• [Python从零到壹] 十.Selenium爬取在线百科知识万字详解（NLP语料构造必备技能）

• [Python从零到壹] 十三.机器学习之聚类分析万字总结全网首发（K-Means、BIRCH、层次聚类、树状聚类）
• [Python从零到壹] 十四.机器学习之分类算法五万字总结全网首发（决策树、KNN、SVM、分类对比实验） 
• [Python从零到壹] 十五.文本挖掘之数据预处理、Jieba工具和文本聚类万字详解
• [Python从零到壹] 十六.文本挖掘之词云热点与LDA主题分布分析万字详解
• [Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解
• [Python从零到壹] 十八.可视化分析之Basemap地图包入门详解

OpenCV是一个轻量级高效的跨平台计算机视觉库，实现了图像处理和计算机视觉方面的多种通用算法。所谓的图像可以理解为一个数组，图像处理就是对数组的处理。首先，本文将介绍OpenCV中常见的数据类型，包括点Point类、颜色Scalar类、尺寸Size类、矩形Rect类、矩阵Mat类[1-2]。

1.点Point

表示二维坐标系中的点，含x和y。其示例如下：

#OpenCV示例
Point p; p.x=1, p.y=2;
Point p=Point(1, 2);

#Python示例
points_list = [(160, 160), (136, 160)]

2.颜色Scalar

包含四个元素的数组，设置像素值RGB三通道，第四个参数可忽略。其示例如下：

#OpenCV示例 BGR三分量
Scalar(b, g, r);

#Python示例
(0, 0, 255)

3.尺寸Size

它和Point相似，主要成员包括height和width。其示例如下：

#OpenCV示例
Size(5, 5);
Size_(_Tp _width, _Tp _height);

#Python示例
width, height = img.shape

4.矩形Rect

Rect类称为矩形类，包含Point类的成员x和y（代表矩形左上角的坐标）和Size类的成员width和height（代表矩形的大小）。其示例如下：

#OpenCV示例
Rect rect = rect1 & rect2;    #求两矩形交集
Rect rect = rect1 | rect2;    #求两矩形并集
Rect rectShift = rect + point;  #矩形平移
Rect rect = rect1 + size;     #矩形缩放

#Python示例
cv2.rectangle(img, (20,20), (150,250), (255,0,0), 2)

5.矩阵Mat

通用的矩阵类，用来创建和操作多维矩阵。其示例如下：

#OpenCV示例
Mat M(3,2, CV_8UC3, Scalar(0,0,255));

#Python示例
np.zeros((256,256,3), np.uint8)

二.OpenCV读取与显示图像

在OpenCV2中，图像的读取和显示是最简单的两句代码，它们通过imread()和imshow()函数实现[3]。OpenCV读取图像的imread()函数原型如下，它将从指定的文件加载图像并返回矩阵，如果无法读取图像（因为缺少文件、权限不正确、格式不支持或图像无效等），则返回空矩阵（Mat::data==NULL）。

• retval = imread(filename[, flags])
  – filename表示需要载入的图片路径名，其支持Windows位图、JPEG文件、PNG图片、便携文件格式、Sun rasters光栅文件、TIFF文件、HDR文件等。
• flags为int类型，表示载入标识，它指定一个加载图像的颜色类型，默认值为1。其中cv2.IMREAD_UNCHANGED表示读入完整图像或图像不可变，包括alpha通道；cv2.IMREAD_GRAYSCALE表示读入灰度图像；cv2.IMREAD_COLOR表示读入彩色图像，默认参数，忽略alpha通道。

OpenCV中显示图像调用imshow()函数，它将在指定窗口中显示一幅图像，窗口会自动调整为图像大小，其原型如下所示：

• imshow(winname, mat)
  – winname表示窗口的名称
  – mat表示要显示的图像

下面是第一个示例程序，主要用于读取和加载经典的“Lena”图像。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#读取图片
img = cv2.imread("Lena.png")

#显示图像
cv2.imshow("Demo", img)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如图2-1所示：

需要注意，在图像显示过程中，如果代码中没有waitKey(0)函数，其运行结果可能会出现错误，加载一幅灰色的图像，如图2-2所示。

因此，在显示图像过程中，通常还会调用两个操作窗口的函数，它们分别是waitKey()和destroyAllWindows()。

• retval = waitKey([, delay])
  – 键盘绑定函数，共一个参数delay，表示等待的毫秒数，看键盘是否有输入，返回值为ASCII值。如果其参数为0，则表示无限期的等待键盘输入；参数大于0表示等待delay毫秒；参数小于0表示等待键盘单击。

• destroyAllWindows()
  – 该函数可以轻易删除所有建立的窗口。如果你想删除特定的窗口可以使用 cv2.destroyWindow()，并在括号内输入要删除的窗口名。

同时，可以设置加载图像后无限期等待，直到输入指定的按键才退出窗口，如下面的代码需要输入ESC才退出。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#读取图片
img = cv2.imread("Lena.png")

