opencv4，cv2操作教程

1.图片加载

cv2.imread(filename, flags=None)

2、显示图片

cv2.imshow(winname, mat)
winname 图口名称
mat ,已加载图片的变量名

3、图像显示窗口创建与销毁,

cv2.namedWindow(窗口名，属性) 创建一个窗口
属性—指定窗口大小模式：
cv2.WINDOW_AUTOSIZE：根据图像大小自动创建大小
cv2.WINDOW_NORMAL：窗口大小可调整
cv2.destoryAllWindows(窗口名) 删除任何建立的窗口

如图不设定直接调用imshow窗口是不可改变的

4、图片宽、高、通道数获取
img.shape 返回图像高（图像矩阵的行数）、宽（图像矩阵的列数）和通道数3个属性组成的元组，若图像是非彩色图，则只返回高和宽组成的元组。
5、图像像素数目和图像数据类型的获取
图像矩阵img的size属性和dtype分别对应图像的像素总数目和图像数据类型。一般情况下，图像的数据类型是uint8。

6、生成指定大小的空图像

import numpy as np
imgFix = np.zeros((300, 500, 3), np.uint8)

imgFix = np.zeros((300,500),np.uint8)

7、访问和操作图像像素
通过操作vc对像OpenCV中图像矩阵的顺序是B、G、R。可以直接通过坐标位置访问和操作图像像素。

numb = img[50,100] #读取坐标点的像素值
print( numb) #[231 220 222]
 numb3 = img[0:100, 100:200]  # 读取像素块的值
print (numb3)
 
img[50,100] = (0,0,255) #设定坐标点的像素值

8、分开访问和修改图像某一通道像素值

numb2 = img[50, 100,0]  # 读取坐标点的指定通道的像素值
print (numb2)#(231)
imgFix[0:100, 100:200, 0] = 255  #从坐标点0,100 到100，200 都的像素块的第一通道都设成255
imgFix[100:200, 200:300, 1] = 255
imgFix[200:300, 300:400, 2] = 255
cv2.imshow("change", imgFix)

9、 图像三通道分离和合并
分离图像通道可以使用cv2中的split函数，合并使用merge函数。

10、 在图像上输出文字
使用putText函数在图片上输出文字，函数原型：

putText(img, text, org, fontFace, fontScale, color, thickness=None, lineType=None, bottomLeftOrigin=None)

参数:
img： 图像
text：要输出的文本
org： 文字的起点坐标
fontFace： 字体
fontScale： 字体大小
color： 字体颜色
thickness： 字图加粗

11、 图像缩放
缩放使用cv2.resize()函数，resize函数里的size第一个是宽（列），第二个是高（行）

cv2.resize(img, (200, 100))

12、图片裁剪

cropped = img[0:128, 0:512]  # 裁剪坐标为[y0:y1, x0:x1]
cv2.imwrite("./data/cut/cv_cut_thor.jpg", cropped)

import cv2
# 加载图片110.jpg
img = cv2.imread("d:/temp/material/video/1/110.jpg")
# 生成灰色图片，第二个参数"0"表示灰度图片
imgGrey = cv2.imread("d:/temp/material/video/1/110.jpg", 0)
#  展示原图
cv2.imshow("img", img)
#  展示灰色图片

cv2.imshow("imgGrey", imgGrey)

#图片宽、高、通道数获取
sp1 = img.shape
sp2 = imgGrey.shape
print(sp1)#(720, 1270, 3)
print(sp2)#(720, 1270)

#图像像素数目和图像数据类型的获取
imgSize = img.size
print(imgSize)#2743200
ty = img.dtype
print(ty)#uint8
#生成指定大小的空图像
imgZero = np.zeros(img.shape, np.uint8)
imgFix = np.zeros((300, 500, 3), np.uint8)
cv2.imshow("imgZero", imgZero)
cv2.imshow("imgFix", imgFix)
#访问和操作图像像素
numb = img[50,100] #读取坐标点的像素值
print numb
numb3 = img[0:100, 100:200]  # 读取像素块的值
print (numb3)
iimgFix[50, 100] = (0, 0, 255)  # 设定坐标点的像素值
cv2.imshow("change", imgFix)
imgFix[0:100, 100:200, 0] = 255  #从坐标点0,100 到100，200 都的像素块的第一通道都设成255
imgFix[100:200, 200:300, 1] = 255
imgFix[200:300, 300:400, 2] = 255
cv2.imshow("change", imgFix)
#更改图像某一矩形区域的像素值
img[0:50,1:100] = (0,0,255)
 cv2.imshow("img",img)
#图像三通道分离和合并
b , g , r = cv2.split(img)
#也可以分开写

