图像基本操作
- 一、图片 读、写、显示、属性查看
- 二、图像增强（缩放、平移、旋转、翻转）
- 三、仿射变换（图像位置校正）
- 四、颜色变换（色调，明暗，直方图和Gamma曲线）
- 五、通道的拆分/合并处理/添加边距
- 六、读取图像添加文字（可用于图像添加水印）
- 七、 二值化
- 八、 反相
- 黑白反相（二值化图）
- 彩色反相（原始图）
一、图片 读、写、显示、属性查看
import numpy as np
import cv2
-----------------------------直接读取--------------------------------
img = cv2.imread('cat.jpg',0) #读取图像（直接读取）
cv2.imshow('image',img) #显示图像
k = cv2.waitKey(0)
if k == 27: # 按 Esc 退出（关闭显示窗口）
cv2.destroyAllWindows()
elif k == ord('s'): # 按 's' 保存并退出 （关闭显示窗口）
cv2.imwrite('cat01.png',img)
cv2.destroyAllWindows()
-----------------------------以灰度图的形式读取------------------------
"""
读取图片选取额外参数：
cv2.IMREAD_COLOR (BGR，忽略alpha通道),
cv2.IMREAD_GRAYSCALE (grayscale：读入灰度图片),
cv2.IMREAD_UNCHANGED (完整图片，包括alpha通道)
写入（保存）图片选取参数：
cv2.imwrite(file，img，num)
file：文件名
img： 图像
num： 可选参数（针对特定的格式）：
对于JPEG，表示图像的质量，用0-100的整数表示，默认95，越高画质越好，文件越大
对于png， 表示压缩级别。范围0到9，默认3，越高文件越小，画质越差
"""
grayImage = cv2.imread('cat.png', cv2.IMREAD_GRAYSCALE )
cv2.imwrite('cat02.png', grayImage)
cv2.imwrite('cat03.jpeg', grayImage , (cv2.IMWRITE_JPEG_QUALITY, 80))
cv2.imwrite('cat04.png', grayImage , (cv2.IMWRITE_PNG_COMPRESSION, 5))
-----------------------------图片的属性--------------------------------
print ("图片形状：",img.shape)（长、宽、通道数）
print ("图片大小：",img.size)
print ("图片类型：",img.dtype)
"""
输出：
图片形状： (366, 445, 3)
图片大小： 488610
图片类型： uint8
"""
二、图像增强（缩放、平移、旋转、翻转）
import cv2
import numpy as np
-----------------------------图像缩放--------------------------------
"""
cv2.resize(src,dsize,dst=None,fx=None,fy=None,interpolation=None)
scr: 原图
dsize：输出图像尺寸
fx: 沿水平轴的比例因子(大于1放大图像；小于1缩小图像)
fy: 沿垂直轴的比例因子（同上）
interpolation：插值方法（见附录）
"""
# 方法1：直接设定缩放因子
img = cv2.imread('005.jpg')
res = cv2.resize(img,None,fx=2, fy=2, interpolation = cv2.INTER_CUBIC)
print(img.shape) #输出为（366，445，3）【宽:x轴，高:y轴，通道数】
print(img.shape[:2]) #输出为（366，445）
cv2.imshow('', res1)
cv2.waitKey(0)
cv2.destroyAllWindows()
#方法2：获取原图像的水平方向尺寸和垂直方向尺寸。再缩放
height, width = img.shape[:2]
res = cv2.resize(img,(2*width, 2*height), interpolation = cv2.INTER_CUBIC)
-----------------------------图像平移--------------------------------
img = cv2.imread('005.jpg',0)
rows,cols = img.shape
M = np.float32([[1,0,100],[0,1,50]])
dst = cv2.warpAffine(img,M,(cols,rows))
cv2.imshow('img',dst) #展示图片并退出
cv2.waitKey(0)
cv2.destroyAllWindows()
-----------------------------图像旋转--------------------------------
"""
cv2.getRotationMatrix2D()
详细参数：
得到变换的矩阵，通过这个矩阵再利用warpAffine来进行变换
第一个参数就是旋转中心，元组的形式，这里设置成相片中心
第二个参数90，是旋转的角度
第三个参数1，表示放缩的系数，1表示保持原图大小
"""
img = cv2.imread('./cat.png')
rows, cols,_ = img.shape
Matrix = cv2.getRotationMatrix2D((cols / 2, rows / 2), 90, 1)
img1 = cv2.warpAffine(img, Matrix, (cols, rows))
cv2.imshow('img', img)
