一、計算機眼中的圖像

1.圖像操作

構(gòu)成像素點的數(shù)字在0~255之間

RGB叫做圖像的顏色通道

?h=500，w=500

?

?2.灰度圖像

3. 彩色圖像

?4.圖像的讀取

?5.視頻的讀取

cv2.VideoCapture()--在OpenCV中，可以使用VideoCapture來讀取視頻文件，或是攝像頭數(shù)據(jù)。

cv2.VideoCapture.isOpened()--判斷文件打開是否成功，可以使用cv2.VideoCapture.isOpened()這個函數(shù)。

cv2.VideoCapture.read()--cv2.VideoCapture.read()提供了一個最簡單的視頻幀處理方式，集合了抓起Grab（），解碼retrieve（）兩個功能，返回解碼之后的數(shù)據(jù)。需要特別注意的是，如果獲取到空幀，抓取失敗或是文件結(jié)束，返回值會是一個空指針

示例：

VideoCapture也是支持讀取攝像頭的，提供rtsp碼流即碼流地址，

?二

1.截取部分圖像數(shù)據(jù)

import os   
import cv2 # 遍歷指定目錄，顯示目錄下的所有文件名
def CropImage4File(filepath,destpath):pathDir =  os.listdir(filepath)    # 列出文件路徑中的所有路徑或文件for allDir in pathDir:child = os.path.join(filepath, allDir)dest = os.path.join(destpath,allDir)if os.path.isfile(child):image = cv2.imread(child) sp = image.shape            #獲取圖像形狀：返回【行數(shù)值，列數(shù)值】列表sz1 = sp[0]                 #圖像的高度（行 范圍）sz2 = sp[1]                 #圖像的寬度（列 范圍）#sz3 = sp[2]                #像素值由【RGB】三原色組成#你想對文件的操作a=int(sz1/2-64) # x startb=int(sz1/2+64) # x endc=int(sz2/2-64) # y startd=int(sz2/2+64) # y endcropImg = image[a:b,c:d]   #裁剪圖像cv2.imwrite(dest,cropImg)  #寫入圖像路徑if __name__ == '__main__':filepath ='F:\\\maomi'             #源圖像destpath='F:\\maomi_resize'        # resized images saved hereCropImage4File(filepath,destpath)

2. 截取部分圖像數(shù)據(jù)-批量處理

"""
處理數(shù)據(jù)集 和 標簽數(shù)據(jù)集的代碼：（主要是對原始數(shù)據(jù)集裁剪）處理方式：分別處理注意修改 輸入 輸出目錄 和 生成的文件名output_dir = "./label_temp"input_dir = "./label"
"""
import cv2
import os
import sys
import timedef get_img(input_dir):img_paths = []for (path,dirname,filenames) in os.walk(input_dir):for filename in filenames:img_paths.append(path+'/'+filename)print("img_paths:",img_paths)return img_pathsdef cut_img(img_paths,output_dir):scale = len(img_paths)for i,img_path in enumerate(img_paths):a = "#"* int(i/1000)b = "."*(int(scale/1000)-int(i/1000))c = (i/scale)*100time.sleep(0.2)print('正在處理圖像： %s' % img_path.split('/')[-1])img = cv2.imread(img_path)weight = img.shape[1]if weight>1600:                         # 正常發(fā)票cropImg = img[50:200, 700:1500]    # 裁剪【y1,y2：x1,x2】#cropImg = cv2.resize(cropImg, None, fx=0.5, fy=0.5,#interpolation=cv2.INTER_CUBIC) #縮小圖像cv2.imwrite(output_dir + '/' + img_path.split('/')[-1], cropImg)else:                                        # 卷簾發(fā)票cropImg_01 = img[30:150, 50:600]cv2.imwrite(output_dir + '/'+img_path.split('/')[-1], cropImg_01)print('{:^3.3f}%[{}>>{}]'.format(c,a,b))if __name__ == '__main__':output_dir = "../img_cut"           # 保存截取的圖像目錄input_dir = "../img"                # 讀取圖片目錄表img_paths = get_img(input_dir)print('圖片獲取完成 。。。！')cut_img(img_paths,output_dir)

