第一节、初识OpenCV3-图像的读、写、显、格式转化等

之前一直在看深度学习，用到了图像处理的知识，所以过来补充一下OpenCV基础。

就顺便从网上了买了一本《OpenCV 3计算机视觉》这本书，这本书比较薄，但是目前已经够我用了，在这里就记录一下我的学习笔记。

一、OpenCV3安装

1.1 Open CV3安装

在前面我已经介绍过我的python运行环境，是运行在windos 7操作系统下，安装的Anaconda集成开发环境。具体安装步骤可以参考文章《第一节，windows下深度学习theano环境搭建》。

下面介绍一下如何在Anaconda命令窗口下安装opencv：

conda install -c https://conda.binstar.org/menpo opencv

打开Anaconda Prompt，输入python，进入python环境之后，import cv2。如果不报错，说明安装成功。

1.2 内容大纲

本节主要介绍以下7块内容：

读写图像文件；
图像与原始字节之间的转换；
使用numpy.array访问图像数据；
视频文件的读写(复制视频)；
捕获摄像头的帧,并保存视频文件；
窗口显示图像；
在窗口显示摄像头帧；

为了做测试，我专门创建了一个OpenCV文件夹，在下面放一些测试代码，并创建了两个文件夹，video和image分别保存一些视频和图像文件。

回到顶部

二、基础API

2.1 读写图像文件

OpenCV的imread()和imwrite()函数能支持各种静态图像文件格式。不同系统支持的文件格式不一样，但是都支持bmp格式，通常还支持 png，jpeg，tiff格式文件：

bmp格式：每个像素每个通道为8位；
png：每个像素每个通道为8位或者16位。

2.1.1 读入图像

读取图像函数原型：

cv2.imread(filename[,flags])

该函数返回我们读取的图像数据：

第一个参数，这幅图像应该在此程序的工作路径，或者给函数提供完整路径；
第二个参数是标志位，要告诉函数应该如何读取这幅图片，即指定加载图片的颜色类型，默认加载类型是cv2.IMREAD_COLOR：

cv2.IMREAD_COLOR=1：读入一副彩色图像,将图像转化为三通道BGR彩色图像。图像的透明度会被忽略，这是默认参数；
cv2.IMREAD_GRAYSCALE=0：将加载的图像转换为单通道灰度图；
cv2.IMREAD_UNCHANGED = -1: 已经废除，不再使用；
cv2.IMREAD_ANYDEPTH=2: 若载入图像深度为16位或32为就返回其对应深度，否则将图像转换为8位图像；
cv2.IMREAD_ANYCOLOR=4: 保持图像原格式，可以读取任意可能的彩色格式；
cv2.IMREAD_LOAD_GDAL=8: 使用文件格式驱动加载图像，在现阶段用处不多。

在使用flags时可能会同时使用多种flags，如果发生冲突，函数将自动采用较小数字值对应的加载方式。如：cv2.IMREAD_COLOR | cv2.IMREAD_ANYCOLOR，则imread()函数将自动载入cv2.IMREAD_COLOR所对应的3通道彩色图。如果要载入图像原本的彩色格式和深度，则可以使用: cv2.IMREAD_ANYCOLOR | cv2.IMREAD_ANYDEPTH。
也可以利用flags是int类型的变量输入其他值以达到加载特定图像格式的目的，但符合一下标准：

flags > 0:返回一个三通道的彩色图像；
flags = 0: 返回灰度图像；
flags < 0: 返回包含Alpha通道的图像。

图像在默认情况下不是从Alpha通道进来的，如果需要载入Alpha通道的话就取负值。

2.1.2 保存图像

保存图像函数原型：

cv2.imwrite(filename,img[,params])

该函数用于保存图像：

第一个参数，这幅图像应该保存的工作路径，或者给函数提供完整路径；
第二个参数是输入图像；
第三个参数表示为特定保存格式的参数编码，在一般情况下不需要更改；

2.1.3 格式转换

格式转换函数原型：

cv2.cvtColor(src,code[,dst[,dstCn]])

