OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于 BSD 许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。相比于 PIL 库来说 OpenCV 更加强大， 可以做更多更复杂的应用，比如人脸识别等。
1. 读入并显示图片
importcv2# 读入图片img=cv2.imread(r'D:\test\test_001.jpg', 1) # 显示图像cv2.imshow('img', img) # 窗口等待命令 0表示无限等待cv2.waitKey(0)
运行效果如下：
2. 缩放图片
importcv2# 读入图片img=cv2.imread(r'D:\test\test_001.jpg', 1) rows, cols, channels=img.shapeprint(rows, cols, channels) new_img=cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels=new_img.shapeprint(rows, cols, channels) # 显示图像cv2.imshow('new_img', new_img) # 窗口等待命令 0表示无限等待cv2.waitKey(0)
将图片尺寸按比例缩小一半，运行效果如下：
3. 彩色图像转换为灰度图像
彩色图片有 RGB 三个颜色通道，无法进行腐蚀和膨胀的操作。这个就需要我们将彩色图片转换为 hsv 灰度图像后，再进行腐蚀和膨胀操作。
importcv2img=cv2.imread(r'D:\test\test_001.jpg', 1) new_img=cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels=new_img.shapeprint(rows, cols, channels) # 显示图像cv2.imshow('new_img', new_img) # 将图片转换为灰度图片gray_img=cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV) cv2.imshow('hsv', gray_img) cv2.waitKey(0)
运行效果如下：
4. 图片二值化处理
**图像二值化（ Image Binarization）**就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。图像二值化处理后，为 1 的为白色点，为 0 的为黑色点。
importcv2importnumpyasnpimg=cv2.imread(r'D:\test\test_001.jpg', 1) new_img=cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels=new_img.shapeprint(rows, cols, channels) # 显示图像cv2.imshow('new_img', new_img) # 将图片转换为灰度图片gray_img=cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV) cv2.imshow('hsv', gray_img) # 图片二值化处理low_value=np.array([90, 70, 70]) high_value=np.array([110, 255, 255]) binary_img=cv2.inRange(gray_img, low_value, high_value) cv2.imshow('binary_img', binary_img) cv2.waitKey(0)
运行效果如下：
5. 图像的腐蚀和膨胀
图像的膨胀（Dilation）和腐蚀（Erosion）是两种基本的形态学运算，主要用来寻找图像中的极大区域和极小区域。其中膨胀类似于“领域扩张”，将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大；腐蚀类似于“领域被蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。
- 图像被腐蚀后，去除了噪声，但是会压缩图像。
- 对腐蚀过的图像，进行膨胀处理，可以去除噪声，并且保持原有形状。
# 腐蚀膨胀erode=cv2.erode(binary_img, None, iterations=1) dilate=cv2.dilate(erode, None, iterations=1) cv2.imshow('dilate', dilate)
6. 遍历像素点进行颜色替换
图像是由每一个像素点组成的，找到腐蚀后得到图片的白色底色处的像素点，然后将原图中对应位置处的像素点，替换为红色或者白色，即可实现给照片换底色。
importcv2importnumpyasnpimg=cv2.imread(r'D:\test\test_001.jpg', 1) new_img=cv2.resize(img, None, fx=0.5, fy=0.5) rows, cols, channels=new_img.shapeprint(rows, cols, channels) # 显示图像cv2.imshow('new_img', new_img) # 将图片转换为灰度图片gray_img=cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV) # 图片二值化处理low_value=np.array([90, 70, 70]) high_value=np.array([110, 255, 255]) binary_img=cv2.inRange(gray_img, low_value, high_value) # 腐蚀膨胀erode=cv2.erode(binary_img, None, iterations=1) dilate=cv2.dilate(erode, None, iterations=1) # cv2.imshow('dilate', dilate)# 遍历替换foriinrange(rows): forjinrange(cols): ifdilate[i, j] ==255: # 此处替换颜色，为BGR通道new_img[i, j] = (0, 0, 255) # (0, 0, 255)替换为红底 (255, 255, 255)替换为白底cv2.imshow('red_bg_img', new_img) # 窗口等待命令 0表示无限等待cv2.waitKey(0) cv2.destroyAllWindows()
运行效果如下：
程序运行成功，可以将照片的蓝底换为红底或者白底，成功利用 opencv 实现给照片换底色啦！
7. 其他说明
测试所用图片来源于百度图片搜索，图片仅用于图像处理知识交流和学习，如有侵权请联系我删除！
