python-opencv问题程序事例

问题
【现象1】
在编写Python时，当使用中文输出或注释时运行脚本，会提示错误信息：
SyntaxError: Non-ASCII character ‘\xe5’ in file *******
【原因】
python的默认编码文件是用的ASCII码，而你的python文件中使用了中文等非英语字符。
【解决办法】
在Python源文件的最开始一行，加入一句：

coding=UTF-8（等号换为”:“也可以）

或者

-- coding:UTF-8 --

【现象2】
问题描述：一个在Django框架下使用Python编写的定时更新项目，在Windows系统下测试无误，在Linux系统下测试，报如下错误：
ascii codec can’t decode byte 0xe8 in position 0:ordinal not in range(128)
【原因】
在Windows系统转Linux系统时，字符问题很容易出现。
【解决办法】
在出现问题的页加上如下三行即可：
import sys
reload(sys)
sys.setdefaultencoding(‘utf-8’)

程序
【程序1】

# coding=UTF-8
import cv2
import numpy as np

img = np.zeros((3, 3), dtype = np.uint8)    # 通过二维NumPy数组来简单创建一个黑色的正方形图像
print(img)                        # 在控制台打印该图像
print(img.shape)     # 通过shape属性来查看图像的结构，返回行和列，如果有一个以上的通道，还会返回通道数
img = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)    # 利用cv2.cvtColor函数将该图像转换成BGR格式
print(img)
print(img.shape)
cv2.namedWindow("Image")                    # 显示该图像
cv2.imshow("Image", img)#cv2.waitKey (0)        #保持屏幕
image = cv2.imread('flower.jpg')      # 重新读取新图片flower，将‘flower.jpg’的图片与.py文件放在同一目录下，或者使用绝对路径
cv2.imwrite('flower.png',image)       #保存为另一种格式png
cv2.namedWindow("flower")             # 显示该图像
cv2.imshow("flower", image)
cv2.waitKey (0)

在默认情况下，即使图像文件为灰度格式，imread()函数也会返回BGR格式的图像，BGR与RGB表示的色彩空间相同，但字节顺序相反。
　　下面列出的选项可作为imread()函数的参数：
　　　　IMREAD_ANYCOLOR = 4
　　　　IMREAD_ANYDEPTH = 2
　　　　IMREAD_COLOR = 1
　　　　IMREAD_GARYSCALE = 0
　　　　IMREAD_LOAD_GDAL = 8
　　　　IMREAD_UNCHANGED = -1
　　　　cv2.imread(‘图像名称’，’可选参数’) 加深部分可不添加
　　　　　　可选参数决定读入图像的模式：
　　　　　　0：读入的为灰度图像（即使图像为彩色的）
　　　　　　1：读入的图像为彩色的（默认）；

无论采用哪种模式，imread()函数会删除所有alpha通道的信息（透明度）。
imwrite()函数要求图像为BGR或灰度格式，并且每个通道要有一定的位（bit），输出格式要支持这些通道。例如，bmp格式要求每个通道有8位，而PNG允许每个通道有8位或16位
　　储存图像函数：cv2.imwrite(‘保存的图像名’，图像，‘参数’)
正常的图像储存使用就是cv2.imwrite(‘保存的图像名’，图像），后面一个参数默认，保存的图像名还得带类型，比如jpg，bmp等等，OpenCV目前支持读取bmp、jpg、png、tiff等常用格式，第三个参数较复杂，还得分是jpg、bmp等等图像的类型不同而不同，其实就是决定了图像储存大小，清晰度的，默认的就很好
还有一种显示图像的方式
import cv2from matplotlib import pyplot as plt
img = cv2.imread(‘flower.jpg’,0);#打开为灰度图像
plt.imshow(img, ‘gray’) #必须规定为显示的为什么图像

plt.xticks([]),plt.yticks([]) #隐藏坐标线

plt.show() #显示出来，不要也可以，但是一般都要了

【程序2】

import cv2
import numpy as np
import os

# 创建一个120000个随机字节的数组
randomByteArray = bytearray(os.urandom(120000))  #os.urandom(n) 返回n个随机byte值的string，作为加密使用
flatNumpyArray = np.array(randomByteArray)

# 将数组转换为400 x 300的灰度图像
garyImage = flatNumpyArray.reshape(300, 400)
cv2.imwrite('randomGary.png', garyImage)

# 将数组转换为400 x 300的彩色图像
bgrImage = flatNumpyArray.reshape(100, 400, 3)
cv2.imwrite('randomColor.png', bgrImage)

【程序3】边缘检测

import cv2
import numpy as np

img = cv2.imread("lena.jpg")
cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300))
cv2.imshow("image", img)
cv2.imshow("canny", cv2.imread("canny.jpg"))
cv2.waitKey()
cv2.destroyAllWindows()

