Opencv常用代码总结

需要源码及图片的可将邮箱发到评论里。

读取显示图像

cv2.imshow('image',img) 
# 等待时间，毫秒级，0表示任意键终止
cv2.waitKey(10000) 
cv2.destroyAllWindows()
# 可以将其写成一个函数
def cv_show(name, img):
	cv2.imshow(name,img) 
	cv2.waitKey(0) 
	cv2.destroyAllWindows()

保存图片

#保存
cv2.imwrite('mycat.png',img)

查看图片信息

img.size
img.dtype
img.shape

读取视频

vc = cv2.VideoCapture('test.mp4')
# 检查是否打开正确
if vc.isOpened():
	open, frame = vc.read()
else:
	open = False
while open:
	ret, frame = vc.read()
	if frame is None:
		break
	if ret == True:
		gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
		cv2.imshow('result', gray)
		if cv2.waitKey(10) & 0xFF == 27:  # 10ms读取一帧，按“ESC”键退出。
			break
vc.release()
cv2.destroyAllWindows()

截取部分图像数据

img=cv2.imread('cat.jpg')
cat=img[0:50,0:200] 
cv_show('cat',cat)

颜色通道提取、融合与保留

# 将彩色图片三通道分开
b, g, r = cv2.split(img)
# 将三通道合并为一张彩色图片
img = cv2.merge((b, g, r))
# 只保留R
cur_img = img.copy()
cur_img[:, :, 0] = 0
cur_img[:, :, 1] = 0
cv_show('R',cur_img)
# 只保留G
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show('G',cur_img)
# 只保留B
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv_show('B',cur_img)

边界填充

代码原理：

• BORDER_REPLICATE：复制法，也就是复制最边缘像素。
• BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb
• BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba
• BORDER_WRAP：外包装法cdefgh|abcdefgh|abcdefg
• BORDER_CONSTANT：常量法，常数值填充，需要在函数中填入常数参数。

# 填充的范围
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
# 填充
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=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)
# 展示填充效果
plt.subplot(231), plt.imshow(img, 'gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')

plt.show()

数值计算

# 导入图片
img_cat=cv2.imread('cat.jpg')
img_dog=cv2.imread('dog.jpg')
# 将图片所有像素值加10
img_cat2= img_cat +10 
#两图片相加，超过255则溢出，相当于% 256
(img_cat + img_cat2)[:5,:,0] 
# 两图片相加，超过255则赋值为255
cv2.add(img_cat,img_cat2)[:5,:,0]

图像融合

# 首先应保证两张图片shape相同
print(img_cat.shape)
# 图像缩放
img_dog = cv2.resize(img_dog, (500, 414))  # [宽, 高]
print(img_dog.shape)
# 按权重组合两张图片，0.4和0.6是权重，0为偏置项，一般不加。
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)
plt.imshow(res)
# 除了上面的图像缩放操作，也可以按照比例进行缩放。
res = cv2.resize(img, (0, 0), fx=1, fy=3)  # 宽是原来的一倍，高是原来的三倍
plt.imshow(res)

图像平滑（降噪）

# 导入带噪音的图片
img = cv2.imread('lenaNoise.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 均值滤波
# 用3*3的核对图片进行卷积操作，核上的参数都是1/9，达到均值的效果
blur = cv2.blur(img, (3, 3))
# 方框滤波（归一化）=均值滤波
box1 = cv2.boxFilter(img, -1, (3, 3), normalize=True)
# 方框滤波（不归一化）
box2 = cv2.boxFilter(img, -1, (3, 3), normalize=False)
# 高斯滤波
# 用5*5的核进行卷积操作，但核上离中心像素近的参数大。
guassian = cv2.GaussianBlur(img, (5, 5), 1)
# 中值滤波
# 将某像素点周围5*5的像素点提取出来，排序，取中值写入此像素点。
mean = cv2.medianBlur(img, 5)

# 展示效果
titles = ['Original figure', 'blur', 'box_norm', 'box_no_norm', 'guassian', 'mean']
images = [img, blur, box1, box2, guassian, mean]
for i in range(6):
    plt.subplot(2, 3, i+1), plt.imshow(images[i])
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()