OpenCV图像与视频处理详解：读取、处理与分析-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_57115078/article/details/121686817

文章目录

图形读入
- - 图像读取
  - 视频读取
简单处理
形态学处理
图像梯度
- - Sobel算子

图形读入

图像读取

创建car.py与图片car.jpg同一文件夹
（在读取图片时就不用考虑路径问题了）
代码如下

import cv2 #导入CV2模块
img=cv2.imread('car.jpg',IMREAD_GRAYSCALE)
#调用cv2.imread(图片名字，决定是彩色还是灰色)
print(img)
print(img.size)
print(img.shape)
print(type(img))
cv2.imshow('car',img)#展示图片CV2.imshow(窗口名字，图像)
cv2.waitKey(0)#单位毫秒图片展示时间，0则一直
cv2.destroyAllWindows()#关闭所有窗口

cv2.IMREAD_COLOR彩色图像
cv2.IMREAD_GRAYSCALE灰色图像

可以把显图部分写成函数

def cv_show(name,img)
	cv2.imshow(name,img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()

视频读取

视频由图像组成包含很多帧
每一帧都是静止的
把帧连起来就是视频了。

import cv2
video=cv2.VideoCapture('video.mp4')
if video.isOpened():#能否打开
    open,frame=video.read()#返回两个参数
else: 
    open=False
while open:#循环遍历每一帧图像
    ret,frame=video.read()#ret是布尔类型，frame是每一帧图像
    if frame is None:#图像读完即视频放完
        break
    if ret==True:
        gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)#灰度图读取
        cv2.imshow('result',gray)
        if cv2.waitKey(100)&0xFF==27:#退出循环
            break
video.release()
cv2.destroyAllWindows()

cv2.VideoCapture()函数
1用于打开摄像头并完成摄像头的初始化信息。
video(捕获对象) = cv2.VideoCapture(“摄像头ID号”)
2用于初始化视频文件，读取视频。
video(捕获对象) = cv2.VideoCapture(“视频名”)
cv2.cvtColor(a，b)函数
颜色空间转换函数，
a是需要转换的图片，b是转换成何种格式

简单处理

图像截取

cat=img[a:b,c:d]#img类型为numpy.ndarray代表n维数组numpy是python的一个扩展程序库a:b，c:d长宽截取范围
cv2.imshow('cat'cat)

颜色通道提取

b,g,r=cv2.split(img)
cv2.imshow('b',b)#无论是b,g,r的哪一个都是灰度图只是把通道(b,g,r)换成（b,b,b)）
img=cv2.merge((b,g,r))

split()函数
分离出B,G,R颜色通道
merge()函数
合并颜色通道
zeros = np.zeros(img.shape[:2],dtype=“uint8”);
s=cv2.merge((zeros,g,r))
3个通道索引0，1，2指向B,G,R
cur_img=img.copy()
cur_img[:,:,0]=0
cur_img[:,:,1]=0
cv2.imshow(‘R’,cur_img)

边界填充

数值计算图像融合

图像为矩阵类型，计算即期加减数值，超过255值进行取值处理
cv2.addWeighted(图像1，a,图像2，b,c)两图像相加权重分配，
a,b两图像各自权重，c为对图像相加后亮度的增减。

cv2.resize(图像,(0,0),fx=a,fy=b)#通过倍数来改变图像大小fx，fy代表水平垂直的比例>1放大,<1缩小
cv2.resize(图像,(c,d) )#直接改变图像大小，c,d即行和宽

图像阈值

ret,output=cv2.threshold(input，thresh，maxval，type）
返回参数：ret为输入的thresh，output为处理后输出的图像
传入参数：input，要处理的图像，thresh为设定的阈值
maxval像素超过阈值所要赋予的值，type为超过阈值了所进行的处理方式

type
cv.THRESH_BINARY		# 小于阈值的像素点置0，大于阈值的像素点置maxval； 
cv.THRESH_BINARY_INV	# 小于阈值的像素点置maxval，大于阈值的像素点置0；
cv.THRESH_TRUNC			# 小于阈值的像素点保持原数值，大于阈值的像素点置阈值； 
cv.THRESH_TOZERO		# 小于阈值的像素点置0，大于阈值的像素点保持原数值； 
cv.THRESH_TOZERO_INV	# 小于阈值的像素点保持原数值，大于阈值的像素点置0。

平滑处理

平滑（模糊）是一项简单且使用频率很高的图像处理方法需要用到一个滤波器，最常用的滤波器是线性滤波器。
均值滤波卷积核
$kenral=\frac{1}{9} \left[ \begin{matrix} 1&1&1\\ 1&1&1\\ 1&1&1\\ \end{matrix} \right]$
方框滤波卷积核
$\left[ \begin{matrix} 1&1&1\\ 1&1&1\\ 1&1&1\\ \end{matrix} \right]$

cv2.blur（input,(3,3))#input即读入的图像(3,3)即滤波器核与图像做内积。
cv2.boxFilter(input,-1,(3,3),normalize=？)#-1即通道数与原图相同，normalize参数为Ture即为均值滤波(a=1/9若为False则a=1
cv2.GaussianBlur(input,(5,5),1)#高斯滤波（高斯分布配置中间附近权重更重视中间）
cv2,medianBlur(input,5)#用中值代替

形态学处理

针对二值图像（比如黑白图）

膨胀操作

处理缺陷问题

kernel = np.ones((3, 3), np.uint8)#卷积核大小，分多大块处理
output = cv2.dilate(input, kernel, 2)#2代表膨胀几次

腐蚀操作

处理毛刺问题

kernel = np.ones((3, 3),np.uint8)
output = cv2.erode(input, kernel, 1)

开闭运算

kernel = np.ones((3, 3),np.uint8)
cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, 1)#先腐蚀再膨胀（去除毛刺再膨胀回原来不带毛刺的图像
cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, 1)#先膨胀再腐蚀（填补缺陷再腐蚀回原来不缺陷的图像

梯度运算

 cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)#膨胀后的图像-腐蚀后的图像（膨胀大一圈，腐蚀小一圈）

高帽黑帽

 cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)#原始图像-开运算结果即得毛刺
 cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)#原始图像-闭运算结果即得缺陷

图像梯度

Sobel算子

边缘：像素灰度图变化最快的地方（黑到白或白到黑）
$\left[ \begin{matrix} -1&0&1\\ -2&0&2\\ -1&0&1\\ \end{matrix} \right] （内积时即水平方向右边减左边）$
$\left[ \begin{matrix} -1&-2&-1\\ 0&0&0\\ 1&2&1\\ \end{matrix} \right] (内积时即竖直方向下边减上边）$

sobel=cv2.Sobe;(input,cv2.CV_64F,dx,dy,ksize)#cv2.CV_64F保证有负数时取负数，dx，dy表示水平竖直方向变化，ksize表示算子核大小
sobel=cv2.convertScaleAbs(sobel)#对负值取绝对值
cv2.addWeighted(x,a,y,b)#分别sobel水平和竖直再相加a,b为权重