【OpenCV】(二)OpenCV基础知识和绘制图形

关注

原创 2026-01-22 16:24:04 1.1k 阅读 AI 写同款· GEO 优化 ›

二.OpenCV基础知识和绘制图形 2. OpenCV基础知识和绘制图形 ###2.1 OpenCV的色彩空间 2.1.1 RGB和BGR 最常见的色彩空间就是RGB, 人眼也是基于RGB的色彩空间去分辨颜色的. OpenCV默认使用的是BGR. BGR和RGB色彩空间的区别在于图片在色彩通道上的排列顺序不同. 显示图片的时候需要注意适配图片的色彩空间和显示环境的色彩空间.比如传入的图片是BGR色彩空间, 显示环境是RBG空间, 就会出现颜色混乱的情况. 2.1. 2 HSV, HSL和YUV 2.1.2.1 HSV OpenCV用的阅读详情

系列内容:OpenCV概述与环境配置,OpenCV基础知识和绘制图形,图像的算数与位运算,图像视频的加载和显示,图像基本变换,滤波器,形态学,图像轮廓,图像直方图,车辆统计项目,特征检测和匹配,图像查找和拼接,虚拟计算器项目,信用卡识别项目,图像的分割与修复,人脸检测与车牌识别,目标追踪,答题卡识别判卷与文档ocr扫描识别,光流估计

（一）OpenCV的色彩空间

1.RGB和BGR

最常见的色彩空间就是RGB,人眼也是按照RGB色彩空间分别颜色OpenCV默认使用BGR,BGR与RGB色彩空间的区别在于图片在色彩通道上的排列顺序不同RGB

(1)RGB

RGB如图2.1所示:

(2)BGR

BGR如图2.2所示:

2.HSV,HSL和YUV

(1)HSV(HSB)

OpenCV使用最多的色彩空间,如图2.3所示:

Hue:色相,圆盘,0°红,120°黄,240°蓝
Saturation:饱和度,饱和度越高,颜色越鲜艳
Value(Brighteness):明度,颜色明亮程度,取值为0\%(黑)-100\%(白)

使用原因:便于图像处理,如根据Vue值来判断背景颜色

(2)HSL

概述:

HSL和HSV差不多

Hue:色相
Saturation:饱和度
Lightness:亮度

HSL和HSV对比,如图2.4所示:

(3)YUV

概述:

YUV是一种颜色编码方式,常使用在各个视频处理组件中.

Y表示明亮度(Luma)
U和V表示色度(Chroma)

优势:占用少量的带宽

4:4:4表示完全取样

(4)例子

待处理的图片,如图2.5所示:

读取图片:

import cv2  # 导入OpenCV库

# 读取图片文件
dog = cv2.imread('./dog.jpg')  

# 显示图片，窗口名称为'dog'
cv2.imshow('dog', dog)  

# 等待用户按键，参数0表示无限等待
cv2.waitKey(0)  

# 销毁所有OpenCV窗口
cv2.destroyAllWindows()

矩阵表示,如图2.6所示:

选取前两个矩阵,把各列相加,接着比较不重复的颜色值的和,如图2.7所示:

3.色彩空间转换

代码:

import cv2

def callback(value):
    pass

cv2.namedWindow('color', cv2.WINDOW_NORMAL)
cv2.resizeWindow('mouse', 640, 480)

img = cv2.imread('./dog.jpg')

# 颜色空间转换表以COLOR开头
# 读取照片，默认读入照片为BGR
# 常见的颜色空间转换 2=to
colorspaces = [
    cv2.COLOR_BGR2RGBA, cv2.COLOR_BGR2BGRA,
    cv2.COLOR_BGR2GRAY, cv2.COLOR_BGR2HSV,
    cv2.COLOR_BGR2YUV
]

# 设置拖动条，4个格子
cv2.createTrackbar('curcolor', 'color', 0, 4, callback)

while True:
    # 获取拖动条的值
    index = cv2.getTrackbarPos('curcolor', 'color')

    # 颜色空间转换API：
    cvt_img = cv2.cvtColor(img, colorspaces[index])

    cv2.imshow('color', cvt_img)
    key = cv2.waitKey(10)
    if key & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

BGR,如图2.8所示:

RGB,如图2.9所示:

GRAY,如图2.10所示:

