Open Source Computer Vision Library，OpenCV于 1999 年由 Intel 建立，如今由 Willow Garage 提供支持。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、MacOS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。
1. 环境搭建：
命令行 pip 安装依赖库即可，如下所示：
pip install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com pip install opencv-contrib-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com pip install pytesseract -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
安装 opencv 的扩展模块
2. 读取并显示图片
importcv2ascvdefget_image_info(image): print(type(image)) # <class 'numpy.ndarray'>print(image.shape) # 高度 宽度 通道数print(image.size) # 像素大小print(image.dtype) # 数据类型src=cv.imread(r'D:\python\pycharm2020\test\004.jpg') cv.imshow("input image", src) get_image_info(src) cv.waitKey(0) cv.destroyAllWindows()
运行结果如下：
<class 'numpy.ndarray'> # 图像是 三维numpy.ndarray数组(500, 500, 3) # 宽 高 RGB三通道750000# 500*500*3uint8 # unit8类型 0-255
3. 读取视频和调用本地摄像头
importcv2ascvdefread_video(): cap=cv.VideoCapture(r'D:\beauty\video\test.mp4') whileTrue: ret, frame=cap.read() ifret==False: breakcv.imshow('video', frame) cv.waitKey(20) read_video()
importcv2ascv# 调用笔记本内置镜头cap=cv.VideoCapture(0, cv.CAP_DSHOW) whileTrue: ret, frame=cap.read() frame=cv.flip(frame, 1) cv.imshow('video', frame) # 显示镜头捕获的每一帧ifcv.waitKey(100) &0xff==ord('q'): # 按q退出breakcap.release() cv.destroyAllWindows()
释放摄像头对象时错误：
SourceReaderCB::~SourceReaderCBterminatingasynccallback
解决方法：
cap=cv.VideoCapture(0, cv.CAP_DSHOW)
4. 色彩空间转换API的调用
importcv2ascvdefcolor_space_transform(img): gray=cv.cvtColor(img, cv.COLOR_BGR2GRAY) cv.imshow('gray', gray) hsv=cv.cvtColor(img, cv.COLOR_BGR2HSV) cv.imshow('hsv', hsv) hls=cv.cvtColor(img, cv.COLOR_BGR2HLS) cv.imshow('hls', hls) YCrCb=cv.cvtColor(img, cv.COLOR_BGR2YCrCb) cv.imshow('YCrCb', YCrCb) yuv=cv.cvtColor(img, cv.COLOR_BGR2YUV) cv.imshow('yuv', yuv) src=cv.imread(r'D:\python\pycharm2020\test\004.jpg') src=cv.resize(src, None, fx=0.5, fy=0.5) cv.imshow('src', src) color_space_transform(src) cv.waitKey(0) cv.destroyAllWindows()
运行效果如下：
5. InRage函数的使用，追踪特定颜色
函数的参数意义：第一个参数为原数组，可以为单通道，多通道。第二个参数为下界，第三个参数为上界
mask = cv2.inRange(hsv, lower_blue, upper_blue)
- 第一个参数：hsv指的是原图（原始图像矩阵）
- 第二个参数：lower_blue指的是图像中低于这个 lower_blue 的值，图像值变为0
- 第三个参数：upper_blue指的是图像中高于这个 upper_blue的值，图像值变为0(0代表黑色)
而在lower_blue～upper_blue之间的值变成255 (255代表白色)
即：opencv的 inRange 函数可提取特定颜色，使特定颜色变为白色，其他颜色变为黑色，从而实现图像的二值化处理。
HSV颜色对应的RGB分量范围表如下：（这里是三通道的）
测试所用图像如下：
追踪绿色，代码如下：
importcv2ascvimportnumpyasnpdeftracking_colors(image): hsv=cv.cvtColor(image, cv.COLOR_BGR2HSV) # 追踪绿色lower_hsv=np.array([35, 43, 46]) upper_hsv=np.array([77, 255, 255]) mask=cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv) cv.imshow('mask', mask) cv.waitKey(0) cv.destroyAllWindows() src=cv.imread(r'D:\python\pycharm2020\test\001.jpg') tracking_colors(src)
运行效果如下：
追踪蓝色，代码如下：
