别不信,100 行代码,带你玩转 OpenCV-Python 基础 API

举报
橘座 发表于 2019/11/02 15:45:43 2019/11/02
【摘要】 推荐语:本文来自公众号【OpenCV学堂】,致力于计算机视觉开发技术传播,原创技术文章200+的,涉及OpenCV开发、tensorflow开发、模型解析与训练、传统图像处理算法解析,对图像与视觉感兴趣的强烈推荐关注!正文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...

推荐语:

本文来自公众号【OpenCV学堂】,致力于计算机视觉开发技术传播,原创技术文章200+的,涉及OpenCV开发、tensorflow开发、模型解析与训练、传统图像处理算法解析,对图像与视觉感兴趣的强烈推荐关注!


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1



正文



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

pip install opencv-python


如果想连扩展模块一起安装,执行如下命令行

pip install opencv-contrib-python


更多请参考这里

https://pypi.org/project/opencv-python/


 

代码演示部分

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

import cv2 as cv
import numpy as np


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("color table", 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("gaussian blur", 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("custom blur", 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))
for pt in corners:
   # 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("corners detection", 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("binary input", gray)

解释:加载二值化操作测试图像



固定阈值

ret, binary = cv.threshold(gray, 127255, 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, 0255, 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)
for cnt in range(len(contours)):
   cv.drawContours(result, contours, cnt, (00255), 28)
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。

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1


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




【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200