cv2.imshow('img1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
-----------------------------图像(X,Y轴翻转)--------------------------------
"""
cv2.flip(img,flipcode) 翻转图像，flipcode控制翻转效果。
flipcode = 0：沿x轴翻转
flipcode > 0：沿y轴翻转
flipcode < 0：x,y轴同时翻转
"""
img = cv2.imread('005.jpg',0)
imgflip_1 = cv2.flip(img,1)
imgflip_0 = cv2.flip(img,0)
imgflip_2 = cv2.flip(img,-1)
cv2.imshow('img',imgflip_1)
cv2.imshow('img',imgflip_0)
cv2.imshow('img',imgflip_2)
cv2.waitKey(0)
cv2.destroyAllWindows()
三、仿射变换（图像位置校正）
import cv2
import numpy as np
img = cv2.imread('./cat.jpg')
rows,cols,_ = img.shape
---------------------------三点得到一个变换矩阵 ---------------------------
"""
三点确定一个平面，通过确定三个点的关系来得到转换矩阵
然后再通过warpAffine来进行变换
"""
points1 = np.float32([[50,50],[200,50],[50,200]])
points2 = np.float32([[10,100],[200,50],[100,250]])
matrix = cv2.getAffineTransform(points1,points2)
output = cv2.warpAffine(img,matrix,(cols,rows))
cv2.imshow('input1',img)
cv2.imshow('output1',output)
cv2.waitKey(0)
cv2.destroyAllWindows()
---------------------------四点得到一个变换矩阵---------------------------
"""
进行透视变换
可以先用四个点来确定一个3*3的变换矩阵（cv2.getPerspectiveTransform）
然后通过cv2.warpPerspective和上述矩阵对图像进行变换
"""
points1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
points2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
matrix = cv2.getPerspectiveTransform(points1,points2)
# 将四个点组成的平面转换成另四个点组成的一个平面
output = cv2.warpPerspective(img, matrix, (cols, rows))
# 通过warpPerspective函数来进行变换
cv2.imshow('input2',img)
cv2.imshow('output2',output)
cv2.waitKey(0)
cv2.destroyAllWindows()
四、颜色变换（色调，明暗，直方图和Gamma曲线）
import cv2
import numpy as np
import matplotlib.pyplot as plt
original_img = cv2.imread('./xingkong2.png')
img = cv2.resize(original_img,None,fx=0.8,fy=0.8,
interpolation=cv2.INTER_AREA) # 图像缩小
Make_border_img = cv2.copyMakeBorder(img, 30, 30, 0, 0,
cv2.BORDER_CONSTANT,
value=(0, 0, 0)) # 绘制边框(原图上下贴30像素黑边)
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) # 转成 HSV 格式
colorless_hsv = img_hsv.copy()
colorless_hsv[:,:,1] = 0.5 * colorless_hsv[:,:,1] # 减小饱和度会让图像损失鲜艳，变得更灰
colorless_img = cv2.cvtColor(colorless_hsv,cv2.COLOR_HSV2BGR)
darker_hsv = img_hsv.copy()
darker_hsv[:,:,2] = 0.5 * darker_hsv[:,:,2] # 减小明度为原来一半
darker_img = cv2.cvtColor(darker_hsv,cv2.COLOR_HSV2BGR)
def gamma_trans(img,gamma):
gamma_table = [np.power(x/255.0,gamma)*255.0 for x in range(256)]
gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
return cv2.LUT(img,gamma_table) # 实现这个映射用的是OpenCV的查表函数
img_corrected = gamma_trans(img,0.5) # 执行Gamma矫正
cv2.imshow("original_img",img) # 原图
cv2.imshow("Make_border_img",Make_border_img) # 添加黑边
cv2.imshow('colorless_jpg',colorless_img) # 图像变灰
cv2.imshow('darker_jpg',darker_img) # 图像变暗