importcv2ascvimportnumpyasnpdeftracking_colors(image): hsv=cv.cvtColor(image, cv.COLOR_BGR2HSV) # 追踪蓝色lower_hsv=np.array([100, 43, 46]) upper_hsv=np.array([124, 255, 255]) mask=cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv) cv.imshow('mask', mask) cv.waitKey(0) cv.destroyAllWindows() src=cv.imread(r'D:\python\pycharm2020\test\001.jpg') tracking_colors(src)
运行效果如下：
通道分离与合并
importcv2ascvsrc=cv.imread(r'D:\python\pycharm2020\test\004.jpg') src=cv.resize(src, None, fx=0.5, fy=0.5) b, g, r=cv.split(src) # 分离cv.imshow('blue', b) cv.imshow('green', g) cv.imshow('red', r) cv.imshow('src', src) cv.waitKey(0) cv.destroyAllWindows()
运行效果如下：
importcv2ascvsrc=cv.imread(r'D:\python\pycharm2020\test\004.jpg') b, g, r=cv.split(src) src[:, :, 2] =0# 修改了的图片cv.imshow('changed src', src) src1=cv.merge((b, g, r)) # 合并得到原来的图片cv.imshow('merged src', src1) cv.waitKey(0)
运行效果如下：
6. 像素运算
算数运算： 像素的算术运算涉及加减乘除等基本运算(要进行算术运算，两张图片的shape必须一样)
实例如下：
importcv2ascvdefadd_demo(m1, m2): # 像素的加运算dst=cv.add(m1, m2) cv.imshow("add_demo", dst) defsubtract_demo(m1, m2): # 像素的减运算dst=cv.subtract(m1, m2) cv.imshow("subtract_demo", dst) defdivide_demo(m1, m2): # 像素的除法运算dst=cv.divide(m1, m2) cv.imshow("divide_demo", dst) defmultiply_demo(m1, m2): # 像素的乘法运算dst=cv.multiply(m1, m2) cv.imshow("multiply_demo", dst) src1=cv.imread(r'D:\python\pycharm2020\test\007.png') src2=cv.imread(r'D:\python\pycharm2020\test\008.png') cv.imshow('image1', src1) cv.imshow('image2', src2) # 像素的算术运算(加、减、乘、除) 两张图片必须shape一致add_demo(src1, src2) subtract_demo(src1, src2) divide_demo(src1, src1) multiply_demo(src1, src2) cv.waitKey(0) cv.destroyAllWindows()
运行效果如下：
像素的逻辑运算： 像素的逻辑运算涉及与、或、非、异或等基本运算(要进行逻辑运算，两张图片的shape必须一样)
实例如下：
importcv2ascvdefand_demo(m1, m2): # 与运算 每个像素点每个通道的值按位与dst=cv.bitwise_and(m1, m2) cv.imshow("and_demo", dst) defor_demo(m1, m2): # 或运算 每个像素点每个通道的值按位或dst=cv.bitwise_or(m1, m2) cv.imshow("or_demo", dst) defnot_demo(m1): # 非运算 每个像素点每个通道的值按位取反dst=cv.bitwise_not(m1) cv.imshow("not_demo", dst) src1=cv.imread(r'D:\python\pycharm2020\test\007.png') src2=cv.imread(r'D:\python\pycharm2020\test\008.png') cv.imshow('image1', src1) cv.imshow('image2', src2) # 像素的逻辑运算(与、或、非) 两张图片必须shape一致and_demo(src1, src2) or_demo(src1, src2) not_demo(src1) cv.waitKey(0) cv.destroyAllWindows()
运行效果如下：
调节图片对比度和亮度：
简单测试如下：
importcv2ascvimportnumpyasnpdefadjust_brightness_image(image, c, b): # 第2个参数rario为对比度 第3个参数b为亮度height, width, channels=image.shapeblank=np.zeros([height, width, channels], image.dtype) # 新建的一张全黑图片和img1图片shape类型一样，元素类型也一样dst=cv.addWeighted(image, c, blank, 1-c, b) cv.imshow("adjust_contrast_brightness", dst) src=cv.imread(r'D:\python\pycharm2020\test\004.jpg') cv.imshow("first", src) # 调节图片对比度和亮度 contrast and brightness (1.2, 100) (2.5, 0) (0.5 10)adjust_brightness_image(src, 1.2, 100) cv.waitKey(0) cv.destroyAllWindows()
运行效果如下：
