Opencv-python 常用操作函数速查笔记
原文即图片数据：https://github.com/JiageWang/Note/tree/master/opencv
一、阈值操作
1. 阈值处理 cv2.threshold(）
ret, dst = cv2.threshold(src, thresh, maxval, method)
函数参数
-
src：原图像 -
thresh：阈值 -
maxval：阈值分割后得到图像的最大值 -
method：操作方法，主要有以下六种，可使用|操作符叠加使用-
cv2.THRESH_BINARY：二进制阈值化，大于thresh元素处理为maxval，其余为0[外链图片转存失败(img-gTHTlvdE-1565772011808)(C:\Users\Administrator\OneDrive\笔记\opencv\Threshold_Tutorial_Theory_Binary.png)]
-
cv2.THRESH_BINARY_INV：反二进制阈值化，小于thresh元素处理为maxval，其余为0[外链图片转存失败(img-Qd9W2Xzv-1565772011810)(C:\Users\Administrator\OneDrive\笔记\opencv\Threshold_Tutorial_Theory_Binary_Inverted.png)]
-
cv2.THRESH_TOZERO：阈值化为0，小于thresh元素处理为0，其余不变[外链图片转存失败(img-c6XUamQO-1565772011810)(C:\Users\Administrator\OneDrive\笔记\opencv\Threshold_Tutorial_Theory_Zero.png)]
-
cv2.THRESH_TOZERO_INV：反阈值化为0，大于thresh元素处理为0，其余不变[外链图片转存失败(img-rvkeuIMV-1565772011811)(C:\Users\Administrator\OneDrive\笔记\opencv\Threshold_Tutorial_Theory_Zero_Inverted.png)]
-
cv2.THRESH_TRUNC：截断阈值化，大于thresh部分处理为thresh，其余不变[外链图片转存失败(img-jm5QEuh2-1565772011811)(C:\Users\Administrator\OneDrive\笔记\opencv\Threshold_Tutorial_Theory_Truncate.png)]
-
cv2.THRESH_OTSU：大津算法，自适应阈值，将thresh设置为0
-
返回值
ret：返回阈值dst：处理结果
实例效果
二进制阈值化
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
ret, dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
[外链图片转存失败(img-LVA4XXOf-1565772011812)(C:\Users\Administrator\OneDrive\笔记\opencv\binary.jpg)]
反二进制阈值化
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
ret, dst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
[外链图片转存失败(img-a020TbiC-1565772011812)(C:\Users\Administrator\OneDrive\笔记\opencv\binary_inv.jpg)]
阈值化为0
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
ret, dst = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
[外链图片转存失败(img-N7UM2hhs-1565772011812)(C:\Users\Administrator\OneDrive\笔记\opencv\tozero.jpg)]
反阈值化为0
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
ret, dst = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
[外链图片转存失败(img-vr9xaAIF-1565772011813)(C:\Users\Administrator\OneDrive\笔记\opencv\tozero_inv.jpg)]
截断阈值化
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
ret, dst = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
[外链图片转存失败(img-tAtE5Tzy-1565772011813)(C:\Users\Administrator\OneDrive\笔记\opencv\trunc.jpg)]
自适应阈值化
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
ret, dst = cv2.threshold(img, 127, 255, cv2.THRESH_OSTU)
[外链图片转存失败(img-DGgaFXYT-1565772011813)(C:\Users\Administrator\OneDrive\笔记\opencv\ostu.jpg)]
二、平滑处理
1. 均值滤波 cv2.blur()
dst = cv2.blur(src, ksize)