HSV,如图2.11所示:

YUV,如图2.12所示:

（二）OpenCV的重要数据结构--Mat

1.Mat介绍

（1）不同语言中的mat:

opencv用mat这种数据结构来表示图片的

C++是用mat来保存图片的,python中把mat转化成了numpy的ndarray

mat的结构,如图2.13所示:

C++定义,如图2.14所示:

Mat属性,如图2.15所示:

（2）ndarray的四种常见属性:

属性:

img.data;
img.size;
img.dtype;
img.shape;
img.ndim;

示例(1)如图2.16所示:

示例(2)如图2.17所示:

2. Mat拷贝

（1）Mat共享数据

Mat共享数据,如图2.18所示:

（2）Mat的拷贝

使用numpy提供的深浅拷贝方法即可实现Mat的拷贝：

import cv2
import numpy as np

img = cv2.imread('./dog.jpg')

# 浅拷贝
img2 = img.view()

# 深拷贝
img3 = img.copy()

img[10:100, 10:100] = [0, 0, 255]

cv2.imshow('img', img)
cv2.imshow('img2', img2)
cv2.imshow('img3', img3)

cv2.waitKey(0)
cv2.destroyAllWindows()

或者,利用hstack函数堆叠起来对比:

import cv2
import numpy as np

img = cv2.imread('./dog.jpg')

# 浅拷贝
img2 = img.view()

# 深拷贝
img3 = img.copy()

img[10:100, 10:100] = [0, 0, 255]

cv2.imshow('img', np.hstack((img, img2, img3)))

cv2.waitKey(0)
cv2.destroyAllWindows()

浅拷贝与深拷贝结果,如图2.19所示:

3.访问图像(Mat)的属性

OpenCV中的Mat在python中已经转化为ndarray,通过ndarray的属性即可访问Mate图像的属性

import cv2
import numpy as np

# 读取图片
img = cv2.imread('./dog.jpg')

# 浅拷贝
img2 = img.view()

# 深拷贝
img3 = img.copy()

# 修改原图的部分区域
img[10:100, 10:100] = [0, 0, 255]

# 水平堆叠原图、浅拷贝和深拷贝的图像并显示
cv2.imshow('img', np.hstack((img, img2, img3)))

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

4.通道的分离与合并

主要方法:

split(mat)分割图像的通道,merge((ch1,ch2,ch3))融合多个通道

(1)将图片b,g分割后融合

import cv2
import numpy as np

# 创建一个全黑的图像，大小为400x640，3通道，数据类型为np.uint8
img = np.zeros((400, 640, 3), np.uint8)

# 将图像分割成蓝、绿、红三个通道
b, g, r = cv2.split(img)

# 修改蓝色和绿色通道的部分区域为255（白色）
b[10:100, 10:100] = 255
g[10:100, 10:100] = 255

# 合并通道
img2 = cv2.merge((b, g, r))

# 显示原图和各个通道以及合并后的图像
cv2.imshow('img', img)
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('img2', img2)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

将图片b,g分割后融合结果,如图2.20所示:

(2)将img和img2水平放置在一起对比:

import cv2
import numpy as np

# 创建一个全黑的图像，大小为400x640，3通道，数据类型为np.uint8
img = np.zeros((400, 640, 3), np.uint8)

# 将图像分割成蓝、绿、红三个通道
b, g, r = cv2.split(img)

# 打印蓝色通道（初始全0）
print('b', b)

# 修改蓝色和绿色通道的部分区域为255（白色）
b[10:100, 10:100] = 255
g[10:100, 10:100] = 255

# 合并通道
img2 = cv2.merge((b, g, r))

# 显示原图（蓝色和绿色通道水平堆叠）和修改后的图像（原图和合并后的图像水平堆叠）
cv2.imshow('img', np.hstack((b, g)))
cv2.imshow('img2', np.hstack((img, img2)))

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

将img和img2水平放置在一起对比,如图2.21所示:

（三）绘制图形

利用OpenCV提供的绘制图形API可以绘制直线,矩形,圆,椭圆等图形:

1.直线

line(img,pt1,pt2,color,thickness,lineType,shift)画直线

参数说明

1.img:在哪个图像上画直线
2. pt1,pt2:开始点,结束点指定线的开始和结束位置
3. color:颜色
4. thickness:线宽
5. lineType:线型,线形为-1,4,8,16,默认为8
6. shift:坐标缩放比例