输出为输入图像进行颜色空间变换的图像。我们生活中大多数看到的彩色图片都是BGR类型，但是在进行图像处理时，需要用到灰度图、二值图、HSV、HSI等颜色制式，opencv提供了cv2.cvtColor()函数来实现这些功能：

第一个参数输入图像即要进行颜色空间变换的原图像；
第二个参数转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片；
第三个参数为为输出图像即进行颜色空间变换后存储图像；
第四个参数是目标图像通道数，如果取0，则由src和code决定；

函数的作用是将一个图像从一个颜色空间转换到另一个颜色空间，但是从BGR向其它类型转换时，必须明确指出图像的颜色通道，在opencv中，其默认的颜色制式排列是BGR而非RGB。所以对于24位颜色图像来说，前8-bit是蓝色，中间8-bit是绿色，最后8-bit是红色。常见的B,G,R通道的取值范围为：

. 0-255 ：cv2.CV_8U类型图片；
. 0-65535： cv2.CV_16U类型图片；
. 0-1:：cv2.CV_32F类型图片；

讲到这里有必要介绍一下图像的数据类型，一张图片就是一个简单的numpy数组，数组的数据类型有很多种，相互之间也可以转换，这些数据类型以及取值范围如下表所示：

Data type	Range
uint8	0 to 255
uint16	0 to 65535
uint32	0 to 2³²
float32	-1 to 1 or 0 to 1
int8	-128 to 127
int16	-32768 to 32767
int32	-2³¹ to 2³¹ - 1

一张图片的像素值范围是[0,255]，因此默认类型是uint8。在上面表中需要注意的是float32类型，它的范围是[-1,1]或[0,1]之间。详细内容可以参考：python数字图像处理（4）：图像数据类型及颜色空间转换

对于线性变换来说，这些取值范围是无关紧要的。但是对于非线性转换，输入的BGR图像必须归一化到其对应的取值范围来或得最终正确的转换结果，例如从BGR>L*u*v转换。如果从一个8-bit类型图像不经过任何缩放（scaling）直接转换为32-bit浮点型图像，函数将会以0-255的取值范围来取代0-1的取值范围，所以在使用cvtColor函数之前需要对图像进行缩放如下：

img *= 1.0/255;
cvtColor(img,cv2.COLOR_BGR2Luv);

如果对8-bit图像使用cvtColor()函数进行转换将会由一些信息丢失。函数可以做下面类型的转换，需要说明的是在opencv2.x时颜色空间转换code用的宏定义是CV_前缀开头，而在opencv3.x版本其颜色空间转换code宏定义更改为COLOR_开头，而经验证，2.4.13版本中opencv同事支持这两种形式的写法。故下面表格会将两种code类型同时列出，以供参考：

这里列出的类型并不齐全，但是对于一般的图像处理已经够用。需要特别说明的是BGR–>GRAY的转换是我们常用的转换格式，其转换公式如下：

$$\gamma=0.299*R +0.587*G + 0.114*B$$

介绍一下BGRA格式图片，BGRA是代表Blue(蓝色),Green(绿色)、Red(红色)、和Alpha的色彩空间。虽然它有时候被描述为一个颜色空间，但是它其实是BGR模型附加了额外的信息，可以属于任何一种BGR颜色空间。Alpha参数一般用作不透明度参数，如果一个像素的alpha通道数值为0%，那它就是完全透明的也就是肉眼不可见，而数值为100%则意味着一个完全不透明的像素，传统的数字图像就是alpha值为100%.

2.1.4 示例程序

import cv2
import numpy as np
import os


'''
1.读写图像文件
'''

#通过二维numpy数组创建一个黑色的正方形图像
img = np.zeros((3,3),dtype=np.uint8)

#输出  每一个像素都是8位整数  范围0-255   图片大小为3x3
print(img)      #[[0 0 0]
                # [0 0 0]
                # [0 0 0]]

print(img.shape)    #(3, 3)
                
#利用cvtColor()函数将图像转换为blue-green-red(BGR)格式
img = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