#显示图像
cv2.imshow("Demo", img)

#无限期等待输入
k=cv2.waitKey(0)

#如果输入ESC按键退出
if k==27:
    cv2.destroyAllWindows()

此外，在对比实验中，我们通常需要显示多张图片，此时可以调用NumPy和Matplotlib库辅助完成[4]，具体实现过程如下所示。

• NumPy（Numeric Python）是Python提供的数值计算扩展包，拥有高效的处理函数和数值编程工具，主要用于科学计算，如矩阵数据类型、线性代数、矢量处理等。
• Matplotlib是Python强大的数据可视化工具和2D绘图库，常用于创建海量类型的2D图表和一些基本的3D图表，类似于MATLAB和R语言。Matplotlib提供了一整套和Matlab相似的命令API，十分适合交互式地进行制图，而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。Matplotlib是一名神经生物学家John D. Hunter博士于2007年创建，函数设计上参考了Matlab，现在在Python的各个科学计算领域都得到了广泛应用。

该程序是调用cv2.imread()函数分别读取四张图片，并转换为RGB颜色空间，接着通过for循环分别设置各子图对应的图像、标题及坐标轴名称，其中plt.subplot(2,2)表示生成2×2张子图。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取图像
img1 = cv2.imread('lena.png')
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)

img2 = cv2.imread('xluo.png')
img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)

img3 = cv2.imread('flower.png')
img3 = cv2.cvtColor(img3, cv2.COLOR_BGR2RGB)

img4 = cv2.imread('huawei.png')
img4 = cv2.cvtColor(img4, cv2.COLOR_BGR2RGB)

#显示四张图像
titles = ['lena', 'people', 'flower', 'huawei']
images = [img1, img2, img3, img4]
for i in range(4):
   plt.subplot(2, 2, i+1), plt.imshow(images[i], 'gray')
   plt.title(titles[i])
   plt.xticks([]),plt.yticks([])
plt.show()

输出如图2-3所示，它显示了四幅图像。在图像处理对比中，同时对比多种算法的处理效果是非常重要的手段之一。

三.OpenCV像素处理

OpenCV中读取图像的像素值可以直接通过遍历图像的位置实现，如果是灰度图像则返回其灰度值，如果是彩色图像则返回蓝色（B）、绿色（G）、红色（G）三个分量值。其示例如下：

• 灰度图像：返回值 = 图像[位置参数]
  示例：test=img[88,42]

• 彩色图像：返回值 = 图像[位置元素, 0 | 1 | 2 ]获取BGR三个通道像素
  示例：blue=img[88,142,0] green=img[88,142,1] red=img[88,142,2]

当需要修改图像中的像素时，则定位指定像素并直接赋新像素值即可，彩色图像需要依次给三个分量赋值。如下列代码所示。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#读取图片
img = cv2.imread("Lena.png")

#读取像素
test = img[88,142]
print("读取的像素值:", test)

#修改像素
img[88,142] = [255, 255, 255]
print("修改后的像素值:", test)

#分别获取BGR通道像素
blue = img[88,142,0]
print("蓝色分量", blue)
green = img[88,142,1]
print("绿色分量", green)
red = img[88,142,2]
print("红色分量", red)

#显示图像
cv2.imshow("Demo", img)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

读取的像素值及修改后的像素值结果如图2-4所示。

下面代码是将100到200行、150到250列的像素区域设置为白色的效果。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#读取图片
img = cv2.imread("Lena.png")

#该区域设置为白色
img[100:200, 150:250] = [255,255,255]

#显示图像
cv2.imshow("Demo", img)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

图2-5是最终显示的效果图，它将img[100:200, 150:250] 区域显示为白色。

四.NumPy像素处理

前面是直接读取和修改图像像素的方法，下面讲解通过NumPy库读取像素和修改像素的方法。NumPy是Python提供的数值计算扩展包，拥有高效的处理函数和数值编程工具，Array是NumPy库中最基础的数据结构，表示数组。NumPy可以很方便地创建各种不同类型的多维数组，并且执行一些基础操作。

在图像处理中，NumPy读取像素调用item()函数实现，修改像素调用itemset()实现，其原型如下所示[5]。使用Numpy进行像素读取，调用方式如下：

• 返回值 = 图像.item(位置参数)
  例如：blue = img.item(78, 100, 0)

使用Numpy的itemset函数修改像素，调用方式如下：

• 图像.itemset(位置, 新值)
  例如：img.itemset((88,99), 255)

最终实现代码如下所示。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy

#读取图片
img = cv2.imread("Lena.png")
print(type(img))

#Numpy读取像素
print(img.item(78, 100, 0))
print(img.item(78, 100, 1))
print(img.item(78, 100, 2))

#Numpy修改像素
img.itemset((78, 100, 0), 100)
img.itemset((78, 100, 1), 100)
img.itemset((78, 100, 2), 100)
print(img.item(78, 100, 0))
print(img.item(78, 100, 1))
print(img.item(78, 100, 2))

