OpenCV Python 图像基础操作：读取、显示与处理详解
本文介绍使用 OpenCV Python 进行图像基本操作的完整流程。涵盖通过 pip 安装库、读取与保存图像、获取图像属性（形状、大小、类型）、视频帧处理及灰度转换。此外，详细解析图像截取、颜色通道分离与融合、边界填充、算术运算及多图像加权融合等技术，帮助开发者快速掌握基础图像处理技能。
前言
环境安装与库引入
近期正在学习使用 Python 接口调用 OpenCV，特此整理相关笔记以备后续查阅。文中如有疏漏或不当之处，欢迎批评指正。
在 Python 环境中使用 OpenCV，首先需安装对应的第三方库。
安装命令如下：
pip install opencv-python pip install opencv-contrib-python(opencv的贡献库)
引入 OpenCV 库
图像读取与显示
import cv2
读取图片的操作示例：
img=cv2.imread('cat.jpg') # cat.jpg路径为相对路径
# 读取图片转换为灰度图片
img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)
展示图片的代码实现：
# 图像的显示,也可以创建多个窗口
cv2.imshow('image',img)
# 等待时间，毫秒级，0表示任意键终止
cv2.waitKey(0)
# 开启另一个窗口，图片显示10000毫秒后自动退出窗口
cv2.waitKey(10000)
cv2.destroyAllWindows()
获取图片规格信息的方法：
图像属性获取与保存
img.shape
该属性返回的结果为 hwc（h:height 高度, w:weight 宽度, c:channel 通道）。例如 RGB 图像为三通道图像，此时 c 值为 3。
保存图片的操作：
#保存
# mycat为自定义名称，.png为图片保存格式
cv2.imwrite('mycat.png',img)
显示读取图片的格式信息：
type(img)
获取图片 size 属性：
# h*w
img.size
获取图片 dtype 属性：
# 查看数据类型
img.dtype
视频读取的方法：
视频读取与帧处理
vc = cv2.VideoCapture('test.mp4')
# 检查是否打开正确
if vc.isOpened():
oepn, frame = vc.read()
else:
open = False
对读取视频中的帧进行相应处理：
下面代码为将所有帧转换为灰度图形式。
while open:
ret, frame = vc.read()
if frame is None:
break
if ret == True:
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('result', gray)
if cv2.waitKey(100) & 0xFF == 27:
break
vc.release()
cv2.destroyAllWindows()
截取图像部分的操作：
图像截取与颜色通道操作
img=cv2.imread('cat.jpg')
# 截取指定位置像素点
cat=img[0:50,0:200]
cv_show('cat',cat)
颜色通道提取
将其他通道置零的方式实现颜色通道提取：
# 切分颜色通道
b,g,r=cv2.split(img)
# 只保留R
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,1] = 0
cv_show('R',cur_img)
# 只保留G
cur_img = img.copy()
cur_img[:,:,0] = 0
cur_img[:,:,2] = 0
cv_show('G',cur_img)
# 只保留B
cur_img = img.copy()
cur_img[:,:,1] = 0
cur_img[:,:,2] = 0
cv_show('B',cur_img)
颜色通道融合
# 颜色通道融合
img=cv2.merge((b,g,r))
边界填充的操作：
图像边界填充
# 设定上下左右需要填充像素个数
top_size,bottom_size,left_size,right_size = (50,50,50,50)
# 下面最后一个参数为图像填充边界类型
# BORDER_REPLICATE复制原图边缘进行填充
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
# BORDER_REFLECT反射法
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
# BORDER_REFLECT_101相对对称的反射法
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
# BORDER_WRAP 外包装法
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
# BORDER_CONSTANT使用常数值进行填充
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)
# 显示上述处理结果代码
import matplotlib.pyplot as plt
plt.subplot(231), plt.imshow(img, 'gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')
plt.show()
对图片进行算数运算：
图像算术运算
# 表示所有像素点对应值都加10，用于调节图片亮度
# 若数值超过255将会进行 % 255操作
img_cat2= img_cat +10
# 显示图片前5行，所有列，0表示单通道形式图片展示结果为灰色
img_cat[:5,:,0]
# 数值超过255，值等于255
cv2.add(img_cat,img_cat2)[:5,:,0]
图像融合
两张图片要进行融合需要图片规格一致，对于规格不一致的图片需要用 resize() 方法调节规格。
图像缩放与融合
# 指定像素
img_dog = cv2.resize(img_dog, (500, 414))
img_dog.shape
# x为以前的4倍，y为以前的4倍
res = cv2.resize(img, (0, 0), fx=4, fy=4)
# 融合图片 猫的权重为0.4,狗的权重为0.6,0为偏执项
res = cv2.addWeighted(img_cat, 0.4, img_dog, 0.6, 0)
下一节：opencv python 简易文档之图像处理算法
总结
到此这篇关于 opencv python 简易文档之图片基本操作指南的文章就介绍到这了，更多相关 opencv python 图片基本操作内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
