Opencv基礎

　　視頻圖片操作

　　import cv2 as cv #導入opencv包

　　cv.imread(path,flags) #加載圖片，其中第一個參數是絕對或者相對路徑，第二個參數為0時加載灰度圖像，為1時加載彩圖像。

　　cv.imshow(path,flags) #顯示圖片，其中第一個參數是顯示窗口的名稱，第二個參數是打開的圖片

　　cv.imwrite(name,flags)#保存圖片，第一個參數是途徑，第二個參數是要保存的圖片 返回boolean

　　cv2.namedWindow 創建一個窗體，只需指定窗體名稱

　　cv2.namedWindow()初始化默認標簽是cv2.WINDOW_AUTOSIZE。

　　但是如果把標簽改成cv2.WINDOW_NORMAL就可以自由的調整窗體大小，

　　當圖像維度太大，這將很有幫助。

　　cv2.destroyWindow() 銷毀指定窗體

　　cv2.destroyAllWindows() 銷毀所有窗體

　　視頻

　　cap = cv.VideoCapture(0)打開本地攝像頭

　　cap = cv.VideoCapture(videoPath)讀取本地視頻

　　import cv2 as cv

　　cap = cv.VideoCapture(0)

　　while cap.isOpened():

　　status, frame = cap.read()

　　k = cv.waitKey(25)

　　# 圖片灰度化

　　frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)

　　cv.imshow('video', frame)

　　cv.destroyWindow('video')

　　方法

　　cv.shape打印形狀

　　cv.size打印像素點個數

　　cv.ndim打印維度

　　cv.dtype打印數據類型

　　cv.waitkey(0) 無限期的等待鍵盤按下

　　cv.destroyWindow(name)#銷毀所有窗體,參數是需要銷毀窗體的名稱

　　cv.destroyAllWindows()#銷毀所有窗體

　　繪圖

　　圓：cv.circle(畫板，圓心，半徑，顏色，粗細，cv.LINE_AA(抗鋸齒))

　　線條：cv.line(畫板，起點，終點，顏色，粗細)

　　橢圓：cv.ellipse(畫板，圓心，(長軸，短軸)，逆時針旋轉的角度，橢圓弧沿順時針起始角度，結束角度，顏色，抗鋸齒)

　　多邊形：`使用函數cv2.polylines在一副圖像中繪制多邊形示例代碼

　　函數原型：polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) -> img

　　img:要繪制的那張圖像

　　pts:多邊形的頂點列表

　　isClosed:默認為True表示閉合, False表示不閉合

　　繪制多邊形：

　　使用函數cv2.polylines在一副圖像中繪制多邊形示例代碼

　　函數原型：polylines(img, pts, isClosed, color[, thickness[, lineType[, shift]]]) -> img

　　img:要繪制的那張圖像

　　pts:多邊形的頂點列表

　　isClosed:默認為True表示閉合, False表示不閉合

　　color:線段的顏色,傳一個元組,如紅色(0，0，255),如果是灰度圖請傳入灰度值

　　thickness:線段的粗細，默認值-1，表示填充

　　lineType:線段類型：默認8連線，cv2.LINE_AA表示抗鋸齒

　　more help:help(cv2.polylines)`

　　繪制矩形：

　　使用函數cv2.rectangle()在一副圖像中繪制矩形示例代碼

　　函數原型：rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img

　　img:要繪制的那張圖像

　　pt1:矩形的左上角坐標，如(0, 0)

　　pt2:矩形右下角坐標， 如(499, 499)

　　color:線段的顏色,傳一個元組,如紅色(0，0，255), 如果是灰度圖請傳入灰度值

　　thickness:線段的粗細，默認值-1，表示填充

　　lineType:線段類型：默認8連線，cv2.LINE_AA表示抗鋸齒

　　more help:help(cv2.rectangle)

