Opencv 图像处理 | 易学教程

cmd.exe 安装命令行

》pip install opencv-python

》pip install tensorflow

》pip install keras 必须安装tensorflow基础之上

板块一、

几何图形（cv2 图像处理）

图片导入；
图片长宽通道数学；
图片裁剪；
图片输出；
图片保存文件；

tu = cv2.imread('image.jpg')
(h,w,t)=tu.shape
print(tu.shape)
cX,cY = (w//2,h//2)
print(cX)
tl = tu[0:cY,0:cX]
tr = tu[0:cY,cX:w]
bl = tu[cY:h,0:cX]
br = tu[cY:h,cX:w]
def zzImage(zhou):
    plt.imshow(zhou)
    plt.axis('off')
    plt.show()
zzImage(br)
#   裁剪顺序先y，再x

cv2.imwrite('newImage.jpg',image)

封装常用函数代码块（.py文件）

包含图片旋转代码

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

#读取图片
def imgRead(src):
   src = cv2.imread(src)
   return cv2.cvtColor(src,cv2.COLOR_BGR2RGB)
#显示图片
def imgShow(img):
    plt.imshow(img)
    plt.axis('off')
    plt.show()
def imgWrite(Img):
    return cv2.imwrite('newImage.jpg',Img)



img = imgRead('face.png')
imgShow(img)
#imgWrite(img)

#看图片的信息 
(h,w,t)=img.shape  
print(img.shape)
#得出图片的中心点
cX,cY=(w//2,h//2)
#写一个 动作 ，旋转动作   （旋转中心点，旋转角度，缩放的倍数）
Action = cv2.getRotationMatrix2D((cX,cY),90,1.0)
#外容器执行旋转动作  存储图片
img = cv2.warpAffine(img,Action,(w,h))
imgShow(img)

View Code

使用引入格式： from 文件名 import *

设置图片大小+等比例算法： imgW = 80
imgH = int(img.shape[0]*imgW/img.shape[1])
img= cv2.resize(img,(imgW,imgH))
show(img)
print(img.shape)

人脸检测方法初学：

#定义人脸检测方法
def check(image):
    detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #写入这个简单的xml文件
    rects = detector.detectMultiScale(image,scaleFactor=1.1,minNeighbors=3,minSize=(10,10),flags=cv2.CASCADE_SCALE_IMAGE)
    for (x,y,w,h) in rects:
          cv2.rectangle(image, (x,y), (x+w,y+h), (0,255,0), 2)
img = imread('Solvay.jpg')
check(img)
show(img)

板块二、

一、画图

导包	import numpy as np import cv2 import matplotlib.pyplot as plt
显示函数	def show(image): plt.imshow(image) plt.axis('off') plt.show()
创建一个 300 300 画布	image = np.zeros((300,300,3),dtype='uint8')
画线	green = (0,255,0) cv2.line(image, (0,0), (300,300), green)
正方形 -1 为填充	cv2.rectangle(wrap,(3,3),(296,296),(120,120,120),5)
	(cX,cY) = wrap.shape[1]//2,wrap.shape[0]//2 for i in range(0,140,15): cv2.circle(wrap,(cX,cY),i,green,2) cv2.circle(wrap,(cX,cY),15,(255,0,0),-1) show(wrap)
	content = np.zeros((300,300,3),dtype='uint8') for z in range(15): #随机的半径 Rban = np.random.randint(0,150) #随机的圆心 Rxin = tuple(np.random.randint(0,300,size=(2))) #随机的颜色 Rcolor = np.random.randint(0,255,size=(3)).tolist() cv2.circle(content,Rxin,Rban,Rcolor,-1) show(content)

二、翻转

导包不说了

cv2 matplotlib.pyplot

水平翻转 1

垂直翻转 0

水平+垂直 -1

cv2.finp(image,1)

三、裁剪

　　裁剪就是：把图片的某一块坐标数值，存起来显示

avater = image[0:0,200,200] 打印输出

四、图像算术

加像素	add = np.ones(wrap.shape,dtype='uint8')*100 coo = cv2.add(wrap,add) show(coo)
减像素	shan = np.ones(wrap.shape,dtype='uint8')*205 cww = cv2.subtract(wrap,shan) show(cww)

五、按位计算

与 1&1=1，1&0=0，0&1=0，0&0=0	and = cv2.bitwise_and(box1,box2)
或1\|1=1，1\|0=1，0\|1=1，0\|0=0	or = cv2.bitwise_or(box1,box2)
异或1^1=0,1^0=1,0^1=1,0^0=0	xor = cv2.bitwise_xor(box1,box2)
非 1=0，0=1	not= cv2.bitwise_not(wrap)

五、遮挡

#导入一张图片

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

#创建一个跟图片相同大小的容器

wrap = np.zeros(img.shap,dtype='uint8')

#创建一个盒子

squen = cv2.rectangle(wrap,(25,25),(250,350),白色，-1)

#进行按位计算得出新的图片

newImg = cv2.bitwise_and(wrap,img)

show(newImg)

五、单通道切割

mm = cv2.imread('cat.jpg') show(mm) (R,G,B) = cv2.split(mm) mm.shape meraged = cv2.merge([R,G,B]) show(meraged) cv2.imshow('R',R) cv2.imshow('G',G) cv2.imshow('B',B) cv2.waitKey(0) cv2.destroyAllWindows()

六、图像金字塔

nn = cv2.imread('image.jpg')
show(nn)
nn.shape

for u in range(4):
    nn = cv2.pyrDown(nn)
    print(nn.shape)
    show(nn)

for u in range(4):
    nn = cv2.pyrUp(nn)
    print(nn.shape)
    show(nn)

七、拉普拉斯金字塔（提取图像边界轮廓的）

yuan = cv2.imread('image.jpg')
show(yuan)
yuan.shape

#第一次降低
down_image1 = cv2.pyrDown(yuan)
#第二次降低
down_image2 = cv2.pyrDown(down_image1)
#第三次提升
up_image = cv2.pyrUp(down_image2)
#第一次降低减去最后一次得出的就是结果
lapulasi = down_image1 - up_image
show(lapulasi)

板块三、形态学（卷积）

一、Erode腐蚀 .erode（）

#设置腐蚀 Erision 黑色多一点白色小时
juxing = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
tuoyuan = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
shizi = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))

imagea = cv2.erode(imga,juxing)
show(imagea)

去除白色，黑色多

二、Dilate膨胀 .dilate（）

#膨胀 dilate 黑色多一点白色小时
juxing = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
tuoyuan = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
shizi = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))

imagea = cv2.dilate(imga,juxing)
show(imagea)

去除白色，黑色多

三、Opening开运算

#先腐蚀后膨胀
juxing = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

opening= cv2.morphologyEx(imga,cv2.MORPH_OPEN,juxing)
show(opening)

专业去除白色小点

四、Closing闭运算相反

#先膨胀后腐蚀
juxing = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

closing= cv2.morphologyEx(imga,cv2.MORPH_CLOSE,juxing)
show(closing)

专业去除嘿色小点

五、先开后闭运算

#先膨胀后腐蚀
juxing = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

imgb = cv2.imread('image2.jpg')
opening= cv2.morphologyEx(imgb,cv2.MORPH_OPEN,juxing)
colseing= cv2.morphologyEx(opening,cv2.MORPH_CLOSE,juxing)
show(colseing)