python编程学习书(别不信100行代码带你玩转OpenCV-Python基础API)
做计算机视觉无论如何都绕不开的一个框架就是OpenCV,可以毫不夸张的说,github上每个开源的视觉项目的安装列表中都有OpenCV框架。很多人第一次接触OpenCV都是从OpenCV-Python版本SDK开始的,本文就以最新版本的OpenCV4.1.0为例,通过代码带领大家简单粗暴的入门OpenCV-Python编程实践。
安装OpenCV-Python只需要执行如下一条命令行即可
pipinstallopencv-python
如果想连扩展模块一起安装,执行如下命令行
pipinstallopencv-contrib-python
更多请参考这里
https://pypi.org/project/opencv-python/
涵盖OpenCV图像处理最高频次使用API与常见各种使用技巧。
导入CV模块
importcv2ascv
importnumpyasnp
解释:这个是因为OpenCV在python语言中的所有图像数据都是以numpy的数组形式组织存储。所以必须安装numpy依赖支持,导入以备后用。
加载与现实图像
src=cv.imread("D:/images/lena.jpg")
cv.namedWindow("input",cv.WINDOW_AUTOSIZE)
cv.imshow("input",src)
解释:千万别给中文路径,不支持的,默认加载图像彩色,通道顺序BGR。
转换为灰度
gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY)
cv.imshow("gray",gray)
print(src.shape)
print(gray.shape)
解释:支持各种色彩空间转换,可以转换到灰度,hsv、YCrCb、LAB等常见色彩空间,图像的宽、高、通道数,可以通过src.shape得到。
创建空白图像
black=np.zeros_like(src)
cv.imshow("black",black)
解释:创建一张与src大小与数据类型一致的图像,但是像素值全部为0,黑色背景图像。
调节亮度
black[:,:,:]=50
lighter=cv.add(src,black)
darker=cv.subtract(src,black)
cv.imshow("lightness",lighter)
cv.imshow("darkness",darker)
解释:过像素操作实现图像亮度调整,本质是调整图像的RGB值
调节对比度
dst=cv.addWeighted(src,1.2,black,0.0,0)
cv.imshow("contrast",dst)
解释:通过权重的图像相加实现图像对比度调整,这里要特别注意,两幅图像的大小与数据类型必须完全一致。
放大/缩小 图像
#scale
h,w,c=src.shape
dst=cv.resize(src,(h//2,w//2))
cv.imshow("resize-image",dst)
解释:图像放缩支持常见的插值方式,最近邻,线性,双立方等。
翻转
#左右翻转
dst=cv.flip(src,1)
cv.imshow("flip",dst)
#上下翻转
dst=cv.flip(src,0)
cv.imshow("flip0",dst)
解释:图像的镜像翻转支持,水平与垂直
旋转
M=cv.getRotationMatrix2D((w//2,h//2),45,1)
dst=cv.warpAffine(src,M,(w,h))
cv.imshow("rotate",dst)
解释:图像的旋转支持,基于放射变换,M = 2x3的变换矩阵
色彩变换
#HSV
hsv=cv.cvtColor(src,cv.COLOR_BGR2HSV)
cv.imshow("hsv",hsv)
#色彩表-支持14种色彩变换
dst=cv.applyColorMap(src,cv.COLORMAP_AUTUMN)
cv.imshow("colortable",dst)
解释:支持图像常见的14种查找表色彩匹配与风格变化,是自带的14种色彩滤镜
模糊
blur=cv.blur(src,(15,15))
cv.imshow("blur",blur)
解释:图像卷积模糊操作,卷积核大小为15x15
高斯模糊
gblur=cv.GaussianBlur(src,(0,0),15)
cv.imshow("gaussianblur",gblur)
解释:图像高斯模糊操作,sigma = 15
自定义滤波器
k=np.ones(shape=[5,5],dtype=np.float32)/25
dst=cv.filter2D(src,-1,k)
cv.imshow("customblur",dst)
解释:图像自定义滤波操作,定义不同的滤波器,得到不同的滤波效果,这里是均值滤波,模糊操作。
高斯双边滤波
dst=cv.bilateralFilter(src,0,100,10)
cv.imshow("bi-filter",dst)
解释:边缘保留滤波算法的一种,OpenCV还支持其它的边缘保留滤波算法。
图像梯度
dx=cv.Sobel(src,cv.CV_32F,1,0)
dy=cv.Sobel(src,cv.CV_32F,0,1)
dx=cv.convertScaleAbs(dx)
dy=cv.convertScaleAbs(dy)
cv.imshow("grad-x",dx)
cv.imshow("grad-y",dy)
解释:图像梯度提取,基于一阶导数算子Sobel
边缘检测
edge=cv.Canny(src,100,300)
cv.imshow("edge",edge)
解释:图像边缘提取,Canny是经典的图像边缘提取算法。100表示低阈值,300表示高阈值。
直方图均衡化
eh=cv.equalizeHist(gray)
cv.imshow("eh",eh)
解释:图像直方图均衡化,是图像直方图应用之一,其它还有直方图匹配,直方图相似度,直方图反向投影等。这里的均衡化是全局均衡化,对应还有局部自适应的直方图均衡化方法。
角点检测
corners=cv.goodFeaturesToTrack(gray,100,0.05,10)
#print(len(corners))
forptincorners:
#print(pt)
b=np.random.random_integers(0,256)
g=np.random.random_integers(0,256)
r=np.random.random_integers(0,256)
x=np.int32(pt[0][0])
y=np.int32(pt[0][1])
cv.circle(src,(x,y),5,(int(b),int(g),int(r)),2)
cv.imshow("cornersdetection",src)
解释:基于shi-tomas角点检测算法
二值化加载图像
src=cv.imread("D:/images/zsxq/zsxq_12.jpg")
gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY)
cv.imshow("binaryinput",gray)
解释:加载二值化操作测试图像
固定阈值
ret,binary=cv.threshold(gray,127,255,cv.THRESH_BINARY)
cv.imshow("binary",binary)
解释:手动指定阈值为127,THRESH_BINARY表示大于127为白色,反之为黑色。
全局阈值
ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
cv.imshow("otsu",binary)
解释:自动计算阈值,基于全局直方图信息
自适应阈值
binary=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY_INV,25,10)
cv.imshow("ada",binary)
解释:自适应阈值计算方法,支持高斯与盒子两种方式。
轮廓分析
contours,hireachy=cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
result=np.zeros_like(src)
forcntinrange(len(contours)):
cv.drawContours(result,contours,cnt,(0,0,255),2,8)
cv.imshow("contour",result)
解释:二值图像的轮廓与结构分析API,演示,这里只是获取了最外层轮廓。
膨胀与腐蚀操作
se=cv.getStructuringElement(cv.MORPH_RECT,(5,5),(-1,-1))
d=cv.dilate(binary,se)
e=cv.erode(binary,se)
cv.imshow("dilate",d)
cv.imshow("erode",e)
解释:二值图像的形态学基础操作,腐蚀与膨胀
开闭操作
op=cv.morphologyEx(binary,cv.MORPH_OPEN,se)
cl=cv.morphologyEx(binary,cv.MORPH_CLOSE,se)
cv.imshow("open",op)
cv.imshow("close",cl)
解释:二值图像的形态学组合操作,开操作与闭操作
上述全部演示代码的代码下地址:
https://github.com/gloomyfish1998/opencv_tutorial
免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com