3.?多進程（加快處理）

#coding: utf-8
"""
采用多進程加快處理。添加了在讀取圖片時捕獲異常，OpenCV對大分辨率或者tif格式圖片支持不好
處理數(shù)據(jù)集 和 標簽數(shù)據(jù)集的代碼：（主要是對原始數(shù)據(jù)集裁剪）處理方式：分別處理注意修改 輸入 輸出目錄 和 生成的文件名output_dir = "./label_temp"input_dir = "./label"
"""
import multiprocessing
import cv2
import os
import timedef get_img(input_dir):img_paths = []for (path,dirname,filenames) in os.walk(input_dir):for filename in filenames:img_paths.append(path+'/'+filename)print("img_paths:",img_paths)return img_pathsdef cut_img(img_paths,output_dir):imread_failed = []try:img = cv2.imread(img_paths)height, weight = img.shape[:2]if (1.0 * height / weight) < 1.3:       # 正常發(fā)票cropImg = img[50:200, 700:1500]     # 裁剪【y1,y2：x1,x2】cv2.imwrite(output_dir + '/' + img_paths.split('/')[-1], cropImg)else:                                   # 卷簾發(fā)票cropImg_01 = img[30:150, 50:600]cv2.imwrite(output_dir + '/' + img_paths.split('/')[-1], cropImg_01)except:imread_failed.append(img_paths)return imread_faileddef main(input_dir,output_dir):img_paths = get_img(input_dir)scale = len(img_paths)results = []pool = multiprocessing.Pool(processes = 4)for i,img_path in enumerate(img_paths):a = "#"* int(i/10)b = "."*(int(scale/10)-int(i/10))c = (i/scale)*100results.append(pool.apply_async(cut_img, (img_path,output_dir )))print('{:^3.3f}%[{}>>{}]'.format(c, a, b)) # 進度條（可用tqdm）pool.close()                        # 調(diào)用join之前，先調(diào)用close函數(shù)，否則會出錯。pool.join()                         # join函數(shù)等待所有子進程結(jié)束for result in results:print('image read failed!:', result.get())print ("All done.")if __name__ == "__main__":input_dir = "D:/image_person"       # 讀取圖片目錄表output_dir = "D:/image_person_02"   # 保存截取的圖像目錄main(input_dir, output_dir)

?4.顏色通道提取

在OpenCV中，cv2.split() 函數(shù)用于將多通道數(shù)組（如彩色圖像）拆分為多個單通道數(shù)組。彩色圖像通常由多個顏色通道組成，例如BGR（藍綠紅）彩色空間中的三個通道。cv2.split() 函數(shù)將這些通道拆分為獨立的數(shù)組，每個數(shù)組只包含一個通道的信息。

以下是使用 cv2.split() 的示例代碼：

import cv2# 讀取一張彩色圖片
image = cv2.imread('path_to_your_color_image.jpg')# 使用 cv2.split() 拆分通道
b, g, r = cv2.split(image)# 此時，b, g, r 分別包含藍色、綠色和紅色通道的圖像數(shù)據(jù)# 如果你想查看每個通道的圖像，可以這樣做：
cv2.imshow('Blue Channel', b)
cv2.imshow('Green Channel', g)
cv2.imshow('Red Channel', r)# 等待按鍵，然后關(guān)閉窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

?5.合并顏色通道

cv2.merge() 是 OpenCV 中用來合并多個單通道圖像為一個多通道圖像的函數(shù)。它的工作原理與 cv2.split() 相反。如果你有幾個單通道圖像（例如，從 cv2.split() 得到的），并且你想將它們合并成一個多通道圖像（例如，一個彩色圖像），那么你可以使用 cv2.merge()。

以下是 cv2.merge() 的基本用法：

import cv2# 假設(shè)你有三個單通道圖像：b, g, r
# 這些通常是通過 cv2.split() 從一個彩色圖像中得到的
b = ... # 藍色通道圖像
g = ... # 綠色通道圖像
r = ... # 紅色通道圖像# 使用 cv2.merge() 將它們合并為一個彩色圖像
bgr_image = cv2.merge([b, g, r])# 現(xiàn)在 bgr_image 是一個包含 b, g, r 三個通道的彩色圖像

在 cv2.merge() 函數(shù)中，你需要傳遞一個列表作為參數(shù)，該列表包含你想要合并的所有單通道圖像。合并的順序很重要，因為它決定了輸出圖像中通道的順序。在上述示例中，我們按照 BGR（藍綠紅）的順序合并了通道，這是 OpenCV 中彩色圖像的標準通道順序。

如果你想合并的通道順序與 BGR 不同，例如 RGB（紅綠藍）順序，你需要相應(yīng)地調(diào)整通道的順序：

rgb_image = cv2.merge([r, g, b])

請注意，cv2.merge() 要求所有輸入圖像都具有相同的大小和類型。如果它們的大小或類型不匹配，函數(shù)將拋出一個錯誤。

在處理圖像時，理解通道的順序和類型非常重要，因為不同的圖像處理庫和函數(shù)可能會使用不同的通道順序和數(shù)據(jù)類型。OpenCV 使用 BGR 順序，而一些其他庫（如 PIL/Pillow）則使用 RGB 順序。因此，在將圖像從一個庫傳遞到另一個庫時，可能需要進行通道順序的轉(zhuǎn)換。

6.邊界填充

cv2.copyMakeBorder() 是 OpenCV 庫中的一個函數(shù)，用于在圖像周圍創(chuàng)建邊框。cv2.copyMakeBorder(src,top,bottom,left,right,borderType,value)