　　繪制文字：

　　使用函數cv2.putText()在一副圖像中繪制文字

　　函數原型：putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) -> img

　　img:要繪制的那張圖像

　　text:要繪制的文本

　　org：繪制的位置坐標

　　fontFace:字體格式

　　fontScale:字體大小

　　color:線段的顏色,傳一個元組,如紅色(0，0，255),如果是灰度圖請傳入灰度值

　　thickness:線段的粗細，默認值-1，表示填充

　　lineType:線段類型：默認8連線，cv2.LINE_AA表示抗鋸齒

　　bottomLeftOrigin 如果為True則圖像位于原點的左下角

　　more help:help(cv2.putText)

　　圖片操作

　　仿射變換：

　　matScale = np.float32([[0.5,0,0],[0,0.5,0]])

　　dst = cv.warpAffine(img,matScale,(width,height))

　　RGB通道拆分：b, g, r = cv.split(img)

　　RGB通道合并：img1 = cv.merge((B, g, r))

　　圖片縮放：cv.resize(原圖,(heigth,width))

　　圖片剪切：

　　img = cv.imread('cat.jpg',1)

　　dst = img[100:200,100:300] #起點(100,100)終點(200,200)

　　cv.imshow('dst',dst)

　　cv.waitKey(0)

　　圖片移位：

　　matShift = np.float32([[1,0,100],[0,1,200]])

　　dst = cv.warpAffine(img,matShift,(height,width))

　　cv.imshow('dst',dst)

　　圖片仿射變換：

　　matsrc = np.float32([[0,0],[0,height],[width,0]]) #原圖點位

　　matdst = np.float32([[50,50],[100,height-100],[width-100,50]]) #目標點位

　　matAffine = cv.getAffineTransform(matsrc,matdst) #仿射變換

　　dst = cv.warpAffine(img,matAffine,(width,height))

　　圖片旋轉：

　　matRotate = cv.getRotationMatrix2D((height*0.5,width*0.5),45,0.5)# 參數(中心點，旋轉角度，縮放系數)RotationMatrix2D旋轉矩陣方法

　　dst = cv.warpAffine(img,matRotate,(width,height))#放射變化

　　圖片特效

　　灰度處理：

　　#方法一：

　　img0 = cv.imread('cat.jpg',0) #灰度圖片

　　img1 = cv.imread('cat.jpg',1)#彩圖

　　#方法二：

　　img = cv.imread('cat.jpg',1)

　　dst = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

　　#方法三：

　　dst = np.zeros((height,width,3),np.uint8)

　　for i in range(0,height):

　　for j in range(0,width):

　　(b,g,r) = img[i,j]

　　gray = (int(b)+int(g)+int(r))/3

　　dst[i,j] = gray

　　print(np.uint(gray))

　　#方法四

　　dst = np.zeros((height,width,3),np.uint8)

　　for i in range(0,height):

　　for j in range(0,width):

　　(b,g,r) = img[i,j]

　　b = int(b)

　　g = int(g)

　　r = int(r)

　　gray = r*0.229+g*0.587+r*0.114

　　dst[i,j] = np.uint(gray)

　　圖片邊緣檢測：

　　#1.灰度圖像處理

　　gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

　　#2.高斯濾波

　　imgG = cv.GaussianBlur(gray,(3,3),0)

　　#3.卷積

　　dst = cv.Canny(img,100,100)

　　繪圖

　　import numpy as np

　　import matplotlib.pyplot as plt

　　x = np.array([1,2,3,4,5,6,7,8])

　　y = np.array([3,5,7,6,2,6,10,15])

　　plt.plot(x,y,'r',lw = 10) #折線圖

　　plt.bar(x,y,0.5,alpha = 1,color = 'b') #原主圖

　　plt.show()

