Opencv—图像处理基础(python)

Opencv(Python) 随便记记

一、图像的读取，显示和保存

唯一想提的就是，读取的时候通过更改第二个参数，可以设置读取图像的方式：

cv.IMREAD_COLOR	加载彩色图像	默认
cv.IMREAD_GRAYSCALE	加载灰度图像
cv.IMREAD_UNCHANGED	加载图像，包括α通道

二、获取图像属性

a = cv2.imread()

row, col, chn = a. shape —返回图像的行数列数和通道数

三、图像加法

1、numpy加法

方法: img1 + img2

若图像1+图像2，对应像素点的像素值和<=255，值为对应的像素值之和；对应像素点的像素和>255，结果为对255取模

2、opencv加法

方法:cv2.add(img1, img2)

当像素值之和小于等于255时不变，当结果大于255时则为255

四、图像融合

方法：img = cv.addWeighted(img1, alpha, img2, beta, gamma)

图像融合：结果图像=图像1 * 系数1+图像2 * 系数2 + 亮度调节量

最后一个参数不可以省略(可以写0，表示没有要调节的亮度要求)

五、图像类型转换

常用的三种转换方式：

cv2.COLOR_BGR2GRAY

cv2.COLOR_BGR2RGB

cv2.COLOR_GRAY2BGR

import cv2 as cv
a = cv.imread("",cv.IMREAD_UNCHANGED)
b = cv.cvtColor(a, cv2.COLOR_BGR2RGB)

六、图像缩放

方法1：dst = cv2.resize(src, dsize, fx, fy)

src表示原始图像，dsize表示目标大小(列，行)，fx和fy表示缩放大小

dst = cv2.resize(src, (122,122))
dst = cv2.resize(src, None, fx=0.5, fy=0.7)

可以看出两种调整大小的方式选择一种即可，若选择dsize则后面不需要设置参数，若选择缩放参数，则dsize置None，缩放大小调整也是按照列和行的顺序

七、图像翻转

方法：dst = cv2.flip(src, flipCode)

flipCode可以为0：表示以x轴为旋转轴翻转，>0则以y轴为对称轴及逆行翻转，<0水平轴翻转一次然后竖直轴也翻转一次

八、阈值分割

分割方法	处理方法
二进制阈值分割	像素值比阈值大，处理为最大值；比阈值小，处理为零
反二进制阈值分割	像素值大于阈值处理为0，小于等于阈值处理为最大值(255)
截断阈值分割	像素值大于阈值则处理为阈值，小于等于阈值则不处(保持)
反 阈值化为0	像素值大于等于阈值的处理为0，其他保持不变
阈值化为0	像素值大于等于阈值则保持不变，小于阈值处理为0

方法：

retval, dst = cv2.threshold(src, thresh, maxval, type)

参数说明：retval和thresh都是阈值，一般情况下一致

dst表示图像处理之后的结果，src表示源图像，maxval表示最大值（1或者255，常用255），type表示类型，指定上述五种(实际上不止五种)的阈值分割方法

cv2.THRESH_BINARY 对应二进制阈值化

cv2.THRESH_BINARY_INV 对应反二进制阈值化

cv2.THRESH_TRUNC 对应截断阈值分割

cv2.THRESH_TOZERO 对应阈值化为0

cv2.THRESH_TOZERO_INV 对应反阈值化为0

九、图像平滑处理（使图像更加平滑，降噪）

滤波类型	描述	方法
均值滤波	取一个核内所有的点的像素值相加除以像素点的个数	dst = cv2.blur(src, disze) (disze一般是一个表示核大小的元组，比如(3,3))
方框滤波	根据选择进行滤波操作，最后一个参数为true的时候等价于均值滤波	dst = cv2.boxFilter(src, depth, dsize, normalize) (depth为目标深度，通常为-1表示和原始图像相同，最后一个参数为布尔类型，true表示取平均，false表示只求和)
高斯滤波	加权平均，即核内每一个像素点的像素值乘对应的权重取和后求平均值	dst = cv2.GaussianBlur(src, dsize, sigmaX) (sigMax用来控制权重，表示X方向的方差，一般设为0，系统自动计算方差)
中值滤波	核内所有像素值按照大小排列，取中值进行赋值操作	dst = cv2.medianBlur(src, size) size是一个整型的奇数

十、图像形态学操作(主要针对二值图像)

1、图像腐蚀

将一个卷积核从原始图像的每一个像素点进行遍历，以卷积核接触到的像素点如果是黑色，则将该点变为黑色(赋值为1)

方法: dst = cv2.erode(src, kernel, iterations) kernel表示卷积核，iterations表示迭代次数

kernel = np.ones((5,5), np.unit8) #生成一个卷积核
dst = cv2.erode(img, kernel, iterations = 1)
#图像腐蚀去掉毛刺,卷积次数缺省值为1，如果去掉毛刺多则增加迭代次数

2、图像膨胀

图像膨胀是图像腐蚀的逆操作。