下面是該函數(shù)的參數(shù)及其解釋：

src：要處理的輸入圖像。
top：在源圖像的頂部添加的像素數(shù)目。
bottom：在源圖像的底部添加的像素數(shù)目。
left：在源圖像的左側(cè)添加的像素數(shù)目。
right：在源圖像的右側(cè)添加的像素數(shù)目。
borderType：邊框類型，可以是以下之一：
cv2.BORDER_CONSTANT：添加一個常量值的邊框。此時需要提供一個value參數(shù)，用于指定常量值。
cv2.BORDER_REPLICATE：復制源圖像的邊界像素。
cv2.BORDER_REFLECT：對源圖像的邊界進行反射，比如：fedcba|abcdefgh|hgfedcb
cv2.BORDER_REFLECT_101：對源圖像的邊界進行反射，但略微不同，比如：gfedcb|abcdefgh|gfedcba
cv2.BORDER_WRAP：對源圖像的邊界進行包裝，比如：cdefgh|abcdefgh|abcdefg
value（可選）：當borderType為cv2.BORDER_CONSTANT時，指定的常量值。
該函數(shù)返回一個新的圖像，其大小為原始圖像加上指定邊框大小，并且根據(jù)指定的邊框類型進行填充。

?示例代碼：

image = cv2.imread('./img/dog21.png')
image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
# 定義填充參數(shù)
top_border = 10
bottom_border = 10
left_border = 10
right_border = 10# 使用常數(shù)填充，填充值為0
bordered_image_constant = cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_CONSTANT, value=0)# 使用邊界復制
bordered_image_replicate = cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_REPLICATE)# 使用邊界反射
bordered_image_reflect = cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_REFLECT)# 使用邊界反射101
bordered_image_reflect_101 = cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_REFLECT_101)# 使用邊界包裹
bordered_image_wrap = cv2.copyMakeBorder(image, top_border, bottom_border, left_border, right_border, cv2.BORDER_WRAP)# 創(chuàng)建子圖
fig, ((ax1, ax2, ax3),(ax4, ax5,ax6)) = plt.subplots(2, 3, figsize=(20, 10), sharex=True, sharey=True)# 顯示圖像
ax1.imshow(image.copy())
ax1.set_title('original')
ax2.imshow(bordered_image_constant)
ax2.set_title('constant')
ax3.imshow(bordered_image_replicate, cmap='gray')
ax3.set_title('replicate')
ax4.imshow(bordered_image_reflect, cmap='gray')
ax4.set_title('reflect')
ax5.imshow(bordered_image_reflect_101, cmap='gray')
ax5.set_title('reflect_101')
ax6.imshow(bordered_image_wrap, cmap='gray')
ax6.set_title('wrap')
plt.show()

Python OpenCV庫中的邊界填充通常用于圖像處理，比如二值化后的邊緣增強、腐蝕膨脹操作后的填補空洞等。邊界填充函數(shù)cv2.floodFill()是一個常用工具。這個函數(shù)會在指定起點周圍填充特定顏色，直到遇到另一個更大區(qū)域或者達到邊界條件。

以下是一個基本的使用示例：

import cv2
import numpy as np# 假設(shè)img是你的輸入圖像，前景像素是白色，背景是黑色
img = ...  # 你的圖像數(shù)組# 定義起始點和填充的顏色
seed_point = (x, y)  # 起始填充點的坐標
new_color = (255, 255, 255)  # 填充的新顏色，這里是白色# 應(yīng)用 floodFill
mask = np.zeros(img.shape[:2], dtype=np.uint8)
cv2.floodFill(img, mask, seed_point, new_color)# 顯示結(jié)果
cv2.imshow("Filled Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

?7.數(shù)值計算

?

?cv2.add（）函數(shù)中，如果像素點相加之和超過255則最大只能為255，不超過則不變

8.圖像融合

兩個圖片shape值如果不一樣不能做數(shù)值計算

resize函數(shù)

?

?

?1.圖像尺寸調(diào)整
cv2.resize(img,(w,h))：調(diào)整圖像img尺寸到w*h；
cv2.resize(img,(0,0),fx=3,fy=1)：將w、h設(shè)置為0，fx為x向相對原圖的比例，fy為y向相對于原圖的比例，fx與fy大于1時圖像為放大，小于1時為縮小。
2.圖像融合
imgf=cv2.addWeighted(img1,α,img2,β,b)
img1與img2為需要融合的圖像
α和β為兩張圖的融合系數(shù)
b為圖像偏置量
計算方式：imgf=α×img1+β×img2+b
注意：兩張可融合的圖片必須尺寸一致，如不一致，需通過resize操作調(diào)整為一致方可融合
示例代碼

import cv2
import os
os.chdir('e://text')
img1=cv2.imread('wanzi.png')
img2=cv2.imread('car.jpg')
def cv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()
print(img1.shape)
print(img2.shape)
img2=cv2.resize(img2,(396,203))
#注意此句，img.shape的數(shù)值時(h,w),而resize需要的輸入是(w,h),兩者是顛倒的
print(img2.shape)
a=cv2.addWeighted(img,1,img2,0.5,0)
#注意：相加后，像素中加和超過255的值會被置為255
cv_show('a',a)