文章目录
*
–
+ 图片的读取
+
* 图像属性读取
* 原图像读取
* 灰度方式读取
* RGB通道更改顺序
* 只显示某一通道
* 读取某个像素点的通道值
* 读取图像的局部
+ 图像的预处理
+ 轮廓识别
+
* 直线检测
* 直线交点检测
+ 颜色识别
+ 形状识别
+ 数字识别
+ 图像的保存
cv2.imread() (文件路径，flags) 读取图像 cv2.imshow（） （图像title，图片对象） 显示图像 cv2.imwrite（） （文件名，图片对象） 保存图像 cv2.split（） 通道分离 cv2.merge（） 通道融合 cv2.waitKey（） 等待按键 cv2.destroyAllWindows（） 销毁窗口 cv2.Canny() 边缘检测
图片的读取
图像属性读取
img = cv2.imread(r'C:\Users\Administrator\Desktop\beginning.jpg')
dimensions = img.shape
print(dimensions)
total_number_of_elements= img.size
print(total_number_of_elements)
image_dtype = img.dtype
print(image_dtype)
原图像读取
import cv2
img_OpenCV = cv2.imread(r'C:\Users\Administrator\Desktop\beginning.jpg')
cv2.imshow('bgr image', img_OpenCV)
cv2.waitKey(0)
cv2.destroyAllWindows()
灰度方式读取
img_OpenCV = cv2.imread(r'C:\Users\Administrator\Desktop\beginning.jpg',cv2.IMREAD_GRAYSCALE)
或
img_OpenCV = cv2.imread(r'C:\Users\Administrator\Desktop\beginning.jpg',2)
cv2.imread参数说明：cv2.imread(文件路径，flags)
文件路径——一般使用绝对路径即可
flags=1——读取前后，图片格式不变
flags=2——读取后，图片格式转为灰度图
flags=3——读取后，图片格式转为BGR三信道图像
RGB通道更改顺序
b, g, r = cv2.split(img_OpenCV)
img_matplotlib = cv2.merge([r, g, b])
只显示某一通道
img_OpenCV = cv2.imread(r'C:\Users\Administrator\Desktop\beginning.jpg')
img_OpenCV[:, :, 1]=0
img_OpenCV[:, :, 2]=0
读取某个像素点的通道值
img = cv2.imread(r'C:\Users\Administrator\Desktop\beginning.jpg')
(b, g, r) = img[0, 0]
print(b)
print(g)
print(r)
x=img[0, 0,0]
y=img[0, 0,1]
z=img[0, 0,2]
print(x)
print(y)
print(z)
读取图像的局部
; 图像的预处理
图像灰度化
图像去噪声
轮廓识别
OpenCV 提供了函数 cv2.Canny()来实现 Canny 边缘检测，其语法形式如下：
edges = cv.Canny( image, threshold1, threshold2[, apertureSize[, L2gradient]])
其中：
edges 为计算得到的边缘图像。
image 为 8 位输入图像。
threshold1 表示处理过程中的第一个阈值。
threshold2 表示处理过程中的第二个阈值。
apertureSize 表示 Sobel 算子的孔径大小。
L2gradient 为计算图像梯度幅度（gradient magnitude）的标识。其默认值为 False。如果为 True，则使用更精确的 L2 范数进行计算（即两个方向的导数的平方和再开方），否则使用 L1 范数（直接将两个方向导数的绝对值相加）。
import cv2 as cv
import numpy as np
def line_detect_possible_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray, 50, 150, apertureSize=3)
lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50, maxLineGap=10)
for line in lines:
print(type(line))
x1, y1, x2, y2 = line[0]
cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv.imshow("line_detect_possible_demo", edges)
src = cv.imread(r'C:\Users\Administrator\Desktop\beginning.jpg')
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
line_detect_possible_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
直线检测
import cv2 as cv
import numpy as np
def line_detect_possible_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray, 50, 150, apertureSize=3)
lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50, maxLineGap=10)
for line in lines:
print(type(line))
x1, y1, x2, y2 = line[0]
cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv.imshow("line_detect_possible_demo", image)
src = cv.imread("C:/Users/lenovo/Desktop/opencv/daima/banknum/template-matching-ocr/images/sudoku.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
line_detect_possible_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
直线交点检测
def lineCrossLine(p1, p2, q1, q2):
def pointAndPointToLine(pt0, pt1):
x0, y0 = pt0
x1, y1 = pt1
return (y1-y0, x0-x1, x0 * y1 - y0 * x1)
a0,b0,c0 = pointAndPointToLine(p1,p2)
a1,b1,c1 = pointAndPointToLine(q1,q2)
dd = a0 * b1 - a1 * b0
if abs(dd) < 1e-6: return None
return ((c0 * b1 - c1 * b0) / dd, (a0 * c1 - a1 * c0) / dd)
if __name__ == '__main__':
print(lineCrossLine((0,0),(1,1),(1,1),(1,0)))
print(lineCrossLine((0,2),(3,0),(3,1),(2,3)))
print(lineCrossLine((0,2),(0,1),(0,1),(2,3)))
print(lineCrossLine((0,2),(3,0),(0,4),(6,0)))
print(lineCrossLine((1,2),(3,5),(1,2),(7,4)))
颜色识别
形状识别
数字识别
图像的保存
cv2.imwrite('data/1.png',img)
Original: https://blog.csdn.net/GQ_Sonofgod/article/details/124574549
Author: 君王的羔羊
Title: 计算机视觉:opencv（一）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/704883/
转载文章受原作者版权保护。转载请注明原作者出处！