cv2.imshow('gamma_corrected_jpg',img_corrected) # gamma校正
cv2.waitKey(0)
cv2.destroyAllWindows()
hist_b = cv2.calcHist([img],[0],None,[256],[0,256]) # 分通道计算每个通道的直方图
hist_g = cv2.calcHist([img],[1],None,[256],[0,256])
hist_r = cv2.calcHist([img],[2],None,[256],[0,256])
plt.plot(hist_b, label='B', color='blue') # 显示3个通道的颜色直方图
plt.plot(hist_g, label='G', color='green')
plt.plot(hist_r, label='R', color='red')
plt.legend(loc='best')
plt.xlim([0, 256])
plt.show()
"""
cv2.cvtColor(input_image, flag)函数实现图片颜色空间的转换：
flag 参数决定变换类型。如 BGR->Gray
flag 就可以设置为 cv2.COLOR_BGR2GRAY
cv2.COLOR_BGR2HSV 。
"""
import cv2
import numpy as np
cap = cv2.VideoCapture(0)
while(1):
_, frame = cap.read() # 读取视频的每一帧
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 将图片颜色空间从 BGR -> HSV 空间
lower_blue = np.array([110,50,50]) # 定义在HSV空间中蓝色的范围
upper_blue = np.array([130,255,255])
mask = cv2.inRange(hsv, lower_blue, upper_blue) # 根据以上定义的蓝色的阈值得到蓝色的部分
res = cv2.bitwise_and(frame,frame, mask= mask)
cv2.imshow('frame',frame)
cv2.imshow('mask',mask)
cv2.imshow('res',res)
k = cv2.waitKey(5) & 0xFF
if k == 27:
break
cv2.destroyAllWindows()
五、通道的拆分/合并处理/添加边距
import cv2
img = cv2.imread('img/image.png')
b,g,r = cv2.split(img)
img = cv2.merge((b,g,r))
-----------------------------添加边距--------------------------------
"""cv2.copyMakeBorder函数"""
import cv2
import numpy as np
BLUE = [255,0,0]
img1 = cv2.imread('opencv_logo.png')
replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)
六、读取图像添加文字（可用于图像添加水印）
import cv2
img=cv2.imread('1.png',cv2.IMREAD_COLOR) # 打开文件
font = cv2.FONT_HERSHEY_DUPLEX # 设置字体
img_word = cv2.putText(img, "mao", (5, 150), font, 2.5, (0, 0, 0), 2,)
"""
cv2.putText()
传入参数：图片对象、文本、像素、字体、字体大小、颜色、字体粗细
其中：像素为文字位置
"""
cv2.imshow('Original_img',img_word )
cv2.imshow('Add_text_img',img_word )
cv2.imwrite('5.png',img_word ) # 保存
cv2.destroyAllWindows() # 关闭所有窗口
cv2.destroyWindow(wname) # 关闭指定窗口
附录：
interpolation 所用的插值方法
INTER_NEAREST 最近邻插值
INTER_LINEAR 双线性插值（默认设置）
INTER_AREA 使用像素区域关系进行重采样。
它可能是图像抽取的首选方法，因为它会产生无云纹理的结果。
但是当图像缩放时，它类似于INTER_NEAREST方法。
INTER_CUBIC 4x4像素邻域的双三次插值
INTER_LANCZOS4 8x8像素邻域的Lanczos插值
七、 二值化
"""
_, RedThresh = cv2.threshold(img, ：输入灰度图
设定阈值,
255,
cv2.THRESH_BINARY(二值化方式)
)
"""
_, RedThresh = cv2.threshold(image, 140, 255, cv2.THRESH_BINARY)
八、 反相
黑白反相（二值化图）
def inverse_color(image):
height,width = image.shape
img2 = image.copy()
for i in range(height):
for j in range(width):
img2[i,j] = (255-image[i,j])
return
彩色反相（原始图）
def inverse_color(image):
height,width,_ = image.shape
img2 = image.copy()
for i in range(height):
for j in range(width):
img2[i,j] = (255-image[i,j][0],255-image[i,j][1],255-image[i,j][2])
return
