怎么實現OpenCV入門

本篇文章為大家展示了怎么實現OpenCV入門，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

OpenCV

OpenCV是一個開源庫，最初由Intel開發，它包含了支持計算機視覺和機器學習的便捷方法和函數。

我將全神貫注地學習如何讀取圖像，如何在Jupyter notebook中顯示圖像以及如何檢查和更改其某些屬性。

import cv2
import numpy as np
import matplotlib.pyplot as plt

讓我們從.imread開始加載圖片，然后我們可以使用.imshow在新窗口中顯示它。

image = cv2.imread('img.jpg')
cv2.imshow('Some title', image)

cv2.waitKey(0)
cv2.destroyAllWindows()

waitkey和.destroyAllWindows方法對于在不崩潰的情況下運行代碼至關重要。

第一個命令將告訴Jupyter繼續運行該塊，直到按下某個鍵，第二個命令將在最后關閉窗口。

我們還可以嘗試使用Matplotlib.imshow顯示圖像；這樣，它將以內聯方式顯示，而不是在新窗口中顯示。

image = cv2.imread('img.jpg')
plt.imshow(image)

看起來很奇怪。顏色都弄亂了。

OpenCV將圖像加載為Numpy數組，并且它們具有三個維度：紅色，綠色和藍色。維度通常稱為通道，它們保存的值介于0到255之間，代表每個像素的顏色強度。

>>> print(type(image))
>>> print(image.shape)

<class 'numpy.ndarray'>
(776, 960, 3)

也就是說是RGB，對吧？

不是真的。這是BGR，這是同一件事，但順序不同。

Matplotlib使用RGB，這就是為什么我們的圖片看起來很奇怪。這不是問題，因為OpenCV有一些非常方便的方法來轉換顏色。

image = cv2.imread('img.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

plt.imshow(image)

太酷了，我們必須使用OpenCV閱讀和顯示圖像，并了解如何將GBR顏色轉換為RGB以與Matplolib內聯顯示它們。

其他顏色格式可以使用OpenCV處理，例如HSV，CMYK等。

色彩

由于我們將重復很多次，因此我們創建一個使用Matplotlib進行繪圖的方法。我們可以設置圖的大小并刪除軸以使其更好。

def show(img):
    fig, ax = plt.subplots(1, figsize=(12,8))
    ax.axis('off')   
    plt.imshow(img, cmap='Greys')

請注意，我還將.imshow中的顏色圖定義為“灰色”。當我們繪制RGB圖像時，該參數將被忽略，但是稍后在繪制數組的各個維度時將很有用。現在，讓我們嘗試一下我們的方法。

image = cv2.imread('img2.jpeg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

show(image)

現在讓我們嘗試將其轉換為灰度然后再轉換為RGB。

image = cv2.imread('img2.jpeg')

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
image = cv2.cvtColor(gray, cv2.COLOR_GRAY2RGB)

show(image)

我們可以使用.split獲取顏色的單個數組，然后將圖片與.merge組合在一起。這對于修改，檢查和過濾數組的單個維度非常實用。

例如，我們可以將數組乘以零以將其刪除；

img = cv2.imread('img2.jpeg')

B, G, R = cv2.split(img) 
img = cv2.merge([B*0, G, R*0])

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
show(img)

我們可以增加或減少顏色的強度，或者構建具有相同形狀的新的Numpy數組來替換它，或者你可以考慮使用任何其他方法。

img = cv2.merge([np.ones_like(B)*255, G, R])

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
show(img)

同樣的分割和合并概念也適用于其他格式，如HSV和HSL。

img = cv2.imread('img2.jpeg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

H, S, V = cv2.split(img)
 
img = cv2.merge([np.ones_like(H)*30, S+10, V-20])

img = cv2.cvtColor(img, cv2.COLOR_HSV2RGB)
show(img)

HSV：色調、飽和度和明度。

這種格式適用于色調，因此很容易過濾顏色——這意味著，我們可以使用角度范圍，而不必計算紅色、綠色和藍色之間的組合范圍。

我們可以用Numpy來定義HSV的上下邊界。應用函數.inRange過濾這些值，并創建一個掩碼。然后，我們可以使用.bitwise_and在飽和狀態下應用這個掩碼，它會使邊界以外的一切都變成零。

換句話說：我們可以過濾一些顏色，然后將其余所有顏色設置為灰度。

# read img and convert to HSV
img = cv2.imread('img2.jpeg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# split dimensions
H, S, V = cv2.split(img)
# upper and lower boundaries
lower = np.array([80, 0, 0]) 
upper = np.array([120, 255, 255])
# build mask
mask = cv2.inRange(img, lower, upper)
# apply mask to saturation
S = cv2.bitwise_and(S, S, mask=mask)
# assemble image
img = cv2.merge([H, S, V])
# convert to RGB and display
img = cv2.cvtColor(img, cv2.COLOR_HSV2RGB)
show(img)

分割圖像也可以讓我們更容易地檢查它的構圖。

我們可以從RGB繪制顏色，從HSV繪制飽和度，或任何其他我們想要的通道。

img = cv2.imread('img2.jpeg')
B, G, R = cv2.split(img) 
show(B)

img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
H, S, V = cv2.split(img)
show(S)

使用“灰色”色圖時，值從白色（低）到黑色（高）。

通過查看第一張地圖，我們可以看出，地面上的藍色強度高于建筑物中的藍色強度，并且通過飽和度圖可以看出，滑板周圍的值高于圖像中其他部分的值。

上述內容就是怎么實現OpenCV入門，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。