笔记-Python图片处理 （OpenCV-Python ）

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV-Python是OpenCV的Python的API接口，它拥有OpenCV C++ API的功能，同时也拥有Python语言的特性,可以做到跨平台使用。但值得注意的是在Python3（目前使用的是Python3.7）里对OpenCV-Python接口的中文支持并不是很友好。

安装：

sudo pip3 install opencv-python

直方图模块安装：

pip3 install matplotlib

简单的读取一张图片：

 1 import cv2 #导入opencv库
 2 
 3 #读取一张图片，地址不能带中文
 4 imgviewx=cv2.imread("imgx/zcy.jpg")
 5 
 6 #创建一个窗口，中文显示会出乱码
 7 cv2.namedWindow("东小东标题")
 8 
 9 #显示图片，参数：（窗口标识字符串，imread读入的图像）
10 cv2.imshow("东小东标题",imgviewx)
11 
12 #窗口等待任意键盘按键输入,0为一直等待,其他数字为毫秒数
13 cv2.waitKey(0)
14 
15 #销毁窗口，退出程序
16 cv2.destroyAllWindows()

其它属性详细介绍：

1 import cv2 #导入opencv库
  2 import numpy as np
  3 
  4 #.........................................................................
  5 #读取一张图片，地址不能带中文
  6 '''
  7 第二个参数，取值可为：
  8 cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道 
  9 cv2.IMREAD_GRAYSCALE：读入灰度图片 
 10 cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道(png有，jpg无）
 11 '''
 12 #imgviewx=cv2.imread("imgx/wa.jpg")
 13 imgviewx=cv2.imread("imgx/DONG.jpg",cv2.IMREAD_COLOR)
 14 
 15 #.........................................................................
 16 #获取图片信息
 17 #一个像素有三个通道，BGR
 18 print(imgviewx.shape)#输出：(1080, 1920, 3) 高像素，宽像素，通道数
 19 print(imgviewx.size)# 120000  总通道数=高* 宽* 通道数
 20 print(imgviewx.dtype)# uint8  3个通道每个通道占的位数（8位，一个字节）
 21 #print(imgviewx) #输出效果视乎与下条相同
 22 #print(np.array(imgviewx)) #输出每个像素点的参数（ B , G , R )
 23 #获取图片 B G R 各均值， #(204.46305102040816, 208.50832244897958, 217.29540408163263, 0.0) ，红色部分最多
 24 print(cv2.mean(imgviewx))
 25 #获取方差,也会打印均值，可用均值方差都为零判断图片无效
 26 #print(cv2.meanStdDev(imgviewx))
 27 
 28 
 29 
 30 #.........................................................................
 31 #图片处理
 32 #备份图片
 33 imgviewx1=imgviewx.copy()
 34 
 35 #均值模糊,主要用于去除图片噪点
 36 #读取图片并实现图片的模糊效果，参数：（读取图片，（X轴方向模糊，Y轴方向模糊））
 37 #imgviewx=cv2.blur(imgviewx,(5,5))
 38 
 39 #中值模糊，主要用于去除椒盐（烧烤配料）噪点
 40 #参数：（图片信息，模糊值）
 41 #imgviewx=cv2.medianBlur(imgviewx,9)
 42 
 43 #普通高斯模糊
 44 #参数：（图片信息，参数1，参数2）参数1和参数2只能设置一个
 45 #imgviewx=cv2.GaussianBlur(imgviewx,(0,0),1)
 46 
 47 #保留边缘（像素差），高斯模糊
 48 #参数（图片信息，0，要用怎样的方式（越大则越细），空间复杂度（越大越复杂））
 49 imgviewx=cv2.bilateralFilter(imgviewx,0,50,6)
 50 
 51 
 52 #美颜,美白效果valuex值越大越白
 53 #valuex=50;
 54 #imgviewx=cv2.bilateralFilter(cv2.imread("imgx/zcy.jpg"),valuex,valuex * 2,valuex / 2)
 55 
 56 #对比度和亮度调整
 57 #duix=0.5 #对比度
 58 #lightx=0  #亮度
 59 #imgviewx=cv2.addWeighted(imgviewx,duix,np.zeros(imgviewx.shape,imgviewx.dtype),1-duix,lightx)
 60 
 61 
 62 
 63 #显示文字
 64 # 参数：图像，文字内容， 坐标( x , y ) ，字体，大小，颜色( B , G ,R )，字体厚度
 65 #颜色值为0-255
 66 font = cv2.FONT_HERSHEY_SIMPLEX  # 定义字体
 67 imgviewx = cv2.putText(imgviewx,"DONG XIAO DONG",(10, 50), font, 1.2, (0, 0, 255), 5)
 68 
 69 
 70 #像素取反
 71 #imgviewx=cv2.bitwise_not(imgviewx)
 72 
 73 
 74 
 75 #遍历图片，效率低,不推荐使用
 76 def xgtp():
 77    global imgviewx
 78    gx,kx,tx=imgviewx.shape#得到像素高度，像素宽度，通道数
 79 
 80    for g in range(0,gx):
 81        for k in range(0,kx):  #这里得到的是每个像素点，每个点由RGB三色构成
 82            if(k>0 and k<100):
 83                imgviewx[g,k,0]=0       # B
 84                imgviewx[g,k,1]=255       #  G
 85                imgviewx[g,k,2]=255        #  R
 86            else:
 87                imgviewx[g, k, 0] = imgviewx[g, k, 0] #获取到原来的值
 88