二、openCV+TensorFlow入门

一、openCV入门

1 - 简单图片操作

• 图片读取与展示：imread第2参数，0表示灰度图片，1表示彩色图片

import cv2 
# 1 文件的读取 2 封装格式解析 3 数据解码 4 数据加载
img = cv2.imread('image0.jpg',1)
cv2.imshow('image',img)
# jpg png  1 文件头 2 文件数据
cv2.waitKey (0)
# 1.14M 130k

• 图片写入

import cv2
img = cv2.imread('image0.jpg',1)
cv2.imwrite('image1.jpg',img) # 1 name 2 data 

• 有损压缩：cv2.IMWRITE_JPEG_QUALITY，范围是0-100，数字越大图片越清晰
  • 可以看到压缩后为35kb，同时图片质量降低了

import cv2
img = cv2.imread('image0.jpg',1)
cv2.imwrite('imageTest.jpg',img,[cv2.IMWRITE_JPEG_QUALITY,50])
#1M 100k 10k 0-100 有损压缩

• png压缩：cv2.IMWRITE_PNG_COMPRESSION，压缩范围0-9，数字越小图片越清晰
  • 特点1：png是无损压缩
  • 特点2：png有图像透明度，jpg是没有图像透明度属性的

2 - 像素操作

• RGB：每一种颜色（像素）都是由RGB三种分量构成的
• 颜色深度：对于8位的颜色深度来说，可以表示0-255；也就是说一个颜色可以使用256256256来表示
• 图片的宽高：比如w：h = 640 * 480 -> 这个表示在水平方向上有640个像素点，在垂直方向上有480个像素点
• 图片的大小计算：假设图片的宽为720，高位547；那么图片的大小=7205473*8 bit/8（B）=1.14M
  • 其中720是宽，547是高，3代表RGB三种分量，第1个8代表是8位，第2个8代表bit转成B
• alpha通道：图片的透明度信息，上面介绍过png是无损压缩，有透明度信息
• BGR：颜色深度格式，除了RGB之外，还有BGR
  • opencv读取图片时获取的是bgr
  • BGR与RGB不同的是第一个像素值是B蓝色
  • BGR每个称之为一个分量，每个分量又叫做颜色通道
• 案例：像素读取与写入：注意像素写入的时候第一个是b

import cv2

# 像素的读取
img = cv2.imread('image0.jpg', 1)
(b, g, r) = img[100, 100]
print(b, g, r)  # bgr

# 像素的写入
for i in range(1, 100):
    img[10 + i, 100] = (255, 0, 0)
cv2.imshow('image', img)
cv2.waitKey(0)

二、TensorFlow入门

1 - TensorFlow常量变量

• 变量的使用注意：session使用前需要sess.run(init)初始化

import tensorflow as tf

data1 = tf.constant(2, dtype=tf.int32)
data2 = tf.Variable(10, name='var')
print(data1)
print(data2)

init = tf.global_variables_initializer()
sess = tf.Session()
with sess:
    sess.run(init)
    print(sess.run(data1))
    print(sess.run(data2))

2 - TensorFlow运算本质

• tensorflow的本质：张量tensor+计算图grahps
  • tf = tensor + grahps
  • tensor：数据
  • op：操作，可以是赋值操作也可以是四则运算操作
  • grahps：数据操作的过程
  • Session：在tf中所有的grahps都需要放到Session会话中来执行，Session可以理解成一个运算的交互环境
    

3 - TensorFlow四则运算

• 常量间的四则运算

import tensorflow as tf
data1 = tf.constant(6)
data2 = tf.constant(2)
dataAdd = tf.add(data1,data2)
dataMul = tf.multiply(data1,data2)
dataSub = tf.subtract(data1,data2)
dataDiv = tf.divide(data1,data2)
with tf.Session() as sess:
    print(sess.run(dataAdd))
    print(sess.run(dataMul))
    print(sess.run(dataSub))
    print(sess.run(dataDiv))
print('end!')

• 常量变量间的四则运算

import tensorflow as tf

data1 = tf.constant(6)
data2 = tf.Variable(2)
dataAdd = tf.add(data1, data2)
dataCopy = tf.assign(data2, dataAdd)  # dataAdd ->data2，数据拷贝
dataMul = tf.multiply(data1, data2