绘制直线示例:

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((480, 640, 3), np.uint8)

# 绘制两条直线
cv2.line(img, (10, 20), (300, 400), (0, 0, 255), 5, 4)
cv2.line(img, (180, 100), (480, 580), (0, 0, 255), 5, 16)

# 显示图像
cv2.imshow('draw', img)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

绘制直线,如图2.22所示:

2.矩形

rectangle(img,pt1,pt2,color,thickness,lineType,shift)画矩形

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((480, 640, 3), np.uint8)

# 绘制矩形
cv2.rectangle(img, (80, 100), (380, 380), (0, 255, 0), 5)

# 显示图像
cv2.imshow('draw', img)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

画矩形,如图2.23所示:

3.圆

circle(img,center,radius,color[,thickness[,lineType[,shift]]])中括号内参数表示可选参数,画圆

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((480, 640, 3), np.uint8)

# 画圆
cv2.circle(img, (320, 240), 50, (0, 0, 255), 5)

# 显示图像
cv2.imshow('draw', img)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

画圆,如图2.24所示:

4.椭圆

ellipse(img,中心点,长宽的一半,角度,从哪个角度出发,从哪个角度结束....),画椭圆

（1）正椭圆

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((480, 640, 3), np.uint8)

# 画椭圆
cv2.ellipse(img, (320, 240), (100, 50), 0, 0, 360, (0, 0, 255), 5)

# 显示图像
cv2.imshow('draw', img)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

画正椭圆,如图2.25所示:

（2）倾斜15度椭圆

cv2.ellipse(img,(320,240),(100,50),15,0,360,[0,0,255],5,16)

画倾斜15度椭圆，如图2.26所示:

（3）画半椭圆(0-180度)

cv2.ellipse(img,(320,240),(100,50),15,0,180,[0,0,255],5,16)

如图2.27所示:

5.多边形

polylines(img,[pts],isClosed,color[thinckness[,lineType[,shift]])画多边形

（1）闭合多边形

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((400, 600, 3), np.uint8)

# 绘制多边形
# pts多边形的点集, 必须是int32位
pts = np.array([[250, 100], [150, 300], [50, 280]], np.int32)
# 注意pts是三维的（这里实际是二维点集，在OpenCV中polylines要求点集为三维数组，最后一个维度是点坐标，可理解为形状为(1, n, 2) ）
# 更准确的写法如下（将点集reshape为(1, -1, 2) ）：
pts = pts.reshape((-1, 1, 2))  
# 或者在创建时就写成三维形式，如：pts = np.array([[[250, 100]], [[150, 300]], [[50, 280]]], np.int32) 
# 下面按照正确形式绘制
cv2.polylines(img, [pts], True, (0, 0, 255), 5)

# 另一种常见正确写法，直接定义三维点集
# pts = np.array([[[250, 100], [150, 300], [50, 280]]], np.int32)
# cv2.polylines(img, pts, True, (0, 0, 255), 5)

cv2.imshow('draw', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

画闭合多边形,如图2.28所示:

（2）不闭合多边形

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((400, 600, 3), np.uint8)

# 绘制多边形（非闭合）
pts = np.array([[250, 100], [150, 300], [50, 280]], np.int32)
# OpenCV 的 polylines 函数要求点集为特定三维格式，这里调整点集格式
pts = pts.reshape((-1, 1, 2))  
cv2.polylines(img, [pts], False, (0, 0, 255), 5)

# 显示图像
cv2.imshow('draw', img)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

画不闭合多边形,如图2.29所示:

（3）fillPoly填充多边形

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((400, 600, 3), np.uint8)

# 定义多边形的顶点坐标
pts = np.array([[250, 100], [150, 300], [50, 280]], np.int32)
# 调整点集格式为OpenCV要求的三维格式 (n, 1, 2)
pts = pts.reshape((-1, 1, 2))  

# 填充多边形
cv2.fillPoly(img, [pts], (0, 0, 255))

# 显示图像
cv2.imshow('draw', img)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

fillPoly填充多边形如图2.30所示:

6.绘制文本

putText(img,text,org,fontScale,color[,thickness[,lineType[,bottomLeftOrigin]]])绘制文本