输出结果如下所示，原始图像BGR像素值为88、84、196，修改后的像素值为100、100、100。

<class 'numpy.ndarray'>
88
84
196
100
100
100

五.OpenCV创建图像

由于在OpenCV2中没有CreateImage函数，如果需要创建图像，则需要使用Numpy库函数实现。如下述代码，调用np.zeros()函数创建空图像，创建的新图像使用Numpy数组的属性来表示图像的尺寸和通道信息，其中参数img.shape表示原始图像的形状，np.uint8表示类型。

• emptyImage = np.zeros(img.shape, np.uint8)

例如img.shape为(500, 300, 3)，它表示500×300像素的图像，3表示这是一个RGB图像。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#读取图片
img = cv2.imread("Lena.png")

#创建空图像
emptyImage = np.zeros(img.shape, np.uint8)

#显示图像
cv2.imshow("Demo", emptyImage)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

显示结果如图2-6所示，这是一幅新创建的“空白”图像。

六.OpenCV复制图像

复制原有图像来获取一幅新图像，可以调用copy()函数实现。

• emptyImage2 = img.copy()

下述代码实现了图像的创建和复制功能。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#读取图片
img = cv2.imread("Lena.png")

#创建空图像
emptyImage = np.zeros(img.shape, np.uint8)

#复制图像
emptyImage2 = img.copy()

#显示图像
cv2.imshow("Demo1", img)
cv2.imshow("Demo2", emptyImage)
cv2.imshow("Demo3", emptyImage2)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

最终输出结果如图2-7所示，Demo1表示原始图像，Demo2表示创建的空白图像，Demo3表示复制的图像。

七.OpenCV保存图像

在OpenCV中，输出图像到文件使用的函数为imwrite()，其函数原型如下：

• retval = imwrite(filename, img[, params])
  – filename表示要保存的路径及文件名
  – img表示图像矩阵
  – params表示特定格式保存的参数编码，默认值为空。对于JPEG图片，该参数（cv2.IMWRITE_JPEG_QUALITY）表示图像的质量，用0-100的整数表示，默认值为95。对于PNG图片，该参数（cv2.IMWRITE_PNG_COMPRESSION）表示的是压缩级别，从0到9，压缩级别越高，图像尺寸越小，默认级别为3。对于PPM、PGM、PBM图片，该参数表示一个二进制格式的标志（cv2.IMWRITE_PXM_BINARY）[2]。注意，该类型为Long，必须转换成int。

下面是一个调用imwrite()函数输出图像到指定的文件的代码。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#读取图像
img = cv2.imread("Lena.png")

#显示图像
cv2.imshow("Demo", img)

#保存图像
cv2.imwrite("dst1.jpg", img, [int(cv2.IMWRITE_JPEG_QUALITY), 5])  
cv2.imwrite("dst2.jpg", img, [int(cv2.IMWRITE_JPEG_QUALITY), 100])  
cv2.imwrite("dst3.png", img, [int(cv2.IMWRITE_PNG_COMPRESSION), 0])  
cv2.imwrite("dst4.png", img, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

原始图像“Lena.jpg”为222KB，调用imwrite()函数输出保存的图像共四张，如图2-8所示，其中“dst1.jpg”被压缩，大小为4.90KB，“dst2.jpg”图像大小为99.1KB，“dst3.png”大小为499KB，“dst4.png”大小为193KB。

八.总结

写到这里，这篇文章就介绍结束。本文详细介绍了OpenCV图像处理的基础用法，包括图像读取、显示、像素处理、创建、复制、写入和保存。通过这篇文章，初学者将学会基本的图像处理操作，代码比较简单，但希望大家一定要自己动手实现所有代码和案例，只有不断实践才能提升。

感谢在求学路上的同行者，不负遇见，勿忘初心。

感恩能与大家在华为云遇见！
希望能与大家一起在华为云社区共同成长，原文地址：https://blog.csdn.net/Eastmount/article/details/122654530

(By:娜璋之家 Eastmount 2022-02-28 夜于武汉)

参考文献：

• [1] 冈萨雷斯. 数字图像处理（第3版）[M]. 北京：电子工业出版社, 2013.
• [2] 阮秋琦. 数字图像处理学（第3版）[M]. 北京：电子工业出版社，2008.
• [3] Eastmount. [Python图像处理] 一.图像处理基础知识及OpenCV入门函数[EB/OL]. (2018-08-16). https://blog.csdn.net/Eastmount/article/details/81748802.
• [4] 杨秀璋, 颜娜. Python网络数据爬取及分析从入门到精通（分析篇）[M]. 北京：北京航天航空大学出版社, 2018.
• [5] Eastmount. [Python图像处理] 二.OpenCV+Numpy库读取与修改像素[EB/OL]. (2018-08-28). https://blog.csdn.net/eastmount/article/details/82120114.