#输出维度为3x3x3 表明图像大小为3x3 有三个通道  每个像素由一个三元数组表示(B,G,R) 
print(img)      # [[[0 0 0]
                #   [0 0 0]
                #   [0 0 0]]
                
                #    [[0 0 0]
                #    [0 0 0]
                #    [0 0 0]]

                #   [[0 0 0]
                #   [0 0 0]
                #   [0 0 0]]]
                
print(img.shape)    #(3, 3, 3)                
                
                
#把png图像转换为jpeg格式
root = '.\image'
file = os.path.join(root,'test.bmp')

#加载OpenCV图像最简单的方式是使用imread函数，该函数会返回一副图片，这幅图片是一个数组(根据imread()输入参数的不同，该图像可能是一个二维数组，也可能是三维数组)
#在默认情况下，即使文件是灰度格式，imread()函数也会返回BGR格式的图像
#BGR和RGB所表示的色彩空间相同，字节顺序相反
img = cv2.imread(file)      #读bmp格式取图片

cv2.imwrite('test.jpg',img)                          #保存成jpg格式
                
#按照指定参数读取图片  加载bmp文件作为灰度图像(丢失颜色信息)
gray_image = cv2.imread(file,cv2.IMREAD_GRAYSCALE)
#保存为灰度的jpg图像
cv2.imwrite('test_gray.jpg',gray_image)

2.2 图像与原始字节之间的转换

一个OpenCV图像一般是numpy.array类型的二维或者三维数组。8位的灰度图像是一个含有字节值得二维数组，维度为 $height * width$，24位的BGR是一个三维数组维度为$height * width * channel$。

2.2.1 图像展示

图像展示函数原型：

cv2.imshow(winname,mat)

该函数用来显示图像，窗口会自动调整为图像大小：

第一个参数是窗口的名字。
第二个参数是要输出的图像。

imshow()在用于指定的窗口显示图像时，如果窗口用cv2.WINDOW_ATTOSIZE创建，那么显示图像原始大小。否则将图像进行缩放以适合窗口。而imshow()函数缩放图像取决与图像深度：

如果载入图像是8位无符号类型(8-bis unsigned)，就显示图像本身。
如果图像是16位无符号类型(16-bist unsigned)或32位无整型(32-bit integer)，则使用像素值除以256.也就是说将像素值范围在[0,255x256]之间的元素映射到(0,255]范围内。
如果载入图像是32位浮点型(32-bit floating-point)，像素值要乘以255.也就是说像素值范围在[0,1]映射到[0,255]。

2.2.2 键盘绑定函数

键盘绑定函数，函数原型：

cv2.waitKey(ms)

需要指出的是它的时间尺度是毫秒级。函数等待特定的几毫秒，看是否有键盘输入。特定的几毫秒之内，如果按下任意键，这个函数会返回按键的ASCII 码值，程序将会继续运行。如果没有键盘输入，返回值为-1，如果我们设置这个函数的参数为0，那它将会无限期的等待键盘输入。它也可以被用来检测特定键是否被按下。

'''
2.图像与原始字节之间的转换
'''

img = cv2.imread(file)      #读bmp格式取图片
print('图像{0}的维度为{1}'.format(file,img.shape))                
#显示的转换为一维的python bytearray格式
byte_array = bytearray(img)                     #图像.\image\test.bmp的维度为(45, 50, 3)
print('转换之后的维度为:',len(byte_array),type(byte_array))       #转换之后的维度为: 6750   <class 'bytearray'>

#bytearray含有恰当顺序的字节，可以通过显示转换和重构 得到numpy.array形式的图像
img = np.asarray(byte_array).reshape(45,50,3)
cv2.imshow('window 1',img)cv2.waitKey(10)               #等候10ms

'''
一个详细的例子 将含有随机字节的bytearray转换为灰度图像和BGR图像
'''

#随机生成120,000个字节的数组
random_byte_array = bytearray(os.urandom(120000))    #生成随机字节
#转换成numpy.array类型
byte_array = np.asarray(random_byte_array,dtype=np.uint8)


#把数组转换成 400 x 300的灰度图像
gray_image = byte_array.reshape(300,400)
cv2.imwrite('test_gray.png',gray_image)