# b = cv2.split(img)[0]
# g = cv2.split(img)[1]
# r = cv2.split(img)[2]

merged = cv2.merge([b,g,r])
cv2.imshow("Blue",b)
cv2.imshow("Green",g)
cv2.imshow("Red",r)
 cv2.imshow("Merged",merged)

#调整图片大小

imgg = cv2.resize(img, (200, 100))
cv2.imshow("imgg", imgg)

等待图片的关闭

cv2.waitKey()

保存灰色图片

cv2.imwrite("Copy.jpg", imgGrey)

VideoCapture 读取视频
一、语法：cap = cv2.VideoCapture(0)
说明：参数0表示默认为笔记本的内置第一个摄像头，如果需要读取已有的视频则参数改为视频所在路径路径，例如：cap=cv2.VideoCapture(‘video.mp4’)

二、语法：cap.isOpened()
说明：判断视频对象是否成功读取，成功读取视频对象返回True。

三、语法：ret,frame = cap.read()
说明：按帧读取视频，返回值ret是布尔型，正确读取则返回True，读取失败或读取视频结尾则会返回False。frame为每一帧的图像，这里图像是三维矩阵，即frame.shape = (640,480,3)，读取的图像为BGR格式。

四、语法：key = cv2.waitKey(1)
说明：等待键盘输入，参数1表示延时1ms切换到下一帧，参数为0表示显示当前帧，相当于暂停。

将一副图像从rgb颜色空间转换到hsv颜色空间

hsv = cv2.cvtColor(rgb_image, cv2.COLOR_BGR2HSV)

利用cv2.inRange函数设阈值，去除背景部分

mask = cv2.inRange(hsv, lower_red, upper_red)

第一个参数：hsv指的是原图
第二个参数：lower_red指的是图像中低于这个lower_red的值，图像值变为0
第三个参数：upper_red指的是图像中高于这个upper_red的值，图像值变为0
而在lower_red～upper_red之间的值变成255

中值滤波medianBlur
中值滤波对消除椒盐噪声非常有效，能够克服线性滤波器带来的图像细节模糊等弊端，能够有效保护图像边缘信息，是非常经典的平滑噪声处理方法。

medianBlur(InputArray src, OutputArray dst, int ksize)

参数解释：
. InputArray src: 输入图像，图像为1、3、4通道的图像，当模板尺寸为3或5时，图像深度只能为CV_8U、CV_16U、CV_32F中的一个，如而对于较大孔径尺寸的图片，图像深度只能是CV_8U。
. OutputArray dst: 输出图像，尺寸和类型与输入图像一致，可以使用Mat::Clone以原图像为模板来初始化输出图像dst
. int ksize: 滤波模板的尺寸大小，必须是大于1的奇数，如3、5、7……

cv2.findContours()函数 //查找轮廓

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

第一个参数是寻找轮廓的图像；
第二个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：
cv2.RETR_EXTERNAL 表示只检测外轮廓
cv2.RETR_LIST 检测的轮廓不建立等级关系
cv2.RETR_CCOMP 建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE 建立一个等级树结构的轮廓。

第三个参数method为轮廓的近似办法
cv2.CHAIN_APPROX_NONE 存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
cv2.CHAIN_APPROX_SIMPLE 压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS 使用teh-Chinl chain 近似算法

返回值
cv2.findContours()函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性

cv2.boundingRect(cnt)

生成一个最小的矩形，把找到的轮廓包起来。
这个函数很简单，cnt是一个轮廓点集合，也就是它的参数，可以通过cv2.findContours获取；返回四个值，分别是x，y，w，h；
x，y是矩阵左上点的坐标，w，h是矩阵的宽和高

cv2.rectangle
这个函数的作用是在图像上绘制一个简单的矩形。
参数解释

第一个参数：img是原图

第二个参数：（x，y）是矩阵的左上点坐标

第三个参数：（x+w，y+h）是矩阵的右下点坐标

第四个参数：（0,255,0）是画线对应的rgb颜色

第五个参数：2是所画的线的宽度