OpenCV基础代码大全——原理与代码伴行详解

OpenCV学习笔记：

第一节课：

• RGB颜色通道：所有彩图都是三颜色图
• 0~255，亮度从黑色到白色
• R：红， G：绿， B：蓝
• 而对于一个灰度图，不需要RGB颜色通道

import cv2
import numpy as np
# numpy是一个数学运算库，可以自行搜索学习，一般与opencv搭配使用，有时还会用到matplotlib

• 读取图像：

img = cv2:imread('路径', 参数)
# 两个参数：cv2.IMREAD_COLOR（彩图），cv2.IMREAD_GRAYSCALE（灰度图）

• OpenCV默认读取格式为BGR
• 显示图像：

cv2.imshow('名称（随便取）', img)
cv2.waitKey(参数)
# 参数为0时表示显示图像后，等待用户按下任意按键结束，参数为1到∞表示等待多少毫秒
cv2.destoryALLWindows()
# 搭配使用，关闭所有窗口

• 获取图像的h，w，c值：

img.shape[参数]
# [0]表示h，[1]表示w，[2]表示通道数c

• 保存：

cv2.imwrite('路径＋名称：如./picture/img.jpg:',img)

• 打开视频：

vc = cv2.VideoCapture(参数)
# 参数为0时打开电脑自带摄像头，为视频路径时打开视频

第二节课：

• 视频转换为灰度视频：

vc = cv2.VideoCapture(参数)
if vc.isOpend():
    ret, frame = vc.read()
    # ret判断视频是否打开成功，frame表示读到的一帧图片
else:
    ret = False

while ret:
    ret, frame = vc.read()
    # ret判断视频是否打开成功
    if frame is None:
        break
    # 视频读完，退出
    if ret = True:
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 灰度转换，参数cv2.COLOR_BGR2GRAY表示将bgr转换为灰度
        cv2.imshow('result', gray)
        if cv2.waitKey(10) & OxFF == 27:
            break

vc.release()
cv2.destoryALLWindows()

第三节课：

• 截取部分图像：

img = cv2.imread()
cut = img[a:b, c:d]
# 从坐标横坐标a:b，纵坐标c:d截取图像
cv2.imshow('cut', cut)

• 颜色通道提取与合并：

b,g,r = cv2.split(img)
img = cv2.merge(b,g,r)

• 分别取BGR：

cur_img = img.copy()
cur_img[:,:,0] = 0 #B = 0
cur_img[:,:,1] = 0 #G = 0
cv2.imshow('R', cur_img)

第四节课：

• 边界填充：

(top_size, bottom_size, left_size, right_size) = (a,b,c,d)
replace = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.方式)
# 方式：复制法，反射法，反射对称，外包装法，常量法

• 数值计算：

img = img + n 
# 在每个像素点上加n,但shape值不变
img1 + img2 
# 两张图片对应相加，超过255值就取余
cv2.add(img1, img2)
# 超过255就取255

• 改变shape值：

img = cv2.resize(img, (x, y))
img = cv2.resize(img, (0,0), fx = a, fy = b)
# 改变倍数

第五节课：

• 图像阈值：

ret, dst = cv2.threshoid(src, thresh, maxval, type)
# src:输入图，只能输入单通道图像，通常为灰度图
# dst:输出图
# thresh:阈值
# maxval:当像素值超过了阈值（或者小于阈值，依type定），所赋予的值
# type:二值化操作类型，五种
# 例:ret, dst = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)

第六，七节课：

• 图像平滑：

# 均值滤波
blur = cv2.blur(img, (x, x))
# 方框滤波
box = cv2.boxFilter(img, -1, (x,x), normalize = Ture) #或者(normalize去掉)
# 高斯滤波
gaussian = cv2.GaussianBlur(img, (x,x), 1)
# 中值滤波
median = cv2.medianBlur(img, x)
# 展示所有
res = np.hstack(vstaack)(blur,gaussian,median)
cv2.imshow('all', res)
cv2.waitKey(0)
cv2.destoryALLWindow()

第八节课：

• 形态学腐蚀操作：

kernel = np.ones((x,x), np.uint8)
# 设置腐蚀算子，x一般取3，5，7，9等奇数
erosion = cv2.erode(img, kernel, iterations = y)
# y为腐蚀次数
cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destoryALLWindow()

第九节课：

• 形态学膨胀操作：

kernel = np,ones((x,x), np.unit8)
# 设置膨胀算子
dilate = cv2.dilate(img, kernel, iterations = y)
# y为膨胀次数
cv2.imshow('dilate', dilate)
cv2.waitKey(0)
cv2.destoryALLWindow()

第十节课：

• 开运算与闭运算：
• 开运算：

# 先腐蚀，再膨胀
kernel = np,ones((x,x), np.unit8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
# 参数MORPH_OPEN决定开运算

• 闭运算：

# 先膨胀，再腐蚀
kernel = np,ones((x,x), np.unit8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
# 参数MORPH_CLOSE决定闭运算

第十一节课：

• 梯度运算：

# 膨胀-腐蚀
kernel = np,ones((x,x), np.unit8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
# 参数MORPH_GRADIENT决定梯度运算
cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destoryALLWindow()

第十二节课：

• 礼帽（末节）：

# 原始输入减去开运算结果，相当于只保留了图像的细枝末节
kernel = np,ones((x,x), np.unit8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
# 参数MORPH_TOPHAT决定礼帽运算
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destoryALLWindow()

• 黑帽（轮廓）：

# 闭运算结果减去原始输入，相当于保留了图像的轮廓信息
kernel = np,ones((x,x), np.unit8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
# 参数MORPH_TOPHAT决定了黑帽运算
cv2.imshow('', blackhat)
cv2.waitKey(0)
cv2.destoryALLWindow()