#把数组转换成 400 x 100的BGR图像
bgr_image = byte_array.reshape(100,400,3)
cv2.imwrite('test_bgr.png',bgr_image)

2.3 使用numpy.array访问图像数据

亲爱的读者和支持者们，自动博客加入了打赏功能，陆陆续续收到了各位老铁的打赏。在此，我想由衷地感谢每一位对我们博客的支持和打赏。你们的慷慨与支持，是我们前行的动力与源泉。

日期	姓名	金额
2023-09-06	*源	19
2023-09-11	*朝科	88
2023-09-21	*号	5
2023-09-16	*真	60
2023-10-26	*通	9.9
2023-11-04	*慎	0.66
2023-11-24	*恩	0.01
2023-12-30	I*B	1
2024-01-28	*兴	20
2024-02-01	QYing	20
2024-02-11	*督	6
2024-02-18	一*x	1
2024-02-20	c*l	18.88
2024-01-01	*I	5
2024-04-08	*程	150
2024-04-18	*超	20
2024-04-26	.*V	30
2024-05-08	D*W	5
2024-05-29	*辉	20
2024-05-30	*雄	10
2024-06-08	*:	10
2024-06-23	小狮子	666
2024-06-28	*s	6.66
2024-06-29	*炼	1
2024-06-30	*!	1
2024-07-08	*方	20
2024-07-18	A*1	6.66
2024-07-31	*北	12
2024-08-13	*基	1
2024-08-23	n*s	2
2024-09-02	*源	50
2024-09-04	*J	2
2024-09-06	*强	8.8
2024-09-09	*波	1
2024-09-10	*口	1
2024-09-10	*波	1
2024-09-12	*波	10
2024-09-18	*明	1.68
2024-09-26	B*h	10
2024-09-30	岁	10
2024-10-02	M*i	1
2024-10-14	*朋	10
2024-10-22	*海	10
2024-10-23	*南	10
2024-10-26	*节	6.66
2024-10-27	*o	5
2024-10-28	W*F	6.66
2024-10-29	R*n	6.66
2024-11-02	*球	6
2024-11-021	*鑫	6.66
2024-11-25	*沙	5
2024-11-29	C*n	2.88

创作不易，喜欢的话，请考虑支持一下！关注公众号查看全文！（微信扫码）

posted @ 2018-04-14 20:04 大奥特曼打小怪兽阅读(14845) 评论(1) 编辑收藏举报

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

阅读排行：
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· 记一次.NET内存居高不下排查解决与启示
· 白话解读 Dapr 1.15：你的「微服务管家」又秀新绝活了

大奥特曼打小怪兽

第一节、初识OpenCV3-图像的读、写、显、格式转化等

一、OpenCV3安装

1.1 Open CV3安装

1.2 内容大纲

二、基础API

2.1 读写图像文件

2.1.1 读入图像

2.1.2 保存图像

2.1.3 格式转换

2.1.4 示例程序

2.2 图像与原始字节之间的转换

2.2.1 图像展示

2.2.2 键盘绑定函数

2.3 使用numpy.array访问图像数据

公告

创作不易，喜欢的话，请考虑关注一下公众号

积分与排名

随笔分类 (538)

随笔档案 (376)

阅读排行榜

推荐排行榜

最新评论

欢迎打赏支持我 ^_^

大奥特曼打小怪兽

第一节、初识OpenCV3-图像的读、写、显、格式转化等

一 、OpenCV3安装

1.1 Open CV3安装

1.2 内容大纲

二、基础API

2.1 读写图像文件

2.1.1 读入图像

2.1.2 保存图像

2.1.3 格式转换

2.1.4 示例程序

2.2 图像与原始字节之间的转换

2.2.1 图像展示

2.2.2 键盘绑定函数

2.3 使用numpy.array访问图像数据

公告

创作不易，喜欢的话，请考虑关注一下公众号

积分与排名

随笔分类 (538)

随笔档案 (376)

阅读排行榜

推荐排行榜

最新评论

欢迎打赏支持我 ^_^

一、OpenCV3安装