　　圖片腐蝕：

　　腐蝕操作：

　　原理：

　　如果卷積核對應的原圖像的所有像素值都是1，那么中心像素點就保持原來的值，

　　否則變為0。所以前景物體會變小，整幅圖像的白色區域會減少。

　　erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

　　參數解析：鄭州人流醫院 http://www.zzzzyy120.com/

　　element:腐蝕操作的內核。 如果不指定，默認為一個簡單的 3x3 矩陣。

　　否則，我們就要明確指定它的形狀，可以使用函數getStructuringElement()。

　　anchor:默認為Point(-1,-1),內核中心點。省略時為默認值。

　　iterations:腐蝕次數。省略時為默認值1。

　　borderType:推斷邊緣類型，具體參見borderInterpolate函數。默認為BORDER_DEFAULT，省略時為默認值。

　　borderValue:邊緣值，具體可參見createMorphoogyFilter函數。可省略。

　　作用：

　　腐蝕對于去除白噪聲很有用，也可以用來斷開兩個連接在一個的物體

　　代碼示例：

　　kernel = np.ones((5, 5), np.float32)

　　erosion = cv.erode(img, kernel, iterations=1)

　　膨脹操作：

　　膨脹操作：

　　原理：

　　與腐蝕相反，與卷積核對應的原始圖像的像素值中只要有一個是1，

　　中心像素的值就是1，所以膨脹操作增加白色區域(前景)。

　　dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

　　參數解析：

　　anchor:默認為Point(-1,-1),內核中心點。省略時為默認值。

　　iterations:膨脹次數。省略時為默認值1。

　　borderType:推斷邊緣類型，具體參見borderInterpolate函數。默認為BORDER_DEFAULT，省略時為默認值。

　　borderValue:邊緣值，具體可參見createMorphoogyFilter函數。可省略。

　　作用：

　　一般在去除圖像噪聲時可以先腐蝕然后在膨脹，

　　這樣噪聲就已經被去除了，不會再回來，但前景會增加。

　　膨脹也可以用連接兩個分開的物體。

　　代碼示例：

　　kernel = np.ones((5, 5), np.float32)

　　dilate = cv.dilate(img, kernel, iterations=1)

　　簡單閾值：

　　全局閾值：

　　def threshold_dem0(image):

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)

　　print("閾值",ret)

　　cv.imshow('binary',binary)

　　ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)

　　ret = 閾值，binary = 閾值圖像

　　參數(灰度圖像，閾值，255，閾值算法)

　　局部閾值：

　　def local_threshold(image):

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　binary = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,25,10)

　　cv.imshow('biary',binary)

　　binary = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,25,10)

　　自定義閾值：

　　def load_threshold(image):

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　h,w = gray.shape[:2]

　　men = np.reshape(gray,[1,w*h])

　　men1 = men.sum()/(w*h) #所有像素的均值

　　are,binary = cv.threshold(gray,men1,255,cv.THRESH_BINARY)

　　cv.imshow('biary',binary)

　　開操作和閉操作：

　　開運算：先腐蝕后膨脹, 去除噪聲，去除白色小點、空洞

　　閉運算：先膨脹后腐蝕, 用來填充前景物體的小黑點

　　形態學梯度：膨脹減去腐蝕, 可以得到前景物體的輪廓

　　禮帽：原圖減去開運算

　　黑帽：閉運算減去原圖

　　使用函數morphologyEx()進行形態學其他操作

　　函數原型為：morphologyEx(src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

　　op參數：

　　cv.MORPH_OPEN：開運算

　　cv.MORPH_CLOSE：閉運算

　　cv.MORPH_GRADIENT：形態學梯度

　　cv.MORPH_TOPHAT：禮帽

　　cv.MORPH_BLACKHAT：黑帽

　　def open_dem0(image):# 開操作

　　print(image.shape)

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY_INV | cv.THRESH_OTSU)#閾值化

　　cv.imshow('binary',binary)

　　kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE,(3,3)#結構元素

　　binarya = cv.morphologyEx(binary,cv.THRESH_TRUNC ,kernel) #形態學操作

　　cv.imshow('binary2',binarya)

　　def close_dem0(image):#閉操作

　　print(image.shape)

　　gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)

　　ret,binay = cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU) #閾值化

　　cv.imshow('binay',binay)

　　kernel = cv.getStructuringElement(cv.MORPH_RECT,(15,15)) #結構元素

　　binay = cv.morphologyEx(binay,cv.MORPH_CLOSE,kernel) #形態學操作

　　cv.imshow('binay',binay)