CV唐宇迪入门课程笔记 - 1、图像基本操作 - 《Computer Vision》

数据读取-图像
**
数据读取-视频
它的参数可以是设备索引或视频文件的名称。设备索引就是指定哪个摄像头的数字。正常情况下，一个摄像头会被连接，简单

数据读取-图像

#opencv读取的格式是BGR
import cv2 
import matplotlib.pyplot as plt
import numpy as np 
#jpnote中的魔法指令，把图像绘制出来就能展示出来，而不用调用plt.show()
%matplotlib inline 
#读取图像
img=cv2.imread('cat.jpg')
#读取图像的灰度图
img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE) 
#保存图像，第一个参数是窗口名称，它是一个字符串。第二个参数是我们的对象
cv2.imwrite('mycat.png',img)
p = img #取整张图像的信息矩阵
p = img[0, ] #取第0行像素所有通道的信息矩阵
p = img[0, 0,] #取第0行第0个像素所有通道的信息矩阵
p = img[0, 0, 0] #取第0行第0个像素第0个通道信息矩阵

cv2.imshow('image',img)  # 图像的显示,第一个参数是窗口名称，它是一个字符串。第二个参数是我们的对象。你可以
根据需要创建任意,多个窗口，但可以使用不同的窗口名称
# cv.waitKey()是一个键盘绑定函数。其参数是以毫秒为单位的时间。该函数等待任何键盘事件指定的毫秒。如果您在这段
时间内按下任何键，程序将继续运行。如果**0**被传递，它将无限期地等待一次敲击键。它也可以设置为检测特定的按键，
例如，如果按下键esc(27)等
cv2.waitKey(1000)  # 表示图像显示1000毫秒后自动消失
img = cv.imread('messi5.jpg',0)
cv.imshow('image',img)
k = cv.waitKey(0)& 0xFF
if k == 27: # 等待ESC退出
    cv.destroyAllWindows()
elif k == ord('s'): # 等待关键字，保存和退出
    cv.imwrite('messigray.png',img)
    cv.destroyAllWindows()
# cv.destroyAllWindows()只会破坏我们创建的所有窗口。如果要销毁任何特定的窗口，请使用函数 cv.destroyWindow()
在其中传递确切的窗口名称作为参数。
cv2.destroyAllWindows()

#显示图片的 h*w*c 如果是灰度图就是h*w
img.shape # (414, 500, 3)
type(img) # numpy.ndarray
# 像素总数，也就是像素矩阵的数字个数
img.size 
img.dtype # dtype('uint8')

**

数据读取-视频

cv2.VideoCapture可以捕获摄像头，用数字来控制不同的设备，例如0,1。
如果是视频文件，直接指定好路径即可。 ```python
它的参数可以是设备索引或视频文件的名称。设备索引就是指定哪个摄像头的数字。正常情况下，一个摄像头会被连接，简单
地传0(或-1)即可。你可以通过传递1来选择第二个相机，以此类推。在此之后，你可以逐帧捕获。但是在最后，不要忘记释放。

vc = cv2.VideoCapture(‘test.mp4’) while vc.isOpened():

# 逐帧捕获
ret, frame = vc.read()
# 如果正确读取帧，ret为True
if frame is None:
    break
if ret == True:
    gray = cv2.cvtColor(frame,  cv2.COLOR_BGR2GRAY)
    cv2.imshow('result', gray)
    if cv2.waitKey(1000) & 0xFF == 27:
        break

vc.release() cv2.destroyAllWindows()

<a name="rBwGp"></a>
## 
<a name="J7krm"></a>
## **截取部分图像数据**
```python
img=cv2.imread('cat.jpg')
cat=img[0:50,0:200] 
cv_show('cat',cat)

颜色通道提取

b,g,r=cv2.split(img) # 拆分通道

img=cv2.merge((b,g,r)) #合并通道

# 只保留R
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)

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, 
                               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)


import matplotlib.pyplot as plt
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()

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。

数值计算

两个图像应具有相同的深度和类型，或者第二个图像可以只是一个标量值

img_cat=cv2.imread('cat.jpg')

img_cat2= img_cat +10 
img_cat[:5,:,0]
# array([[142, 146, 151, ..., 156, 155, 154],
       [108, 112, 118, ..., 155, 154, 153],
       [108, 110, 118, ..., 156, 155, 154],
       [139, 141, 148, ..., 156, 155, 154],
       [153, 156, 163, ..., 160, 159, 158]], dtype=uint8)
img_cat2[:5,:,0]
# array([[152, 156, 161, ..., 166, 165, 164],
       [118, 122, 128, ..., 165, 164, 163],
       [118, 120, 128, ..., 166, 165, 164],
       [149, 151, 158, ..., 166, 165, 164],
       [163, 166, 173, ..., 170, 169, 168]], dtype=uint8)

(img_cat + img_cat2)[:5,:,0] #Numpy加法是模运算,相当于% 256
# array([[ 38,  46,  56, ...,  66,  64,  62],
       [226, 234, 246, ...,  64,  62,  60],
       [226, 230, 246, ...,  66,  64,  62],
       [ 32,  36,  50, ...,  66,  64,  62],
       [ 60,  66,  80, ...,  74,  72,  70]], dtype=uint8)

cv2.add(img_cat,img_cat2)[:5,:,0] # OpenCV加法是饱和运算
# array([[255, 255, 255, ..., 255, 255, 255],
       [226, 234, 246, ..., 255, 255, 255],
       [226, 230, 246, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255]], dtype=uint8)

OpenCV功能将提供更好的结果。因此，始终最好坚持使用OpenCV功能。

图像融合

这也是图像加法，但是对图像赋予不同的权重，以使其具有融合或透明的感觉

img_cat=cv2.imread('cat.jpg')
img_dog=cv2.imread('dog.jpg')

img_cat.shape # h*w*c(414, 500, 3)
img_dog = cv2.resize(img_dog, (500, 414)) # 缩放为指定大小，注意这里顺序是w*h
res1 = cv2.resize(img, (0, 0), fx=4, fy=4,  
                  interpolation=cv2.INTER_CUBIC) # 按比例缩放，cv2.INTER_CUBIC)插值方法

res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)

1、图像基本操作

数据读取-图像

**

数据读取-视频

它的参数可以是设备索引或视频文件的名称。设备索引就是指定哪个摄像头的数字。正常情况下，一个摄像头会被连接，简单

颜色通道提取

边界填充

数值计算

图像融合