OpenCV（python）——一键入门--第1篇

• 一：图像读取与展示

import cv2 as cv

src = cv.imread("d:/ma.jpg")                   #imread函数，读入一张图片，放在src底下
cv.namedWindow("input",cv.WINDOW_AUTOSIZE)     #namedWindow 声明一个窗口，可以在这里调整窗口大小
cv.imshow("intput",src)                        #imshow函数，展示src底下的照片

cv.waitKey(0)
cv.destroyAllWindows()

• cv.imread()

        cv,imread() 是一个图像读取函数，里面主要输入一个字符串，内容是图像所在的绝对路径或者相对路径。我们需要把完整的路径用双引号保存下来。（请注意，需要提前在路径放好该照片）

        补充：cv.imread() 除了直接读取照片，还可以传入第二个参数，比如可以直接设置cv.imread("图像路径",cv.IMREAD_GRAYSCALE)，将图像直接读取成灰度图。相关参考资料如下图：

• cv.namedWindow()

        cv.nameWindow()是一个窗口声明函数。第一个参数是该窗口的标题，第二个参数是窗口的模式。最常用的参数是WINDOW_AUTOSIZE。

        其他参数简介如下，感兴趣的话可以参考，或者可以直接看下一个函数的介绍：

• WINDOW_NORMAL 或 WINDOW_AUTOSIZE： WINDOW_NORMAL 可以调整窗口大小，而 WINDOW_AUTOSIZE 会自动调整窗口大小以适合显示的图像，并且无法手动更改窗口大小。
• WINDOW_FREERATIO 或 WINDOW_KEEPRATIO： WINDOW_FREERATIO 调整图像而不考虑其比例，而 WINDOW_KEEPRATIO 保持图像比例。
• WINDOW_GUI_NORMAL 或 WINDOW_GUI_EXPANDED： WINDOW_GUI_NORMAL 是在没有状态栏和工具栏的情况下绘制窗口的旧方法，而 WINDOW_GUI_EXPANDED 是一种新的增强型 GUI。默认情况下，标志 == WINDOW_AUTOSIZE | WINDOW_KEEPRATIO | WINDOW_GUI_EXPANDED

• cv.imshow()

        cv.imshow() 是图像展示函数，我们看代码第5行第一个参数，是图片展示对应的窗口名称。如果该参数和namedWindow设置的窗口大小一致，则会将图片放在该窗口下。如果是一个全新的标题名，OpenCV会参考该参数创建一个对应的新窗口，并展示该图像。

        补充：如果窗口是使用WINDOW_AUTOSIZE标志创建的，则图像以其原始大小显示，但仍受屏幕分辨率的限制。否则，它会将缩放图像以适合窗口。该函数可以缩放图像，具体取决于其深度：

• 如果图像是 8 位无符号，则按原样显示。
• 如果图像是 16 位无符号或 32 位整数，则将像素除以 256。即值范围 [0,255*256] 映射到 [0,255]。
• 如果图像是 32 位或 64 位浮点，则像素值乘以 255。即值范围 [0,1] 映射到 [0,255]。

        关于展示图像相关的补充：
        如果窗口是使用 OpenGL 支持创建的，则cv::imshow还支持ogl::Buffer、ogl::Texture2D和cuda::GpuMat作为输入。
        如果在此函数之前没有创建窗口，则假定使用cv::WINDOW_AUTOSIZE创建一个窗口。
        如果需要显示大于屏幕分辨率的图像，则需要在 imshow 之前调用 namedWindow("", WINDOW_NORMAL)。

• cv.waitKey()

        cv.waitKey()是一个键盘绑定函数，时间量度是毫秒ms。函数会等待（n）里面的n毫秒，看是否有键盘输入。当有键盘输入时，则会返回按键的ASCII值。没有键盘输入，则返回-1。一般我们设置为0，他会无限等待键盘的输入。

• cv.destroyAllWindows()

        cv.destroyAllWindows()是用来删除窗口的，（）里不指定任何参数，则删除所有窗口。删除特定的窗口，则需要调用destroyWindow()，往（）输入特定的窗口值。主要用于释放变量占用的内存

        你可以调用destroyWindow（）或  destroyAllWindows（）来关闭窗口并取消分配任何相关的内存使用。对于一个简单的程序来说，实际上不必调用这些函数，因为退出时操作系统会自动关闭应用程序的所有资源和窗口。如果任何相关内存使用没有被取消分配，则调用destroyAllWindows（）会处理掉分配。如果是简单的使用或确保资源的适当使用，就不需要调用该函数。

