前言
这几天看了很多关于图像处理的知识,知道神经网络是怎么回事,深度学习是什么东西,机器学习和他们有什么联系,又看了python语言下如何进行图像处理。我认为在接受更高层次的处理手段和算法设计前,应该打好基础,python的图像处理,学好PIL库和opencv库,我在github上找了个opencv的教程,接下来就是对opencv重点的一些备注
安装
pip install opencv-python
python --version
import cv2
or print(cv2.__version__) # '3.4.1'
可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple
例如:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gevent,这样就会从清华这边的镜像去安装gevent库。
opencv入门
- OpenCV中彩色图是以B-G-R通道顺序存储的,灰度图只有一个通道
- 图像坐标的起始点是在左上角,所以行对应的是y,列对应的是x
1 2 3 4 5 6 7 8 9 10 11 12 13
| import cv2
start = cv2.getTickCount()
img = cv2.imread('lena.jpg')
end = cv2.getTickCount()
print((end - start) / cv2.getTickFrequency())
|
cv2.imread
1 2 3 4
| import cv2
img = cv2.imread('lena.jpg', 0)
|
参数1:图片的文件名
- 如果图片放在当前文件夹下,直接写文件名就行了,如’lena.jpg’
- 否则需要给出绝对路径,如’D:\OpenCVSamples\lena.jpg’
参数2:读入方式,省略即采用默认值
cv2.IMREAD_COLOR
:彩色图,默认值(1)
cv2.IMREAD_GRAYSCALE
:灰度图(0)
cv2.IMREAD_UNCHANGED
:包含透明通道的彩色图(-1)
经验之谈:路径中不能有中文噢,并且没有加载成功的话是不会报错的,print(img)
的结果为None,后面处理才会报错,算是个小坑。
cv2.imshow、cv2.waitKey
使用cv2.imshow()
显示图片,窗口会自适应图片的大小:
1 2
| cv2.imshow('lena', img) cv2.waitKey(0)
|
参数1是窗口的名字,参数2是要显示的图片。不同窗口之间用窗口名区分,所以窗口名相同就表示是同一个窗口
cv2.waitKey()
是让程序暂停的意思,参数是等待时间(毫秒ms)。时间一到,会继续执行接下来的程序,传入0的话表示一直等待。等待期间也可以获取用户的按键输入:k = cv2.waitKey(0)
cv2.namedWindow
我们也可以先用cv2.namedWindow()
创建一个窗口,之后再显示图片:
1 2 3 4
| cv2.namedWindow('lena2', cv2.WINDOW_NORMAL) cv2.imshow('lena2', img) cv2.waitKey(0)
|
参数1依旧是窗口的名字,参数2默认是cv2.WINDOW_AUTOSIZE
,表示窗口大小自适应图片,也可以设置为cv2.WINDOW_NORMAL
,表示窗口大小可调整。图片比较大的时候,可以考虑用后者。
cv2.imwrite
使用cv2.imwrite()
保存图片,参数1是包含后缀名的文件名:
1
| cv2.imwrite('lena_gray.jpg', img)
|
练习
- 打开lena.jpg并显示,s如果按下’s’,就保存图片为’lena_save.bmp’,否则就结束程序
1 2 3 4 5 6 7 8 9
| import cv2
img = cv2.imread('lena.jpg') cv2.imshow('lena', img)
k = cv2.waitKey(0)
if k == ord('s'): cv2.imwrite('lena_save.bmp', img)
|