函数参数
src：源图像ksize：卷积核大小，例如（N，N）
返回值
dst：处理结果
实例效果
img = cv2.imread('lena.jpg')
dst1 = cv2.blur(img, (3,3)) # kernal 为3x3
dst2 = cv2.blur(img, (7,7)) # kernal 为7x7
result = np.hstack((img, dst1, dst2))
[外链图片转存失败(img-eqBsCswi-1565772011814)(C:\Users\Administrator\OneDrive\笔记\opencv\blur.jpg)]
2. 方框滤波 cv2.boxFilter()
dst = cv2.boxFilter(src, ddepth, ksize, normalize=None)
函数参数
src：源图像ddepth：图像深度，一般取-1表示与源图像深度一致ksize：卷积核大小，例如（N，N）normalize：是否归一化，若为True，与均值滤波一致，若为False，大于255的值将被置为255
返回值
dst：处理结果
实例效果
img = cv2.imread('lena.jpg')
dst1 = cv2.boxFilter(img, -1, (3,3), normalize=True) # 进行归一化，与均值滤波相同
dst2 = cv2.boxFilter(img, -1, (3,3), normalize=False) # 不进行归一化
result = np.hstack((img, dst1, dst2))
[外链图片转存失败(img-q12kE0mA-1565772011814)(C:\Users\Administrator\OneDrive\笔记\opencv\boxFilter.jpg)]
3. 高斯滤波 cv2.GaussianBlur()
dst = cv2.GaussianBlur(src, ksize, sigmaX)
函数参数
src：源图像ksize：卷积核大小，例如（N，N）sigmaX：X方向方差，控制卷积核权重
返回值
dst：处理结果
实例效果
img = cv2.imread('lena.jpg')
dst1 = cv2.GaussianBlur(img, (3,3), 0) # kernal 为3x3
dst2 = cv2.GaussianBlur(img, (7,7), 0) # kernal 为7x7
result = np.hstack((img, dst1, dst2))
[外链图片转存失败(img-wkpT9ck5-1565772011814)(C:\Users\Administrator\OneDrive\笔记\opencv\gaussianBlur.jpg)]
4. 中值滤波 cv2.medianBlur()
dst = cv2.medianBlur(src, ksize)
函数参数
src：源图像ksize：卷积核大小，奇数整数值，例如3，5，7
返回值
dst：处理结果
实例效果
img = cv2.imread('lena.jpg')
dst1 = cv2.medianBlur(img, 3) # 核大小为3
dst2 = cv2.medianBlur(img, 7) # 核大小为7
result = np.hstack((img, dst1, dst2))
[外链图片转存失败(img-WkUNTGkf-1565772011815)(C:\Users\Administrator\OneDrive\笔记\opencv\medianblur.jpg)]
三、形态学操作
1. 腐蚀 cv2.erode(）
dst = cv2.erode(src, kernel, iterations=None)
函数参数
src：源图像kernal：卷积核，常用cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))或np.ones((5,5))来获取iterations：进行腐蚀操作次数
返回值
dst：处理结果
实例效果
img = cv2.imread('lena.jpg')
kernal = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))
dst = cv2.erode(img, kernal)
result = np.hstack((img, dst))
[外链图片转存失败(img-Z81ukSQO-1565772011815)(C:\Users\Administrator\OneDrive\笔记\opencv\erode.jpg)]
2. 膨胀 cv2.dilate(）
dst = cv2.dilate(src, kernel, iterations=None)
函数参数
src：源图像kernal：卷积核，常用cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))或np.ones((5,5))来获取iterations：进行腐蚀操作次数
返回值
dst：处理结果
实例效果
kernal = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))
dst = cv2.dilate(img, kernal)
result = np.hstack((img, dst))
[外链图片转存失败(img-W4ut2hOO-1565772011815)(C:\Users\Administrator\OneDrive\笔记\opencv\dilate.jpg)]
3. 组合 cv2.morphologyEx()
dst = morphologyEx(src, op, kernel)
函数参数