• 二：图像色域转换

a = cv.cvtColor(src , cv.COLOR_BGR2HSV)
#转换色域，xxx2xxx
#包括以下色域：YCrCb,HSV,HLS,Lab,Luv,Bayer,XYZ,GRAY
cv.imshow("output",a)

提醒：当然，import 语句以及cv.waitKey()，cv.destroyAllWindows()都是很重要的语句，在往后部分仅强调核心的部分代码，运行时候记得在首尾加上。

• cv.cvtColor()

        该函数将输入图像从一种颜色空间转换为另一种颜色空间。  我们主要使用的色域空间如下：YCrCb , HSV , HLS , Lab , Luv , Bayer , XYZ , GRAY

        R、G 和 B 通道值的常规范围是：

• CV_8U 图像为 0 到 255
• CV_16U 图像的 0 到 65535
• CV_32F 图像为 0 到 1

        如下图所示，output是原图，g-output则是图像处于hsv色域时的图

        重点：opencv中的图像通道默认不是RGB，而是BGR，也就是

                        通道0对应蓝色，通道1对应绿色，通道2对应红色

• 三：图像的修改

import cv2 as cv
import numpy as np

m1 = src
cv.imshow("m1",m1)     #原图

m2 = np.copy(src)     #图像拷贝
m2[100:300,300:500,2]=255     #修改像素坐标底下的通道值
cv.imshow("m2",m2)

m3 = np.zeros(src.shape, src.dtype)     #使用numpy创建一个空图像
cv.imshow("m3", m3)

m4 = np.zeros([512,215,3], np.uint16)#高  宽  通道数ch，这里是设置图像大小
m4[:,:,1] =127 #给绿色通道赋值 127
cv.imshow("m4", m4)

cv.waitKey(0)
cv.destroyAllWindows()

• numpy

        NumPy是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。我们用简写np来描述numpy函数。

• np.copy

        拷贝矩阵。我们的图像可以看成是一个二维矩阵，可以直接用numpy的copy函数拷贝图像，括号内是要拷贝的图像，然后用 “=” 号赋值给新的变量。

• np.zeros

numpy.zeros(shape, dtype = float, order = 'C')

        创建指定大小的数组，数组元素以 0 来填充

        参数介绍：shape：数组形状。需要传入图像的宽和高。也可以用 image.shape传入数据。

                          dtype：数据类型。可以参考如下表格：

                          order：‘C’用于C的行数组。或者用‘F’用于FORTRAN的列数组

在代码中，m2[100:300,300:500,2]=255，是将像素点从左上角开始数，坐标区间【100->300】,【300->500】的像素进行赋值。坐标和值都可以自己设置

• 四：像素之间的加减法

src = cv.imread("D:/p1.jpg")
src2 = cv.imread("D:/p2.jpg") 

#加法
add_result = np.zeros(src2.shape, src2.dtype)
cv.add(src,src2,add_result)
cv.imshow("add-result",add_result)
#减法
sub_result = np.zeros(src2.shape, src2.dtype)
cv.subtract(src,src2,sub_result)
cv.imshow("sub_result",sub_result)
#乘法
mul_result = np.zeros(src2.shape, src2.dtype)
cv.multiply(src,src2,mul_result)
cv.imshow("mul_result",mul_result)
#除法
div_result = np.zeros(src2.shape,src2.dtype)
cv.divide(src,src2,div_result)
cv.imshow("div_result",div_result)

• cv.add()  加法  ；cv.subtract()  减法  ；cv.multiply()  乘法  ；cv.divide()  除法

        这些像素级的图像计算函数共通的，前两个参数为需要参与计算的两张图像，最后一个参数是输出的图像。通常我们会用 np.zeros 函数创建一个新的空图像。然后再放进函数中去

• 五：像素逻辑运算

#逻辑运算
dst1 = cv.bitwise_and(src, src2)#与运算
dst2 = cv.bitwise_xor(src, src2)#异或运算
dst3 = cv.bitwise_or(src, src2) #或运算

cv.imshow("dst1", dst1)
cv.imshow("dst2", dst2)
cv.imshow("dst3", dst3)

• cv.bitwise主要有四种逻辑运算函数   cv.bitwise_and（按位与）  cv.bitwise_not（非运算）  cv.bitwise_xor（异或运算）  cv.bitwise_or（或运算）

         这些像素级的图像计算函数共通的，两个参数为参与运算的两个图像变量。然后用 “=” 号承接图像即可。