle = (150, 150)
  diameter = 100
  # 画圆
  cv2.circle(img, centerOfCircle, diameter, color, lineWight)
  # 画圆形填充
  cv2.circle(img, centerOfCircle, diameter, color, -1)
  

• 图像的二值处理

  # 以下图像的逻辑运算服从数值逻辑运算中的规律，即 0&0 == 0， 1&0 == 0， 1&1 == 1， 11&01 == 01 ....
  # bitwise_and - 与 -- 
  # bitwise_or - 或 -- 
  # bitwise_xor - 非 -- 
  # bitwise_not - 异或 -- 
      
  img = np.zeros((300,300,3),dtype="uint8")
  white = (255,255,255)
  img = cv2.rectangle(img, (10,10), (300-10, 300-10), white, 2)
  imshow(img)
  
  img2 = np.zeros((300,300,3),dtype="uint8")
  white = (255,255,255)
  img = cv2.circle(img, (150,150), 100, white, -1)
  imshow(img)
  
  img3 = cv2.bitwise_and(img, img2)
  imshow(img3)
  img3 = cv2.bitwise_or(img, img2)
  imshow(img3)
  img3 = cv2.bitwise_xor(img, img2)
  imshow(img3)
  img3 = cv2.bitwise_not(img, img2)
  imshow(img3)
  

• 增加减少亮度

  imgoffset = np.zeros(img3.shape, dtype='uint8') + 50
  # 增加亮度
  img4 = cv2.add(img3,imgoffset);
  
  # 减少亮度
  img4 = cv2.subtract(img3,imgoffset);
  

• 改变图片大小

  scaler = 0.5
  newSize = tuple( (np.array(img.shape[:2]) * scaler).astype(int).tolist() )
  cv2.resize(img, newSize)
  
  # resize 中有一个 interpolation 参数，该参数用于指定 resize 时候使用的插值算法，其数值说明如下：
  # INTER_NEAREST = 最邻近
  # INTER_LINEAR = 线性插值
  # INTER_AREA = 基于像素区域
  # INTER_CUBIC = 立方差值
  # INTER_LANCZOS4 = 兰索斯插值
  img3 = cv2.resize(img, (w,h), interpolation=cv2.INTER_AREA)
  

• 图像金字塔计算

  # 计算高斯金字塔
  # 具体实现为从原图中选择 四个方向上的 5 个像素进行高斯加权平均
  # 在 opencv 中主要由 cv2.pyrDown() 和 cv2.pyrUp() 来计算得到
  
  # 计算拉普拉斯金字塔
  # 为在高斯金字塔的基础上计算而来，计算公式为 Li = Gi - pyrUp(Gi+1)
  # 求解函数如下：
  
  def laplance(img, level):
      for i in range(level):
          d = cv2.pyrDown(img)
      #imshow(d)
      dd = cv2.pyrDown(d)
      #imshow(dd)
      ddu = cv2.pyrUp(dd)
      #imshow(ddu)
      laplance = d - ddu
      #imshow(laplance)
      return laplance
  

• 人脸检测

  imgoffset = np.zeros(img3.shape, dtype='uint8') + 50
  
  
  
  # 增加亮度
  img4 = cv2.add(img3,imgoffset);
  
  # 减少亮度
  img4 = cv2.subtract(img3,imgoffset);
  

参考资料

• OpenCV 官网

原创文章，版权所有，转载请获得作者本人允许并注明出处

我是留白；我是留白；我是留白；（重要的事情说三遍）

TOP

BOT