src：源图像op：操作类别，常用：cv2.MORPH_CLOSE：闭操作，先膨胀后腐蚀cv2.MORPH_OPEN：开操作，先腐蚀后膨胀cv2.MORPH_TOPHAT：顶貌操作，原图与开运算结果图之差cv2.MORPH_BLACKHAT：黑帽操作，闭运算的结果与原图之差cv2.MORPH_GRADIENT：形态梯度，膨胀与腐蚀之差
iterations：进行腐蚀操作次数
返回值
dst：处理结果
实例效果
闭操作
先膨胀后腐蚀，目的是为了填充小的黑色区域
kernal = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dst1 = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernal)
[外链图片转存失败(img-6WNTbnRj-1565772011815)(C:\Users\Administrator\OneDrive\笔记\opencv\close.jpg)]
开操作
先腐蚀后膨胀，目的是为了去除小的白色区域，去噪声去毛刺
kernal = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dst1 = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernal)
[外链图片转存失败(img-IjZuJzB3-1565772011816)(C:\Users\Administrator\OneDrive\笔记\opencv\open.jpg)]
顶貌操作
原图与开运算结果图之差，用来分离比邻近点亮一些的斑块，得到噪声，得到亮的部分
kernal = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
dst1 = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernal)
dst2 = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernal)
[外链图片转存失败(img-82bHa9Qi-1565772011816)(C:\Users\Administrator\OneDrive\笔记\opencv\tophat.jpg)]
黑帽操作
闭运算的结果与原图之差，用来分离比邻近点暗一些的斑，获取图像内部的小点，获暗的部分
kernal = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 9))
dst1 = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernal)
dst1 = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernal)
[外链图片转存失败(img-mQMNkeeF-1565772011816)(C:\Users\Administrator\OneDrive\笔记\opencv\blackhat.jpg)]
形态梯度
膨胀与腐蚀之差，获取边缘特征
kernal = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
dst1 = cv2.morphologyEx(src, cv2.cv2.MORPH_GRADIENT, kernal)
[外链图片转存失败(img-evfzPFqo-1565772011817)(C:\Users\Administrator\OneDrive\笔记\opencv\gradient.jpg)]
四、梯度操作
1. Sobel算子 cv2.Sobel()
dst=cv2.Sobel(src, ddepth, dx, dy, ksize=None)
函数参数
src：源图像ddepth：图像深度，一般取-1表示与源图像深度一致。计算梯度值可能会出现负数，会自动截断为0，发生信息丢失。通常计算时，使用更高的数据类型cv2.CV_64F，再通过cv2.convertScaleAbs(src)取绝对值并转换为cv2.CV_8U类型。dx：计算x方向梯度，传入1或0dy：计算y方向梯度，传入1或0ksize：卷积核大小，整数，例如3、5、7
返回值
dst：处理结果
实例效果
x方向梯度
sobelx1 = cv2.Sobel(src, -1, 1, 0, ksize=3) # 只计算黑到白的梯度
sobelx2 = cv2.Sobel(src, cv2.CV_64F, 1, 0, ksize=3) # 使用更高的数据类型`cv2.CV_64F
sobelx2 = cv2.convertScaleAbs(sobelx2) #求绝对值获取双边梯度
[外链图片转存失败(img-PdDTUnvT-1565772011817)(C:\Users\Administrator\OneDrive\笔记\opencv\sobel_x.jpg)]
y方向梯度
sobely1 = cv2.Sobel(src, -1, 0, 1, ksize=3) # 只计算黑到白的梯度
sobely2 = cv2.Sobel(src, cv2.CV_64F, 0, 1, ksize=3) # 使用更高的数据类型`cv2.CV_64F
sobely2 = cv2.convertScaleAbs(sobely2) #求绝对值获取双边梯度
[外链图片转存失败(img-pyroZ7u9-1565772011817)(C:\Users\Administrator\OneDrive\笔记\opencv\sobel_y.jpg)]
总梯度
- 方法一：分别计算x与y梯度然后相加
sobelx = cv2.Sobel(src, cv2.CV_64F, 1, 0, ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.Sobel(src, cv2.CV_64F, 0, 1, ksize=3)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
[外链图片转存失败(img-QH4SyLpQ-1565772011818)(C:\Users\Administrator\OneDrive\笔记\opencv\sobel_xy.jpg)]
- 方法二：直接计算总梯度
sobelxy = cv2.Sobel(src, cv2.CV_64F, 1, 1, ksize=3)
sobelxy = cv2.convertScaleAbs(sobelxy)
[外链图片转存失败(img-YUZrJ8PG-1565772011818)(C:\Users\Administrator\OneDrive\笔记\opencv\sobel_xy2.jpg)]
2. Scharr算子 cv2.Scharr()
dst=cv2.Scharr(src, ddepth, dx, dy)
函数参数
src：源图像ddepth：图像深度，一般取-1表示与源图像深度一致。计算梯度值可能会出现负数，会自动截断为0，发生信息丢失。通常计算时，使用更高的数据类型cv2.CV_64F，再通过cv2.convertScaleAbs(src)取绝对值并转换为cv2.CV_8U类型。dx：计算x方向梯度，传入1或0dy：计算y方向梯度，传入1或0
返回值
dst：处理结果
实例效果
x方向梯度
scharrx1 = cv2.Scharr(src, -1, 1, 0) # 只计算黑到白的梯度
scharrx2 = cv2.Scharr(src, cv2.CV_64F, 1, 0) # 使用更高的数据类型`cv2.CV_64F
scharrx2 = cv2.convertScaleAbs(scharrx2) #求绝对值获取双边梯度
[外链图片转存失败(img-DJYFSfKN-1565772011818)(C:\Users\Administrator\OneDrive\笔记\opencv\scharr_x.jpg)]
y方向梯度
scharry1 = cv2.Scharr(src, -1, 0, 1) # 只计算黑到白的梯度
scharry2 = cv2.Scharr(src, cv2.CV_64F, 0, 1) # 使用更高的数据类型`cv2.CV_64F
scharry2 = cv2.convertScaleAbs(scharry2) #求绝对值获取双边梯度
[外链图片转存失败(img-yGSpfCuC-1565772011818)(C:\Users\Administrator\OneDrive\笔记\opencv\scharr_y.jpg)]
总梯度
scharrx = cv2.Scharr(src, cv2.CV_64F, 1, 0)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.Scharr(src, cv2.CV_64F, 0, 1)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)
[外链图片转存失败(img-xGfEnEE5-1565772011818)(C:\Users\Administrator\OneDrive\笔记\opencv\scharr_xy.jpg)]
3. Laplacian算子 cv2. Laplacian()
dst=cv2.Laplacian(src, ddepth)
函数参数
src：源图像ddepth：图像深度，一般取-1表示与源图像深度一致。计算梯度值可能会出现负数，会自动截断为0，发生信息丢失。通常计算时，使用更高的数据类型cv2.CV_64F，再通过cv2.convertScaleAbs(src)取绝对值并转换为cv2.CV_8U类型。
返回值
dst：处理结果
实例效果
laplacian = cv2.Laplacian(src, cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)
[外链图片转存失败(img-yKUTjXdV-1565772011819)(C:\Users\Administrator\OneDrive\笔记\opencv\laplacian_xy.jpg)]
4. 各算子对比
从左到右依次为：原图像、Sobel算子、Scharr算子、Laplacian算子
[外链图片转存失败(img-lDipjCOY-1565772011819)(C:\Users\Administrator\OneDrive\笔记\opencv\compare.jpg)]
五、边缘检测
1. Canny边缘检测 cv2.Canny()
原理：高斯滤波去噪+梯度大小与方向+非极大值抑制+滞后阈值
dst = Canny(src, threshold1, threshold2)
函数参数
-
src：源图像 -
threshold1：滞后阈值的低阈值 -
threshold2：滞后阈值的高阈值[外链图片转存失败(img-W4CSYR7e-1565772011819)(C:\Users\Administrator\OneDrive\笔记\opencv\滞后阈值.png)]
返回值
dst：处理结果
实例效果
thred1 = [50, 100, 150]
thred2 = [50, 100, 150]
for t1 in thred1:
for t2 in thred2:
dst = cv2.Canny(src, t1, t2)
[外链图片转存失败(img-8oUApdFH-1565772011819)(C:\Users\Administrator\OneDrive\笔记\opencv\canny_lena.jpg)]