参数说明:

text 要绘制的文本
org 文本在图片的左下角坐标
fontFace 字体类型即字体
fontScale 字体大小

（1）显示英文

import cv2
import numpy as np

# 创建纯黑的背景图
img = np.zeros((400, 600, 3), np.uint8)

# 绘制文本
cv2.putText(img, 'Hello OpenCV', (50, 100), cv2.FONT_HERSHEY_COMPLEX, 2, (0, 0, 255), 2)

# 显示图像
cv2.imshow('draw', img)

# 等待按键并关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

显示英文,如图2.31所示:

（2）显示中文

导航到C:/Windows/Fonts,复制任何一个字体样式(ttf),粘贴到mven虚拟机的目录下

from PIL import ImageFont, ImageDraw, Image
import numpy as np
import cv2

# 创建纯白图像
img = np.full((500, 500, 3), fill_value=255, dtype=np.uint8)

# 导入字体文件
font = ImageFont.truetype('./方正粗黑宋简体.ttf', 35)

# 创建一个PIL图片
img_pil = Image.fromarray(img)

draw = ImageDraw.Draw(img_pil)

# 利用draw绘制中文
draw.text((100, 150), '你好,我好', font=font, fill=(0, 255, 0, 0))  
# 重新变为ndarray
img = np.array(img_pil)

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

显示中文,如图2.32所示:

（3）图片中显示文字

from PIL import ImageFont, ImageDraw, Image
import numpy as np
import cv2

# 导入字体文件
font = ImageFont.truetype('./方正粗黑宋简体.ttf', 35)
    
# 在图片内显示字符
img = cv2.imread('./dog.jpg')
    
# 创建一个pillow图片
img_pil = Image.fromarray(img)
    
draw = ImageDraw.Draw(img_pil)
    
# 利用draw绘制中文
draw.text((100, 150), '你好,我好', font=font, fill=(0, 255, 0, 0))   
    
# 重新变为ndarray
img = np.array(img_pil)
    
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

图片中显示文字,如图2.33所示:

（四）综合练习

练习:监听鼠标运动绘制图形

思路:

按下按键比如1,进入绘制直线模式,需要记录起始位置,即按下鼠标左键的那一瞬间的坐标位置
左键起来的鼠标坐标为终点,然后绘制
按下l,拖动鼠标,绘制直线
按下r,拖动鼠标,绘制矩形
按下c,拖动鼠标,绘制圆,拖动的长度可以作为半径

示例代码:

import cv2
import numpy as np

# 这是一个全局标志,判断需要画什么类型的图
curshape = 0
startpos = (0, 0)

# 创建背景图
img = np.zeros((480, 640, 3), np.uint8)

# 要监听鼠标的行为,所以必须通过鼠标回调函数实现
def mouse_callback(event, x, y, flags, userdata):
    global curshape, startpos
    if event == cv2.EVENT_LBUTTONDOWN:
        # 记录起始位置
        startpos = (x, y)
    elif event == cv2.EVENT_LBUTTONUP:
        # 判断要画什么类型的图
        if curshape == 0:
            # 画直线
            cv2.line(img, startpos, (x, y), (0, 0, 255), 3)
        elif curshape == 1:
            # 画矩形
            cv2.rectangle(img, startpos, (x, y), (0, 0, 255), 3)
        elif curshape == 2:
            # 画圆
            # 计算半径
            a = (x - startpos[0])
            b = (y - startpos[1])
            # 注意,画圆时,半径必须为整数
            r = int((a**2 + b**2) ** 0.5)
            cv2.circle(img, startpos, r, (0, 0, 255), 3)
        else:
            print('暂不支持')

# 创建窗口
cv2.namedWindow('drawshape', cv2.WINDOW_NORMAL)
# 设置鼠标回调函数
cv2.setMouseCallback('drawshape', mouse_callback)

while True:
    cv2.imshow('drawshape', img)
    # 检测按键
    key = cv2.waitKey(1)
    if key == ord('q'):
        break
    elif key == ord('l'):
        curshape = 0
    elif key == ord('r'):
        curshape = 1
    elif key == ord('c'):
        curshape = 2

cv2.destroyAllWindows()

监听鼠标运动绘制图形,如图2.34所示: