シリウスの砂

基本操作

✏️ 🔧 📄 3 min read

基本操作

图像

数据读取：

import cv2 # opencv 的读取顺序是BGR
import numpy as np
 
img = cv2.imread("cat.jpg") # 结果为numpy的ndarray

图像展示：

cv2.imshow("image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

靠 numpy 的栈结构展示所有图片

图像保存：

cv2.imwrite("my_cat.png", img)

图像属性：

img.shape # (H, W, C) C 为通道数
img.size  # 像素点个数(H * W)

大小调整

img1 = cv2.resize(img, (W, H))
img2 = cv2.resize(img, (0, 0), fx= , fy= ) # 宽高缩放倍数

cv.imread() 参数：

  • cv2.IMREAD_COLOR
  • cv2.IMREAD_GRAYSCALE (灰度图)

视频

打开视频

vc = cv2.VideoCapture("test.mp4") # 可以捕获摄像头，也可以输入路径读取视频
if vc.isOpened():
    open, frame = vc.read() # 按帧读取，返回成功与否、本帧图像
else:
    open = False
while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret == True:
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 每一帧转化为灰度图
        cv2.imshow("result", gray)
        if cv2.waitKey(100) & 0xFF == 27: # 按 esc 退出
            break
vc.release()
cv2.destoryAllWindows()

ROI 区域（截取部分图像数据）

img = cv2.imread("mycat.png")
cat = img[0:200, 0:200]
cv2.imshow("cat", cat)

读入数据本身是个 ndarray，可以和数组一样操纵、切片

颜色通道提取与合并

b, g, r = cv2.split(img)
# or
b, g, r = img[:, :, 0], img[:, :, 1], img[:, :, 2]
 
img = cv2.merge(b, g, r)

cur_img = img.copy()
cur_img[:, :, 1] = 0
cur_img[:, :, 2] = 0
# 仅保留 B ，蓝色图

边界填充

top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_CONSTANT, value=0)

仅最后的 type 不同，区别如下：

数值计算

img_cat = cv2.imread("cat.jpg")
img_dog = cv2.imread("dog.jpg")
 
img_cat = img_cat + 10 # 在每个像素点上都 + 10
 
img1 = img_cat + img_dog # 必须尺寸一样，使得对应像素相加，自动模256 
 
img2 = cv2.add(img_cat, img_dog) # 如果相加大于255，取255

图像融合

res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0) # 加权，末了为偏置项

关系图谱