【程序4】轮廓检测

# coding=UTF-8
import cv2
import numpy as np

img = np.zeros((200, 200), dtype = np.uint8)   # 创建一个200x200大小的黑色空白图像，
img[50:150, 50:150] = 255                      # 在图像的中央放置一个白色方块

ret, thresh = cv2.threshold(img, 127, 255, 0)  #对图像进行二值化操作
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  # 寻找轮廓
color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)  # 颜色空间转换
img = cv2.drawContours(color, contours, -1, (0, 255, 0), 2)  # 画出轮廓，-1,表示所有轮廓，画笔颜色为(0, 255, 0)，即Green，粗细为3
cv2.imshow("contours",color)
cv2.waitKey()
cv2.destroyAllWindows()

findContours()函数有三个参数：输入图像、层次类型和轮廓逼近方法。
　　这个函数会修改输入图像，因此建议使用原始图像的一份拷贝（如：通过img.copy()来作为输入图像）。
　　由函数返回的层次树相当重要：cv2.RETR_TREE参数会得到图像中轮廓的整体层次结构，以此来建立轮廓之间的“关系”。如果只想得到最外面的轮廓，可使用cv2.RETR_EXTERNAL。这对消除包含在其他轮廓中的轮廓很有用（如在大多数情形下，不需要检测一个目标包含在另一个与之相同的目标里面）
　　findContours()函数有三个返回值：修改后的图像、图像的轮廓以及它们的层次。使用轮廓来画出图像的彩色版本（即把轮廓画成绿色），并显示出来。
　　cv2.threshold()简单阈值
　　这个函数有四个参数，第一个原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：
　　　　cv2.THRESH_BINARY（黑白二值）
　　　　cv2.THRESH_BINARY_INV（黑白二值反转）
　　　　cv2.THRESH_TRUNC （得到的图像为多像素值）
　　　　cv2.THRESH_TOZERO
　　　　cv2.THRESH_TOZERO_INV
该函数有两个返回值，第一个retVal（得到的阈值（在后面一个方法中会用到）），第二个就是阈值化后的图像。
　　 cvCvtColor(…)是Opencv里的颜色空间转换函数，可以实现RGB颜色向HSV，HSI等颜色空间的转换，也可以转换为灰度图像。参数CV_RGB2GRAY是RGB到gray。参数 CV_GRAY2RGB是gray到RGB.处理结果是彩色的，则转灰色就是了

【程序5】图片中边缘检测

coding=UTF-8

# coding=UTF-8
import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread("dingshuji.jpg", cv2.IMREAD_UNCHANGED))
ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY),115, 255, cv2.THRESH_BINARY)
image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # find bounding box coordinates
    # 现计算出一个简单的边界框
    x, y, w, h = cv2.boundingRect(c)   # 将轮廓信息转换成(x, y)坐标，并加上矩形的高度和宽度
    print(x,y,w,h,x+w,y+h)
    cv2.rectangle(img, (x,y), (x+w, y+h), (0, 255, 0), 5)  # 画出矩形，5表示线的粗细，绿色

    # find minimum area
    # 计算包围目标的最小矩形区域
    rect = cv2.minAreaRect(c)
    # calculate coordinate of the minimum area rectangle
    box = cv2.boxPoints(rect)
    # normalize coordinates to integers
    box =np.int0(box)
    # 注：OpenCV没有函数能直接从轮廓信息中计算出最小矩形顶点的坐标。所以需要计算出最小矩形区域，
    # 然后计算这个矩形的顶点。由于计算出来的顶点坐标是浮点型，但是所得像素的坐标值是整数（不能获取像素的一部分），
    # 所以需要做一个转换
    # draw contours
    cv2.drawContours(img, [box], 0, (0, 0, 255), 4)  # 画出该矩形

    # calculate center and radius of minimum enclosing circle
    (x, y), radius = cv2.minEnclosingCircle(c)  # 会返回一个二元组，第一个元素为圆心的坐标组成的元组，第二个元素为圆的半径值。
    print(x,y)
    img[362,226:326]=255
    # cast to integers
    center = (int(x), int(y))
    radius = int(radius)
    # draw the circle
img = cv2.circle(img, center, radius, (0, 255, 0), 2)

cv2.drawContours(img, contours, -1, (255, 0, 0), 1)       #-1,表示所有轮廓
#img[145:200,138]=255
cv2.imshow("contours", img)
cv2.imwrite("contours.jpg", img)

cv2.waitKey()
cv2.destroyAllWindows()

【程序6】直线绘制

# coding=UTF-8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = np.zeros((512,512),np.uint8)#生成一个空灰度图像
cv2.line(img,(0,0),(511,511),255,5)
plt.imshow(img,'gray')
plt.show()
img = np.zeros((512,512,3),np.uint8)#生成一个空彩色图像
cv2.line(img,(0,0),(511,511),(0,255,0),5)
plt.imshow(img,'brg')
plt.show()

【程序7】圆绘制

# coding=UTF-8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = np.zeros((512,512,3),np.uint8)#生成一个空彩色图像
cv2.circle(img,(200,300),100,(255,0,255),5)   
 #(200,300)表示圆心坐标，100表示圆的半径，（255，0，255）表示颜色:红绿蓝，5表示线粗
plt.imshow(img,'brg')
plt.show()

【程序8】椭圆绘制

# coding=UTF-8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = np.zeros((512,512,3),np.uint8)#生成一个空彩色图像
cv2.ellipse(img,(256,256),(150,100),90,-30,150,200,-1)   
#cv2.ellipse(图片,中心点坐标,x、y轴半长轴,长半轴线偏转角度,起始角度,终止角度,亮度,-1)
#注意最后一个参数-1，表示对图像进行填充，默认是不填充的，如果去掉，只有椭圆轮廓了
plt.imshow(img,'brg')
plt.show()