opencv-python归档 - Page 2 of 2

1、图像读取

cv2.imread(filename, flags=None) ---------------------- imread(filename,flag) 读取图片，返回图片对象 filename: 图片的路径，即使路径错误也不会报错，但打印返回的图片对象为None flag：cv2.IMREAD_COLOR，读取彩色图片，图片透明性会被忽略，为默认参数，也可以传入1 cv2.IMREAD_GRAYSCALE,按灰度模式读取图像，也可以传入0 cv2.IMREAD_UNCHANGED,读取图像，包括其alpha通道，也可以传入-1

import cv2 img = cv2.imread("C:/path/to/image/doge.png") #rows,cols,channels img.shape #返回(280, 450, 3), 宽280(rows)，长450(cols)，3通道(channels) #size img.size #返回378000，所有像素数量，=280*450*3 #type img.dtype #dtype('uint8')

3、像素获取和编辑

#获取和设置 pixel = img[100,100] #[57 63 68],获取(100,100)处的像素值 img[100,100]=[57,63,99] #设置像素值 b = img[100,100,0] #57, 获取(100,100)处，blue通道像素值 g = img[100,100,1] #63 Green通道 r = img[100,100,2] #68 Red通道 r = img[100,100,2]=99 #设置red通道值 #获取和设置 piexl = img.item(100,100,2) img.itemset((100,100,2),99)

4、ROI截取

#ROI,Range of instrest roi = img[100:200,300:400] #截取100行到200行，列为300到400列的整块区域 img[50:150,200:300] = roi #将截取的roi移动到该区域（50到100行，200到300列） b = img[:,:,0] #截取整个蓝色通道 b,g,r = cv2.split(img) #截取三个通道，比较耗时 img = cv2.merge((b,g,r))

5、显示图片

cv.imshow('dst', dst) cv.waitKey(0) cv.destroyAllWindows() ---------------------------- imshow(winname, mat)：显示图片，窗口自适应图片大小 window_name: 指定窗口的名字 mat：显示的图片对象可以指定多个窗口名称，显示多个图片 waitKey(millseconds) 键盘绑定事件，阻塞监听键盘按键，返回一个数字（不同按键对应的数字不同） millseconds: 传入时间毫秒数，在该时间内等待键盘事件；传入0时，会一直等待键盘事件 destroyAllWindows(window_name) window_name: 需要关闭的窗口名字，不传入时关闭所有窗口

1、简介

opencv是一个强大的图像处理和计算机视觉库，实现了很多实用算法,而opencv-python是OpenCV的python接口。直接安装opencv-python包（非官方）：

 pip install opencv-python

2、知识点

图片是由一个一个的像素点组成的，像素是图像的最小单元，我们右键——>属性去查看图片的信息，看到图片的尺寸如下图：即宽度是372个像素，高度也是300个像素，也就是说这张图片是由一个372 * 300的像素点矩阵构成的，这个矩阵是372行，300列，共有372 * 300 = 111600个像素点。

绝大部分图片是 RGB 类型的，即是用RGB(红绿蓝)三原色组成的图片。在图像处理中，用RGB三个分量（R：Red，G：Green，B：Blue），即红、绿、蓝三原色来表示真彩色，R分量，G分量，B分量的取值范围均为0~255，比如电脑屏幕上的一个红色的像素点的三个分量的值分别为：255，0，0

3、图片灰度化

什么叫图片的灰度化呢？其实很简单，就是让像素点矩阵中的每一个像素点都满足下面的关系：R=G=B（就是红色变量的值，绿色变量的值，和蓝色变量的值，这三个值相等），此时的这个值叫做灰度值。

理解一张图片是由一个像素点矩阵构成，就知道我们对图像的处理就是对这个像素点矩阵的操作，想要改变某个像素点的颜色，只要在这个像素点矩阵中找到这个像素点的位置，比如第x行，第y列，所以这个像素点在这个像素点矩阵中的位置就可以表示成（x，y）,因为一个像素点的颜色由红、绿、蓝三个颜色变量表示，所以我们通过给这三个变量赋值，来改变这个像素点的颜色，比如改成红色（255，0，0），可以表示为（x，y，（R=255，G=0，B=0））x行y列的像素值为(255,0,0)。

平均值法：
是转化后R，G，B的值为转化前R,G,B的平均值

灰度化后的R=（处理前的R + 处理前的G +处理前的B）/ 3
灰度化后的G=（处理前的R + 处理前的G +处理前的B）/ 3
灰度化后的B=（处理前的R + 处理前的G +处理前的B）/ 3

加权平均法(处理效果最好)：
按照一定权值，对R，G，B的值加权平均

灰度化后的R = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
灰度化后的G = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
灰度化后的B = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11

最大值发：
使转化后的R，G，B得值等于转化前3个值中最大的一个

灰度化后的R、G、B=处理前的R、G、B中的最大值

4、代码示例

# 先加载一张图片 打印它的一些关键信息
image = cv.imread("C:/path/to/image/doge.png")
print(image.shape) # (372, 300, 3)
print(image.size) # 334800
print(image.dtype) # uint8

def gray_by_max():
    # 最大值法：使转化后的R，G，B得值等于转化前3个值中最大的一个，即： R=G=B=max（R，G，B）这种方法转换的灰度图亮度很高。
    dst = np.zeros((image.shape[0], image.shape[1], 1), np.uint8)
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            dst[i, j] = max(image[i, j][0], image[i, j][1], image[i, j][2])
    print(dst)
    cv.imwrite("C:/path/to/image/doget_max_gray.png", dst)

def gray_by_avg():
    # 平均值法：是转化后R，G，B的值为转化前R,G,B的平均值。即：R=G=B=(R+G+B)/3  这种方法产生的灰度图像比较柔和。
    dst = np.zeros((image.shape[0], image.shape[1], 1), np.uint8)
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            dst[i, j] = (image[i, j][0] + image[i, j][1] + image[i, j][2]) / 3
    print(dst)
    cv.imwrite("C:/path/to/image/doget_avg_gray.png", dst)

def gray_with_weight():
    # 加权平均值法：按照一定权值，对R，G，B的值加权平均，即：R=G=B=(W(r) * R+ W(g) * G+ W(b) * B),
    # 其中W(x)分别为R，G，B的权值，取不同的值形成不同的灰度图像。由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此一般情况下，
    # W(r)=0.299, W(g)=0.587, W(b)=0.114得到的灰度图像效果最好。
    dst = np.zeros((image.shape[0], image.shape[1], 3), np.uint8)
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            dst[i, j] = (0.3 * image[i, j][0] + 0.11 * image[i, j][1] + 0.59 * image[i, j][2])
    print(dst)
    cv.imwrite("C:/path/to/image/doget_weight_gray.png", dst)

标签： opencv-python

opencv python 基础入门(1)

1、图像读取

2、图片性质